NV-memory

[Alab]

Intro
Désolé le titre est un peu flou mais c'est parce que j'ai pas trop envie pour le moment que ce soit facilement référencé sur google.

Je m'explique vite fait là dessus : je viens de recevoir une offre de thèse (fully funded et +3K€/mois en UK ) sur le sujet et je me pose plein de question donc je me suis dit que les experts en noir étaient à même d'éclairer un peu ma lanterne sur certains points.

Disclamer : alors oui ok c'est pas complètement totalement du x86 mais je pense que ça a plus sa place ici que sur les sujet hardware classique, si c'est pas le cas libre à un admin de déplacer ça au bon endroit.

And Now for Something Completely Different...
L'idée du sujet de la thèse serait d'explorer les rôles de la mémoire non-volatile (NV-mem) dans les workflows intensifs de big data et autre joyeusetés de calculs scientifiques. Notamment d'explorer un peu les solutions/utilisations existante de la NV-mem pour stocker ET en même temps servir de DRAM puis de créer un framework gérant bien tout ça. Pour plus de détails envoyez moi un mp et je vous file le lien du sujet.

Questions
Avez vous déjà eu l'occasion de travailler sur le sujet ?
Est-ce un truc en vogue, à la mode, sexy ? Qu'en sera-t-il dans 5 ou 10 ans ?
En fait là il s'agit juste de bien gérer la mémoire vive quand on travaille sur des simulations (ou autre problème scientifique) avec beaucoup de données à traiter ? Tout ce blabla pourrait se résumer en un mot : optimisation ou ça va plus loin que ça ?
J'ai une formation en info-maths-physique, axée justement sur la modélisation, simulation et optimisation mais en soit on a jamais eu de cours très axés sur l'architecture hardware, l'optimisation était plus axée sur notre manière de coder et l'utilisation de méthode de parallélisation, c'est très gênant ?
En soit je sais que lorsqu'un projet peut être trop informatique j'ai tendance à m'ennuyer parce que l'aspect mathématique ou physique me manque trop, se lancer là dedans c'est un peu faire une croix sur la modélisation et tout ce qui fait appel aux maths non ?
Je ne suis pas quelqu'un qui va passer beaucoup de son temps libre à suivre l'actualité informatique, s'informer sur le sujet ou faire des projets pour le fun/bidouiller sur linux ou des projets opensource. C'est ce genre de profil qu'on demanderait ?

Désolé c'est peut être un peu flou pour vous sans l'annonce sous les yeux, mais j'ai pas forcément envie de me griller auprès des recruteurs en mettant ça en clair (ou bien que quelqu'un d'autre passe par là et candidate aussi). Bref trop de questions pour ma petite tête pour le moment : aussi bien sur la partie hardware que sur tout ce que ce choix impliquerait personnellement (mais là c'est pas le bon sujet pour en discuter).

Voila voila, merci si vous avez un avis là dessus.

[Thamior]

Intro
L'idée du sujet de la thèse serait d'explorer les rôles de la mémoire non-volatile (NV-mem) dans les workflows intensifs de big data et autre joyeusetés de calculs scientifiques. Notamment d'explorer un peu les solutions/utilisations existante de la NV-mem pour stocker ET en même temps servir de DRAM puis de créer un framework gérant bien tout ça. Pour plus de détails envoyez moi un mp et je vous file le lien du sujet.

Questions
Avez vous déjà eu l'occasion de travailler sur le sujet ?
Est-ce un truc en vogue, à la mode, sexy ? Qu'en sera-t-il dans 5 ou 10 ans ?

C'est relativement à la mode mais je pense que le soufflé peut retomber assez vite une fois qu'on aura résolu les gros problèmes de façon satisfaisante. Pour ne citer que deux trois trucs :

1. Quand utiliser la nvm et quand utiliser la dram quand les deux sont présents?
2. Comment bien gérer les erreurs/garder des données consistantes (en gros, il faut bien pousser les données hors du cache pour qu'elle persiste dans la NVM à un moment).
3. Quel modèle pour l'utiliser : nouvelles instructions ou autres.

Il y a en général une session sur les mémoires non volatiles à ISCA/MICRO/HPCA, mais en ce moment ce qui est vraiment fashionable c'est GPU/accélérateurs/réseaux de Neurones (et le quantique arrive).

En fait là il s'agit juste de bien gérer la mémoire vive quand on travaille sur des simulations (ou autre problème scientifique) avec beaucoup de données à traiter ? Tout ce blabla pourrait se résumer en un mot : optimisation ou ça va plus loin que ça ?

Jusqu'ici la NVRAM est plus lente que la DRAM donc si ils pensent accélerer les traitements ça se discute. A la limite tu gagnes du temps dans le sens ou tu n'as pas besoin de lire le disque et de mettre ça en RAM vu qu'avec la NVRAM le disque c'est la RAM (enfin, c'est l'idée mais on en est pas forcément encore là). Envoie moi la description par MP, ça sera peut-être plus clair...

J'ai une formation en info-maths-physique, axée justement sur la modélisation, simulation et optimisation mais en soit on a jamais eu de cours très axés sur l'architecture hardware, l'optimisation était plus axée sur notre manière de coder et l'utilisation de méthode de parallélisation, c'est très gênant ?
En soit je sais que lorsqu'un projet peut être trop informatique j'ai tendance à m'ennuyer parce que l'aspect mathématique ou physique me manque trop, se lancer là dedans c'est un peu faire une croix sur la modélisation et tout ce qui fait appel aux maths non ?
Je ne suis pas quelqu'un qui va passer beaucoup de son temps libre à suivre l'actualité informatique, s'informer sur le sujet ou faire des projets pour le fun/bidouiller sur linux ou des projets opensource. C'est ce genre de profil qu'on demanderait ?

Sans avoir lu le sujet, je pense qu'il te faudra quand même avoir les bases "haut niveau" sur comment ça se passe quand on lit/écrit une donnée en mémoire, que ce soit au niveau matériel (les accès vont d'abord dans le cache, notamment) et au niveau OS (savoir ce que c'est la mémoire virtuelle me paraît assez obligatoire dans ce contexte).

Désolé c'est peut être un peu flou pour vous sans l'annonce sous les yeux, mais j'ai pas forcément envie de me griller auprès des recruteurs en mettant ça en clair (ou bien que quelqu'un d'autre passe par là et candidate aussi). Bref trop de questions pour ma petite tête pour le moment : aussi bien sur la partie hardware que sur tout ce que ce choix impliquerait personnellement (mais là c'est pas le bon sujet pour en discuter).

Pas envie d'en faire une deuxième, tu peux y aller

[Alab]

D'accord, bon après en thèse, même en entreprise (ce qui semble être le cas là) ya des cours à suivre pour justement t'aider à te spécialiser non ?

Merci pour les compléments.

[Thamior]

D'accord, bon après en thèse, même en entreprise (ce qui semble être le cas là) ya des cours à suivre pour justement t'aider à te spécialiser non ?

Dépend du pays (et peut-être de la fac). En France je crois que ça dépend de l'école doctorale: j'ai du suivre 32h de cours sur trois ans, ce qui est ridicule si on compare avec les US, par exemple.

[Møgluglu]

Comme Thamior sur la technique. Il y a clairement des trucs à faire au niveau système en HPC, par exemple ça remet à plat la gestion des snapshots. Et ça devrait rester un sujet chaud dans les quelques années qui viennent.
Faut voir comment est rédigé le sujet et surtout en discuter avec les encadrants, mais a priori tu peux attaquer le problème à différents niveaux, y compris avec une approche où tu modélises à haut niveau.

Mon conseil serait de ne pas en rester au sujet tel qu'il est proposé, mais discuter avec les encadrants pour voir si ça correspond ou pas à ce qui t'intéresse, quitte à orienter le sujet un peu différemment. Et ça te permet de prendre contact et faire passer ton CV au passage.
C'est bien aussi de voir si le courant passe avec les encadrants avant de t'engager pour 3 ou 4 ans.