Conduit: Programmer-Transparent NDP Using Multiple Compute-Capable Resources in SSDs - HPCA 2026

Item: Conduit: Programmer-Transparent NDP Using Multiple Compute-Capable Resources in SSDs - HPCA 2026
Rating: 4
Author: PostSingularity Institute

par Rakesh Nadig

Sciences appliquées & ingénierie Informatique & Cybersécurité UKMatériel informatique UKMSystèmes embarqués

🎙 Rakesh Nadig 👥 64K 📅 26 août 2026 ⏱ 18 min 👁 11 📄 étude originale 🧭 2026-08-26

Disponible en : Français (actuel) English

Mots-clés

NDPSSDoffloadingvectorisationsimulation

Résumé

Cette présentation, donnée à HPCA 2026 par Rakesh Nadig, introduit Conduit, un framework de traitement près des données (NDP) transparent pour le programmeur, qui exploite les multiples ressources de calcul présentes dans un SSD (cœurs embarqués, DRAM, flash). L’orateur commence par rappeler les trois paradigmes NDP possibles dans un SSD : le traitement dans le contrôleur (ISP), le traitement dans la DRAM (POD) et le traitement dans la flash (IFP), chacun avec ses compromis. Une étude de cas montre qu’aucun paradigme unique n’est optimal pour tous les workloads, et que la combinaison judicieuse de plusieurs ressources peut améliorer les performances de 40% pour les workloads hybrides, mais peut aussi les dégrader de 15% si elle est faite naïvement. Conduit propose une approche en deux étapes : une étape de compilation qui identifie les régions offloadables et les vectorise, et une étape d’exécution qui, dans le contrôleur SSD, décide dynamiquement où exécuter chaque instruction vectorisée en fonction d’une fonction de coût prenant en compte la latence de déplacement des données, la latence de calcul, les dépendances et la contention. L’évaluation par simulation (basée sur MQSim et configurée comme un Samsung 980 Pro) montre que Conduit surpasse les approches antérieures de 1,8x en moyenne et atteint 62% des performances d’une approche idéale, avec des réductions d’énergie de 46%. Les overheads sont faibles : environ 17 octets de DRAM pour les métriques, 1,5 Ko pour les transformations d’instructions, et moins de 4 microsecondes de latence par instruction. L’orateur répond ensuite à une question sur les hypothèses concernant l’IFP, en précisant que Conduit est extensible pour intégrer de futurs accélérateurs matériels.

267 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : l’exposé présente une contribution originale (Conduit) avec une motivation claire, une étude de cas préliminaire, une description détaillée de la solution, et une évaluation quantitative. L’argumentation est solide : l’orateur justifie la nécessité de combiner les paradigmes NDP par une étude de cas, puis montre les limites des modèles d’offloading existants (basés sur la bande passante ou le mouvement de données) en les comparant à un idéal. La proposition de Conduit est bien structurée, avec une séparation compile-time/run-time et une fonction de coût explicite. Les résultats de simulation sont présentés avec des comparaisons pertinentes (approches antérieures, idéal) et des analyses d’overhead. La discussion avec le public montre une ouverture à l’extension vers des accélérateurs dédiés, renforçant la crédibilité.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : le travail est présenté dans un cadre académique (HPCA 2026), avec une méthodologie de simulation détaillée (basée sur MQSim, configuration proche d’un SSD commercial). Les sources citées dans la description sont nombreuses et pertinentes (articles sur le PIM, RowHammer, génomique, etc.), mais la présentation elle-même ne cite pas explicitement toutes ces références. L’adéquation titre/contenu est parfaite : le titre décrit exactement le sujet. La qualité des sources est élevée, mais on note que la validation repose sur des simulations, ce qui limite la généralisation directe à du matériel réel. Les commentaires ne sont pas fournis, donc aucune analyse des tendances du public n’est possible.

250 mots

Adéquation titre / contenu

Le titre reflète précisément le contenu : présentation de Conduit, un framework NDP transparent pour programmeur utilisant plusieurs ressources de calcul dans les SSD.

Qualité & fiabilité

8/10

Présentation d'un travail de recherche académique (HPCA 2026) avec méthodologie détaillée, évaluation par simulation et comparaison à l'état de l'art. Les sources sont fournies (articles, slides). La fiabilité est élevée, mais la validation expérimentale repose sur des simulations, non sur des mesures sur matériel réel.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

Slides de la présentation (pptx) — Support de la présentation
Slides de la présentation (pdf) — Support de la présentation
A Modern Primer on Processing in Memory — Lecture recommandée sur le PIM
Memory-Centric Computing: Solving Computing's Memory Problem — Lecture recommandée sur le calcul centré mémoire
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Lecture recommandée sur le PIM dans la DRAM
Intelligent Architectures for Intelligent Computing Systems — Lecture recommandée sur les architectures intelligentes
RowHammer: A Retrospective — Lecture recommandée sur RowHammer
Fundamentally Understanding and Solving RowHammer — Lecture recommandée sur RowHammer
Accelerating Genome Analysis via Algorithm-Architecture Co-Design — Lecture recommandée sur l'accélération de l'analyse génomique
From Molecules to Genomic Variations: Accelerating Genome Analysis via Intelligent Algorithms and Architectures — Lecture recommandée sur l'analyse génomique

Sources concordantes

A Modern Primer on Processing in Memory — Revue de littérature sur le PIM, cohérente avec les paradigmes NDP présentés.
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Travaux récents sur le PIM dans la DRAM, cités comme base pour le paradigme POD.

Références externes

Apport & nouveautés

L’apport principal de Conduit est de proposer un framework NDP généraliste et transparent pour le programmeur, capable d’exploiter dynamiquement plusieurs ressources de calcul hétérogènes dans un SSD (cœurs ARM, DRAM, flash) à granularité d’instruction. Contrairement aux travaux antérieurs qui se limitent à un ou deux paradigmes, Conduit combine ISP, POD et IFP de manière adaptative, avec une fonction de coût prenant en compte les caractéristiques de l’application et l’état du système. Cette approche permet d’obtenir des gains de performance et d’énergie significatifs par rapport aux modèles d’offloading existants, tout en maintenant de faibles overheads. La transparence pour le programmeur est assurée par une étape de compilation qui vectorise automatiquement les boucles et par un offloading décidé dans le contrôleur SSD, sans modification de la pile de stockage.

Pour aller plus loin :

Processing-in-Memory (PIM) — Concept central du NDP, avec des exemples de technologies.
Solid-state drive — Architecture et fonctionnement des SSD, contexte de l’étude.
Near-data computing — Paradigme général du calcul près des données, dont Conduit est une implémentation.
NVMe — Protocole de communication avec les SSD, utilisé pour le transfert du binaire dans Conduit.
Vectorization (computer science) — Technique de compilation utilisée par Conduit pour transformer les boucles en opérations vectorielles.

203 mots

Profil radar

Le profil radar montre une très bonne couverture sur tous les axes, avec une légère prédominance de la qualité de l'information et de la fiabilité, reflétant un travail de recherche solide et bien présenté. La quantité d'information est également élevée, mais le niveau technique très élevé peut limiter l'accessibilité à un public non spécialisé.

Fiabilité 8/10