SDC2025を要約してもらった

Time,Track,Title,Speakers,URL,PDF_URL,Abstract,Summary,Keywords 2025/09/15 10:35,Data Architecture / Storage Architecture,Command Duration Limits - Improving IOPS per TB in HDDs,"David Landsman, Distinguished Engineer, Western Digital / Damien Le Moal, Distinguished Engineer, Western Digital",https://www.snia.org/sniadeveloper/session/19305,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Landsman-LeMoal-Command-Duration-Limits-Improving-IOPS-per-TB-in-HDDs.pdf,"Command Duration Limits (CDL) is a QoS protocol for SCSI and ATA HDDs that provides the host with a model of traffic classes and command execution policies that enable a drive to optimize execution of consumed commands. CDL defines Duration Limits and Duration Limit Policies. CDL is also being considered for adoption for NVMe HDDs; the talk covers the model, adaptation ideas, and real-world results on tail latency and performance trade-offs when maximizing IOPs per TB.","NVMe、AIWorkloads、Virtualizationに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, QoS, IOPS, Latency, Virtualization, CSI" 2025/09/15 10:35,Solid State Storage Solutions,Navigating NVMe-oF Authentication: Best Practices for Key Management in Pre-AVE and Post-AVE Deployments,"Swati Chawdhary, Senior Manager, Samsung",https://www.snia.org/sniadeveloper/session/19423,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Chawdhary_NVMe-oF-Authentication.pdf,"NVMe-over-Fabrics (NVMe-oF) offers DH-HMAC-CHAP as its in-band authentication method. The spec introduced Authentication Verification Entity (AVE) to manage/verify authentication centrally or semi-centrally, but guidance remains unclear (e.g., single vs multiple keys). This talk summarizes recommendations found in the NVMe spec and open-source ecosystem from product development.","NVMe、Security、AIWorkloads、Virtualizationに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・Security・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe-oF, NVMe, Virtualization" 2025/09/15 10:35,AI / ML,Disaggregated KV Storage: A New Tier for Efficient Scalable LLM Inference,"Eshcar Hillel, Principal Research Scientist Pliops",https://www.snia.org/sniadeveloper/session/19280,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Hillel-Disaggregated-KV-Storage.pdf,"This session presents a disaggregated key-value (KV) storage architecture to offload KV-cache tensors for LLM inference, reducing GPU memory/power pressure while maintaining low-latency and high-throughput. It introduces an end-to-end system based on shared storage for KV-cache offloading.","Power/Energy、AIWorkloadsに関するテーマとして、KV-cacheの階層化/オフロードを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","LLM, KV-cache, GPU, Latency, Throughput, Power, AI Inference" 2025/09/15 10:35,Sustainability & Green,Panel: Driving Sustainability in Datacenters ? Standardizing Carbon Assessment Methodologies,"Shruti Sethi, Senior PM, Microsoft / Ines Sousa, Senior Sustainability Industry Advisor, Microsoft / Bahar Riazi, Technical Program Manager - Net Zero, Google / Alan Deng, Senior Supply Engagement Manager - Net Zero, Google / Lisa Rivalin, Staff System Engineer, AI Fleet - Sustainability Meta",https://www.snia.org/sniadeveloper/session/19325,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Sethi-Driving-Sustainability-in-Datacenters.pdf,"Panel on datacenter sustainability: as cloud demand grows, datacenter environmental impact rises. The focus is on improving/standardizing carbon assessment methodologies across the industry to measure and manage carbon emissions consistently.","AIWorkloadsに関するテーマとして、サステナビリティ/カーボン評価を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Cloud, Sustainability" 2025/09/15 11:35,Data Architecture / Storage Architecture,Drive Regeneration in Action: Enhancing Fault Tolerance in Datacenters,"Curtis Stevens, Strategist, Seagate Technology / Dave Craton, Principal Product Manager, Seagate Techology",https://www.snia.org/sniadeveloper/session/19293,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Stevens-Craton-Drive-Regen-In-Action-Enhancing-Fault-Tolerance-in-Datacenters.pdf,"Drive Regeneration (Storage Element Depopulation) expands HDD fault tolerance by letting drives with larger defects (e.g., degraded recording head) remain operational instead of being decommissioned, improving datacenter availability and sustainability.","AIWorkloadsに関するテーマとして、サステナビリティ/カーボン評価を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Sustainability 2025/09/15 11:35,Modeling & Simulation,Total Cost and Performance Analysis of SSDs in AI Data Centers,"Andy Banta, Storage Janitor, Magnition IO / Scott Shadley, Director of Leadership Narrative and Evangelist, Solidigm",https://www.snia.org/sniadeveloper/session/19371,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Banta-Shadley-Total-Cost-and-Performance.pdf,"Argues that “speeds and feeds” are insufficient; instead, evaluate SSD solutions by long-term ownership cost and real-world performance. Metrics like $/GB, IOPS/drive, and GB/s are product-centric and miss net solution needs.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",IOPS 2025/09/15 11:35,AI / ML,Rethinking Storage for the AI/ML Era: Disaggregation Powered with FDP,"Sathish Kumar M, Associate Technical Director, Samsung Semiconductor India Research",https://www.snia.org/sniadeveloper/session/19380,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Kumar-Rethinking-Storage-AI-ML-Era.pdf,"Analyzes the I/O workload generated by Stable Diffusion image generation in HPC when accessing storage devices, specifically NVMe-oF drives, and discusses implications for performance/scalability. (FDP is highlighted in the session title as a disaggregation enabler.)","NVMe、Power/Energy、AIWorkloads、Virtualizationに関するテーマとして、FDP（FlexibleDataPlacement）などデータ配置制御を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・Power/Energy・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe-oF, Flexible Data Placement (FDP), Stable Diffusion, Power, Virtualization, HPC" 2025/09/15 11:35,Magic Memory,Disrupting the GPU Hegemony: Can Smart Memory and Storage Redefine AI Infrastructure,"Nilesh Shah, VP Business Development, ZeroPoint Technologies / Jungmin Choi, Director of Memory Systems Sk Hynix / Vikas Chaudhary, VP & GM, MaxLinear / Nilesh Gharia, Founder & CTO, Numem / Stephen Bates, Fellow, AMD / Jonmichael Hands, CEO FarmGPU",https://www.snia.org/sniadeveloper/session/19381,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Shah-Disrupting-The-GPU-Hegemony.pdf,"Discusses AI infra bottlenecks shifting from compute to memory/I/O: underutilized HBM, KVCache growth, and model transfer latency. Explores levers such as compression, CXL fabrics, computational memory, and SmartNIC-enabled storage to improve tokens-per-second-per-watt.","CXL、AIWorkloadsに関するテーマとして、KV-cacheの階層化/オフロード／CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","CXL, KV-cache, GPU, SmartNIC, Latency" 2025/09/15 13:30,Magic Memory,Radical Reduction in Computing Costs with AI-powered Predictive Memory Technology,"Gary Smerdon, Founder and CEO, MEXT",https://www.snia.org/sniadeveloper/session/19281,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Smerdon-Radical-Reduction-Computing-Costs.pdf,Notes DRAM is a major datacenter cost and that large portions of provisioned memory are cold/unused; introduces AI-powered predictive memory technology to reduce computing costs by better leveraging memory.,"Power/Energy、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Power 2025/09/15 13:30,Modeling & Simulation,CXL Ecosystem Innovation Leveraging QEMU-based Emulation,"Anisa Su, Associate Engineer, Samsung / Adam Manzanares, Director, Samsung",https://www.snia.org/sniadeveloper/session/19282,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Su-Manzanares-CXL-Ecosystem-Innovation.pdf,"Introduces CXL feature emulation in QEMU to accelerate open-source CXL software development. Covers setup of Linux+QEMU CXL environments, limitations, and updates including Dynamic Capacity Devices (DCD) and switch support.","CXL、AIWorkloadsに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",CXL 2025/09/15 13:30,Cloud Storage,Accelerating Object Storage for AI/ML with S3 RDMA,"Jason Goldschmidt, Member of Technical Staff, Dell Technologies",https://www.snia.org/sniadeveloper/session/19307,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Goldschmidt-Accelerating-Object-Storage-AIML.pdf,"S3 RDMA accelerates S3 PUT/GET data transfers over RDMA, bypassing the HTTP/TCP stack to reduce CPU cost and meet low-latency/high-throughput needs of GPU-heavy AI/ML workloads.","S3/Object、RDMA、AIWorkloadsに関するテーマとして、RDMA（SMBDirect/NFSRDMA）による低遅延化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・RDMA・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","RDMA, S3, GPU, Latency, Throughput" 2025/09/15 13:30,AI / ML,KV-Cache Storage Offloading for Efficient Inference in LLMs,"Ugur Kaynar, Technical Staff Dell Technologies",https://www.snia.org/sniadeveloper/session/19301,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Kaynar-KV-Cache-Storage-Offloading.pdf,"KV-cache memory demands in LLM inference exceed GPU capacity; KV-cache storage offloading relocates attention cache data to high-speed, low-latency storage tiers to alleviate GPU memory constraints and improve scalability/performance.","AIWorkloadsに関するテーマとして、KV-cacheの階層化/オフロードを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","LLM, KV-cache, GPU, Latency, AI Inference" 2025/09/15 14:30,Magic Memory,Towards Memory Efficient RAG Pipelines with CXL Technology,"Arun George, Associate Technical Director, Samsung Semiconductor India Research / Roshan Nair, Staff Engineer Samsung Semiconductor India Research, Bangalore",https://www.snia.org/sniadeveloper/session/19346,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-George-Towards-Efficient-RAG-With-CXL.pdf,"RAG pipelines consume large transient memory during embedding creation, vector DB insertion, and search. Explores using CXL to improve memory efficiency for RAG, considering index sizes, parallel queries, etc.","CXL、AIWorkloadsに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","CXL, RAG, Vector Search" 2025/09/15 14:30,Modeling & Simulation,Simulating CXL.mem for Fun and Profit,"Diman Zad Tootaghaj, Senior Researcher HPE",https://www.snia.org/sniadeveloper/session/19385,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Zad-Tootaghaj-Simulating-CXL.mem-Fun-Profit.pdf,CXL.mem enables memory expansion beyond a single server and memory sharing among endpoints. Realizing sharing requires extending coherency management beyond individual hosts; hosts/devices track memory regions with per-region finite state machines. The session focuses on simulating CXL.mem performance.,"CXLに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXLの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",CXL.MEM 2025/09/15 14:30,File Systems & Protocols,Scalable Metadata in Distributed File Systems: Revisiting the GoogleFS Design for Exabyte-Scale Namespaces,"Piotr Modrzyk, Principal Architect, Leil Storage",https://www.snia.org/sniadeveloper/session/19368,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Modrzyk-Scalable-Metadata-in-Distributed-File-Systems.pdf,"Revisits GoogleFS-style separation of metadata and data, and proposes a modern distributed metadata architecture (SaunaFS example) eliminating a single active master by distributing metadata across multiple concurrent multi-threaded servers.","ストレージ技術に関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、ストレージの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Scalable, Metadata, Distributed, File, Systems, Revisiting, GoogleFS, Design, Exabyte-Scale, Namespaces" 2025/09/15 14:30,AI / ML,Scaling RAG with NVME: DISKANN's Hybrid Approach to Vector Databases Indexing,"Alessandro Goncalves, Solutions Architect Solidigm",https://www.snia.org/sniadeveloper/session/19344,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Goncalves-Scaling-RAG-NVME-DISKANN.pdf,DISKANN is a hybrid vector search algorithm that offloads parts of the ANN index to NVMe SSDs to avoid DRAM-only scaling limits as vector collections grow. Covers indexing/search performance and footprint.,"NVMe、AIWorkloads、Virtualizationに関するテーマとして、DiskANN等のSSD活用型ベクタ検索を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVME, NVMe, RAG, DiskANN, Virtualization, Vector Search" 2025/09/15 15:35,Magic Memory,Compute Express Link (CXL) as a Scalable and Highly Cost-Effective Memory Architecture for Modern Computing Workloads,"Pramod Peethambaran, Director of Engineering, Samsung",https://www.snia.org/sniadeveloper/session/19424,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Peethambaran-CXL-as-scalable-cost-effective-Memory.pdf,"Examines CXL as a scalable, cost-effective memory architecture to address memory scaling challenges in data-intensive workloads (graph analytics, ML, recommender systems), improving scalability/efficiency.","CXLに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXLの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",CXL 2025/09/15 15:35,Modeling & Simulation,Smarter Cloud Storage?Optimizing Costs with Tiering and Automation,"Shruti Sethi, Senior PM, Microsoft / Vignesh Shanbhag, PM, Microsoft",https://www.snia.org/sniadeveloper/session/19348,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Sethi-Shanbhag-Optimizing-Storage-with-Tiering-and-Automation.pdf,"Cloud storage cost optimization via tiering (hot/cool/archive) and lifecycle management policies; discusses tools and automation, including AI-driven recommendations for smarter decision-making.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Cloud 2025/09/15 15:35,File Systems & Protocols,Zoned XFS: Transparent and Efficient Zoned Storage Support For Scalable Storage Systems,"Christoph Hellwig, Kernel Hacker, [N/A] / Damien Le Moal, Distinguished Engineer, Western Digital",https://www.snia.org/sniadeveloper/session/19297,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Hellwig-Zoned-XFS.pdf,Zoned storage enables higher density with SMR HDDs and improves tail latency/cost with ZNS SSDs. Zoned XFS adds transparent zoned support to XFS on Linux for unmodified apps and claims performance beating existing zone-aware file systems.,"ZonedStorage、SMR、AIWorkloadsに関するテーマとして、ZNS等のZonedStorage活用／SMRの運用・GC・ファイルシステム設計を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、ZonedStorage・SMR・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","ZNS, SMR, Latency" 2025/09/15 15:35,AI / ML,"448G/lane? PCIe? 7.0? E2 form factor? Suffer the egos of the opinionated experts working to meet the bandwidth, interconnect, and capacity for these AI capable interconnects and form factors.","Anthony Constantine, Distinguished Member of Technical Staff, Micron Technology / Mike Allison, Senior Director - NAND Product Planning - Standards, Samsung / John Geldman, Director of SSD Industry Standards, KIOXIA",https://www.snia.org/sniadeveloper/session/19284,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Constantine-Allisone-Geldman-448G-lane-PCIe%207.0.pdf,"AI-driven bandwidth/capacity demand is pushing interconnect and storage evolution. Discusses 448G channel modeling, PCIe 7.0 projects, and system mechanical considerations led by SNIA SFF TWG.","PCIe、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。Abstract内では448Gのような定量的な言及もあり、評価観点（レイテンシ/スループット/効率）を把握する手掛かりになります。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、PCIe・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","PCIe 7.0, Vector Search" 2025/09/15 16:35,Magic Memory,Advantages of CXL Memory Pooling and Tiering,"Anil Godbole, MWG Co-Chair, CXL Consortium",https://www.snia.org/sniadeveloper/session/19372,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Derr-Using-CXL-in-Storage-Software.pdf,"CXL offers memory expanders, pooling, and tiering and opens new opportunities for storage software. This session explains how CXL changes the memory hierarchy and what developers need to know for deploying CXL in the data center.","CXL、AIWorkloadsに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",CXL 2025/09/15 16:35,Modeling & Simulation,Design Specification and AI-Driven Digital Twin Architecture for Storage Devices,"Hemant Gaikwad, Technical Staff, Dell Technologies / Rahul Vishwakarma, CTO WorkOnward",https://www.snia.org/sniadeveloper/session/19345,-,"Staying competitive as a storage vendor requires the ability to quickly respond to the rapidly evolving needs of our customers. The Swordfish (Redfish? for Storage) has been rapidly evolving to provide a standardized schema for managing storage systems, including a new digital twin capability and support for generative AI/LLM tooling.","AIWorkloadsに関するテーマとして、Swordfish/Redfishによる管理標準を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","LLM, SNIA Swordfish, DMTF Redfish" 2025/09/15 16:35,File Systems & Protocols,"Open Flash Platform: An Initiative for Open, Highly Efficient AI Storage","David Flynn, CEO, Co-Founder, Hammerspace",https://www.snia.org/sniadeveloper/session/19358,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Flynn-Open-Flash-Platform-Initiative.pdf,"Enterprise IT infrastructures face soaring AI and analytics demands, driving the need for storage that leverages existing networks, cuts power-hungry server counts, and frees CAPEX for AI. Yet current solutions create isolated silos: proprietary, server-based systems that waste power, lack cloud connectivity, and force large teams to manage multiple silo technologies?locking data behind vendor walls and hampering AI goals. Modeled on the Open Compute Project, the Open Flash Platform (OFP) liberates high-capacity flash through an open architecture built on standard pNFS which is included in every Linux distribution. Each OFP unit contains a DPU-based Linux instance and network port, so it connects directly as a peer?no additional servers. Early configurations deliver up to 48 PB in 2U and scale to 1 EB per rack, yielding a 10× reduction in rack space, power, and OPEX and a 33% longer service life.","NFS/pNFS、Power/Energy、AIWorkloadsに関するテーマとして、pNFS/NFSv4系の分散アクセスを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。Abstract内では48PB、1EBのような定量的な言及もあり、評価観点（レイテンシ/スループット/効率）を把握する手掛かりになります。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NFS/pNFS・Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","pNFS, DPU, Power, Cloud" 2025/09/15 16:35,AI / ML,Small Granularity Graph Neural Network Training and the Future of Storage,"John Mazzie, MTS, Systems Performance Engineer, Micron Technology",https://www.snia.org/sniadeveloper/session/19369,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Sangiolo-Host-Addressable-Storage.pdf,This session discusses Host Addressable Storage and how applications can place and manage data for better performance and lower write amplification. It also covers considerations for workloads and SSD endurance.,"AIWorkloadsに関するテーマとして、書込み増幅（WA）低減を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Write Amplification, AI Training" 2025/09/15 17:00,Magic Memory,Host Addressing of NVMe Subsystem Local Memory,"Jason Molgaard, Principal Storage Solutions Architect, Solidigm",https://www.snia.org/sniadeveloper/session/19290,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Won-SSD-Benchmarking-Pitfalls.pdf,Benchmarking is hard?especially for enterprise SSDs. This session reviews pitfalls in SSD benchmarking and how to design workloads and preconditioning to get meaningful results.,"NVMe、Benchmarking、Virtualizationに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・Benchmarking・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, Virtualization" 2025/09/15 19:00,Birds-of-a-Feather,Power Metric Extensions for Performance IO Tools,"Wayne Adams, SNIA Chairman Emeritus, Industry Advisor / David Slik, Scientist, Huawei Technologies Canada Co., Ltd.",https://www.snia.org/sniadeveloper/session/19433,-,"As data center IO workloads grow and diversify, IO performance tools are adding power measurement metrics along with performance metrics. This BoF covers SPEC, MLCommons and other open source IO performance tools and their power extensions and applicability to workloads.","Power/Energyに関するテーマとして、SNIAEmerald等の電力測定仕様と指標化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energyの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Power 2025/09/15 19:00,Birds-of-a-Feather,Object Storage for Structured Storage,"HimaBindu Tummala, Distinguished Engineer Dell Technologies",https://www.snia.org/sniadeveloper/session/19442,-,"AI use cases are evolving to consume both unstructured and structured data. Object storage is evolving to support both, becoming tier-1 storage. This BoF covers fundamentals of structured data (e.g., Iceberg tables) and use cases enabled by supporting this natively in object storage.","S3/Object、AIWorkloadsに関するテーマとして、Iceberg等のテーブル形式とオブジェクト統合を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, Apache Iceberg" 2025/09/15 19:00,Birds-of-a-Feather,S3 Interoperability - Adoption Proliferation and Strategic Testing,"Michael Hoard, Chair for Cloud Storage Technologies (CST) community SNIA / Adam Gray, Principal Software Engineer, IBM; Cloud Object Storage (COS) Test Tools Provisional TWG Chair, SNIA",https://www.snia.org/sniadeveloper/session/19436,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Gray-Hoard-S3%20Interoperability.pdf,This BoF explores the interoperability and convergence of S3 API semantics and NFS/SMB file access patterns for modern AI and analytics pipelines.,"SMB/Samba、NFS/pNFS、S3/Object、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] CST/COSの観点が反映されやすく、SMB/Samba・NFS/pNFS・S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NFS, S3" 2025/09/15 20:00,Birds-of-a-Feather,AI and Performance Expansion - Total Cost of Ownership (TCO) Model 2.0,"Jonmichael Hands, CEO FarmGPU / Nader Salessi, Advisor, MaxLinear",https://www.snia.org/sniadeveloper/session/19453,-,"A Total Cost of Ownership (TCO) Model of storage provides a way to understand how customers make purchasing decisions by looking all the costs associated with purchasing and running IT equipment. Business objectives and purchasing criteria vary greatly between customers, and hence a one size fits all TCO Model is not adequate for all storage workloads.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",TCO 2025/09/15 20:00,Birds-of-a-Feather,S3 over RDMA,"Jason Goldschmidt, Member of Technical Staff, Dell Technologies",https://www.snia.org/sniadeveloper/session/19437,-,"Utilizing RDMA for S3 object data transfer has become an emerging trend for accelerating AI/ML workloads. This BoF invites those who want to discuss use cases, challenges and best practices related to this technology.","S3/Object、RDMA、AIWorkloadsに関するテーマとして、RDMA（SMBDirect/NFSRDMA）による低遅延化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・RDMA・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","RDMA, S3" 2025/09/15 20:00,Birds-of-a-Feather,Toward an ISO Standard for an Open Long-Term Storage Framework,"Steffen Hellmold, President, Cerabyte",https://www.snia.org/sniadeveloper/session/19438,-,"The arrival of true permanent and long-term storage technologies brings a new challenge: ensuring that the data we preserve today remains retrievable and meaningful in the distant future. What must a future IT expert know in order to independently access and interpret data stored on today’s long-term media? This session will launch a multidisciplinary discussion aimed at answering that question, with the ultimate goal of developing a new international standard for digital preservation.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Toward, ISO, Standard, Open, Long-Term, Storage, Framework" 2025/09/15 08:30,Data Architecture / Storage Architecture,"HDD Innovation for Hyperscale: CDLs, SMR, Depop and SCSI Advancements in Linux","Damien Le Moal, Distinguished Engineer, Western Digital / Rick Kutcipal, At-Large Director, Board of Directors, SNIA SCSI Trade Association (STA)",https://www.snia.org/sniadeveloper/session/19300,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Kutcipal-LeMoal-HDD-Innovations-for-Hyperscale.pdf,"Hyperscale storage demands are pushing HDD technologies to new levels of sophistication and industry collaboration. This technical session brings together Damien Le Moal (Western Digital) and Rick Kutcipal (Broadcom, STA Board) to deliver a joint update on emerging and maturing HDD features designed to meet hyperscaler requirements.","SMR、AIWorkloadsに関するテーマとして、SMRの運用・GC・ファイルシステム設計を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] STAの観点が反映されやすく、SMR・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SMR, CSI, Hyperscale" 2025/09/15 08:30,Solid State Storage Solutions,Host Management of NVM Express? Exported NVM Subsystems in PCIe? SSDs,"Mike Allison, Senior Director - NAND Product Planning - Standards, Samsung / Lee Prewitt, Director of Cloud Hardware Storage Microsoft",https://www.snia.org/sniadeveloper/session/19343,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Prewitt-Kulkarni-Allison-Host-Management-of-NVM-Express.pdf,"NVMe PCIe SSD with multiple NVMe controllers can create and migrate virtual NVMe SSDs (Exported NVM Subsystems). Shows host commands and interoperability across vendors during VM migration, abstracting virtual SSD from underlying physical SSD.","NVMe、PCIe、Virtualizationに関するテーマとして、ExportedNVMSubsystemsによるサブシステム仮想化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・PCIe・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, Exported NVM Subsystems, Virtualization" 2025/09/15 08:30,AI / ML,"Storage for AI 102, A Further Perspective on Storage use in AI Workflows","Curtis Ballard, Technical Council, SNIA; Strategist Technology Enablement HPE",https://www.snia.org/sniadeveloper/session/19360,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Ballard-Storage-For-AI-102.pdf,"This presentation will build on the AI For Storage 101 presentations that were given at SDC last September and SDC Regional Denver. There will be less intro/overview and it will focus more on the phases of AI with different styles of storage access, examples of some of the types of work performed in those phases, and discussion of the workload that the storage system would see for those phases.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Storage, AI, Further, Perspective, Workflows" 2025/09/15 08:30,Sustainability & Green,Advancing the AI Factory Sustainability,"Chih-Tsung Huang, Senior Director, Cisco / Wei-Jen Huang, Distinguished Engineer, Cisco",https://www.snia.org/sniadeveloper/session/19386,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Huang-Huang-Advancing-the-AI-Factory-Sustainability.pdf,"ChatGPT began AI's watershed moment that triggered IT infrastructure's tectonic shift and race in extraordinary and lasting commitments to AI Factory. Many governments and enterprises alike are making enormous capital and people investments to not be left behind the AI boom. What is the best architectural decision - retrofitting, built from scratch or adopt a wait-and-see? Our talk examines the AI Factory Spectrum to identify solutions that advance the infrastructure challenge sustainably.","AIWorkloadsに関するテーマとして、サステナビリティ/カーボン評価を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Sustainability 2025/09/15 09:30,Data Architecture / Storage Architecture,SMR and HAMR Advancing HDD Areal Density,"Babar Khan, AI Engineer and PhD Candidate, Independent",https://www.snia.org/sniadeveloper/session/19378,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Khan-SMR-and-HAMR-Advancing.pdf,"This talk reflects on 18 years of SMR evolution ?covering physical layouts, filesystems, garbage collection algorithms, device drivers, and simulators. Furthermore, the talk will also discuss how SMR disks integrated with data storage solutions like RAID and deduplication, including real-world use cases of SMR disks by hyperscalers. We will also discuss how SMR and HAMR technology interact in the context of AI workloads to provide intriguing new possibilities for HDDs.","SMR、HAMR、AIWorkloadsに関するテーマとして、SMRの運用・GC・ファイルシステム設計／HAMRなどHDD高密度化技術を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMR・HAMR・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SMR, HAMR, Hyperscale" 2025/09/15 09:30,Solid State Storage Solutions,Sprandom - A Fast Method to Reduce the Random Preconditioning Time of SSDs from Days to Hours,"Steven Sprouse, Distinguished Engineer, SanDisk",https://www.snia.org/sniadeveloper/session/19366,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Sprouse-Sprandom-A-Fast-method-to-reduce-the-random.pdf,"As SSD capacities increase beyond 16TB, the time to randomly precondition these drives has also increased from several hours to several days. Traditional methods involve a sequential write followed by multiple random writes to reach a steady state. We present Sprandom (SanDisk Pseudo Random) ? a novel approach to random preconditioning that uses the Flexible I/O Tester (fio) to achieve near steady-state performance with just a single physical drive write.","Benchmarkingに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。Abstract内では16TBのような定量的な言及もあり、評価観点（レイテンシ/スループット/効率）を把握する手掛かりになります。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Benchmarkingの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Sprandom, Fast, Method, Reduce, Random, Preconditioning, Time, SSDs, Days, Hours" 2025/09/15 09:30,AI / ML,Why does NVMe Need to Evolve for Efficient Storage Access from GPUs?,"Chandra Guda, SSD Systems Architect - SMTS, Micron Technology / Suresh Rajgopal, SSD Systems Architect - DMTS, Micron Technology",https://www.snia.org/sniadeveloper/session/19283,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Guda-Rajgopal-Why-does-NVMe-Evolve-Efficient-Storage.pdf,"With its introduction in 2011, the NVMe storage protocol has allowed CPUs to handle more data with less latency. More recently, the growing relevance of GPUs in AI training and inference has led to innovations that illustrate enabling NVMe storage access directly from GPUs. We compare CPUs and GPUs in how they execute code and how they access IO, and illustrate key bottlenecks with the current NVMe IO protocol that will need addressing.","NVMe、AIWorkloads、Virtualizationに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, Latency, Virtualization, AI Training, AI Inference" 2025/09/15 09:30,Sustainability & Green,SNIA Emerald Update for V1.0 Device and V5.0 System Specifications,"Wayne Adams, SNIA Chairman Emeritus, Industry Advisor",https://www.snia.org/sniadeveloper/session/19328,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Adams-Emerald-Update.pdf,"Learn about the new SNIA Emerald V1.0 Device Power Measurement Test Specification, the tools and methods to measure an enterprise data storage device. Learn about the changes as part of SNIA Emerald V5.0 System Power Measurement Test Specification, the tools and methods to measure an enterprise data storage system. These are cross-referenced by programs such as USA EPA Energy Star and EU Lot 9 for data center workload metrics.","Power/Energy、AIWorkloadsに関するテーマとして、SNIAEmerald等の電力測定仕様と指標化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Power 2025/09/16 10:20,Keynote,Maximizing the Benefits of QLC Flash with Pure's Hyperscale Architecture for Applications Ranging from AI/ML to HDD Displacement,"Riley Thomasson, Member of Technical Staff, Pure Storage",https://www.snia.org/sniadeveloper/session/19319,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Keynote-Thomasson-Maximizing-Benefits-QLC-Flash.pdf,"As data growth accelerates in the age of AI, hyperscalers demand higher-capacity storage solutions that deliver a balanced combination of performance, power, and cost-effectiveness. This session presents how QLC NAND-based Direct Flash Modules (DFM), with Pure’s software architecture, can deliver high-density and reliable SSD storage and support use cases from AI/ML to HDD displacement.","Power/Energy、AIWorkloadsに関するテーマとして、QLCNANDの高密度化と耐久・効率を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","QLC NAND, Power, Hyperscale" 2025/09/16 11:00,Keynote,SNIA and OCP - Driving Open Storage and Networking,"James Kelly, VP Market Intelligence and Innovation, OCP Foundation",https://www.snia.org/sniadeveloper/session/19362,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Kelly-SNIA-OCP.pdf,"This talk will focus on areas of SNIA and OCP community overlap and collaboration, discussing our new alliance and OCP work areas as they relate to SNIA technical work groups.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SNIA, OCP, Driving, Open, Storage, Networking" 2025/09/16 11:30,Keynote,Storage.AI? from SNIA - Industry Leaders and Partners Join Forces,"J Metz, Chair of SNIA’s Board of Directors; Technical Director for Systems Design, AMD",https://www.snia.org/sniadeveloper/session/19406,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Metz-Keynote-Storage.AI__0.pdf,"AI workloads are extraordinarily complex and constrained by issues related to latency, space, power and cooling, memory, and cost. SNIA recently launched Storage.AI?, an open standards project for efficient data services related to AI workloads.","Power/Energy、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Latency, Power, Cooling" 2025/09/16 13:00,Magic Memory,CXL Memory in Windows,"Chet Douglas, Principal Software Engineer, Microsoft / Scott Lee, Principal Software Engineer Lead, Microsoft",https://www.snia.org/sniadeveloper/session/19309,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Lee-Douglas-CXL-Memory-In-Windows.pdf,"We present the architecture of CXL memory in Windows and describe the support that will be available. We describe possible usages of CXL memory, the RAS workflows and the developer interfaces available to use CXL memory.","CXL、AIWorkloadsに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",CXL 2025/09/16 13:00,Data Architecture / Storage Architecture,SSD Virtualization: Enabling New Possibilities for SSD-Based Ecosystems,"Daniel Helmick, Principal Architect, Samsung",https://www.snia.org/sniadeveloper/session/19370,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Helmick-SSD-Virtualization.pdf,"A new set of NVM Express? (NVMe?) and Open Compute Project? (OCP) features is revolutionizing the virtualization landscape, enabling a new SSD-supported virtualization ecosystem. Specifically, we will cover the use of SR-IOV to expose individual functions with child controllers, Exported NVM Subsystems for building virtualized subsystems, and OCP’s security extensions to Caliptra for maintaining security. We will also delve into advanced topics, including Quality of Service (QoS) parameter setting across varied VMs with differing Service Level Agreement (SLA) processes, and live migration of VMs from one SSD to another. Finally, we will touch on extended SSD-supported virtualization examples, including AI enablement through direct GPU access and integration to Flexible Data Placement.","NVMe、Security、AIWorkloads、Virtualizationに関するテーマとして、SR-IOVによる機能分割やI/O仮想化／ExportedNVMSubsystemsによるサブシステム仮想化／FDP（FlexibleDataPlacement）などデータ配置制御を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・Security・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, Flexible Data Placement (FDP), SR-IOV, NVMe Child Controller, Exported NVM Subsystems, GPU, Caliptra, QoS, SLA, Virtualization" 2025/09/16 13:00,AI / ML,Storage Devices for the AI Data Center,"Erich Haratsch, Senior Director Marvell",https://www.snia.org/sniadeveloper/session/19310,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Haratsch-Storage-Devices-AI-Data-Center.pdf,"Flash storage devices are essential components inside AI compute nodes, and also in external storage tiers. Training and inference workloads impose different requirements on storage devices inside the AI data center. AI is driving the adoption of next generation interfaces for storage devices in the AI data center. To meet performance requirements, optimizations in NAND media, SSD controller, host interfaces and form factors are considered.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","AI Training, AI Inference" 2025/09/16 13:00,File Systems & Protocols,Taming the Multi-Protocol Jungle: Unifying File and Object Access in Modern Data Workflows,"Erez Zilber, SW Architect, VAST Data",https://www.snia.org/sniadeveloper/session/19299,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Zilber-Taming-the-Multi-Protocol-Jungle.pdf,"Organizations are turning to data-sharing platforms to enable diverse data workflows, ranging from analytics to media production. VAST’s approach provides consistent access across protocols so a user can create via NFS, analyze via SMB, and share via S3 without moving or re-permissioning data, by managing users, metadata, permissions and security policies and optimizing performance.","SMB/Samba、NFS/pNFS、S3/Object、Securityに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・NFS/pNFS・S3/Object・Securityの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NFS, S3" 2025/09/16 14:00,Magic Memory,SNIA SDXI v1.1 Data Movement Accelerator Interface Update,"William Moyes, Fellow AMD / Shyam Iyer, Distinguished Engineer -- Technical Council, SDXI TWG Chair Dell Technologies -- SNIA",https://www.snia.org/sniadeveloper/session/19361,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Moyes-Iyer-SDXIv1-1-Data-Movement-Accelerator.pdf,"SDXI? v1.1 adds significant new features and use cases, including CRC generation/checking to extend data integrity, and a new compression use case. These features broaden SDXI’s applicability as a data movement accelerator for AI workloads and other data-intensive environments.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SNIA, SDXI, Data, Movement, Accelerator, Interface, Update" 2025/09/16 14:00,Data Architecture / Storage Architecture,Storage Multi-Queue on Windows - A New Stack for High Performance Storage Hardware,"Scott Lee, Principal Software Engineer Lead, Microsoft",https://www.snia.org/sniadeveloper/session/19279,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Lee-Storage-Multi-Queue-On-Windows.pdf,"Storage Multi-Queue is a new storage driver architecture on Windows optimized for high performance storage hardware. Unlike the previous SCSI-concept-based architecture, it uses NVMe concepts and data structures to map efficiently to modern hardware and eliminate bottlenecks, providing improved performance and queue management for miniports.","NVMe、AIWorkloads、Virtualizationに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, Virtualization, CSI" 2025/09/16 14:00,AI / ML,Storage for AI in Public Clouds: Case Study of Vela in IBM Cloud,"Vasily Tarasov, Principal Research Scientist, IBM",https://www.snia.org/sniadeveloper/session/19314,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Tarasov-Storage-AI-Public-Clouds.pdf,"Case study of Vela in IBM Cloud: storage for distributed AI training. It covers the performance and semantic challenges of native cloud storage, why a distributed file system over object storage was chosen, the design of a data mover, Kubernetes integration, and challenges related to observability and cache sizing.","S3/Object、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, Kubernetes, Observability, AI Training, Cloud" 2025/09/16 14:00,File Systems & Protocols,"Choosing Your AI Storage Protocol: A Deep Dive into SMB and NFS Performance, Tuning, and Overhead","Sergei Platonov, VP of Strategy, Xinnor",https://www.snia.org/sniadeveloper/session/19326,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Platonov-Choosing-Your-AI-Storage-Protocol.pdf,"This talk compares SMB (Direct, Multichannel) vs NFS (RDMA, Multistream) under realistic AI workloads using the MLPerf Storage benchmark, quantifying performance differences and operational/configuration overhead to help select the optimal protocol.","SMB/Samba、NFS/pNFS、RDMA、Benchmarking、AIWorkloadsに関するテーマとして、RDMA（SMBDirect/NFSRDMA）による低遅延化／MLPerfStorage/DLIOによるAI向けI/O評価を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・NFS/pNFS・RDMA・Benchmarking・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SMB Multichannel, NFS, RDMA, MLPerf Storage, Vector Search" 2025/09/16 14:25,Magic Memory,Can SDXI work with NVMe?,"Jason Molgaard, Principal Storage Solutions Architect, Solidigm / Shyam Iyer, Distinguished Engineer -- Technical Council, SDXI TWG Chair Dell Technologies -- SNIA",https://www.snia.org/sniadeveloper/session/19324,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Iyer-Molgaard-Can-SDXI-Work-with-NVMe.pdf,"Transparent memory data movement within and across storage nodes remains an active area of optimization for NVM subsystems. The SDXI + CS subgroup presents standardizing data movement within NVMe, leveraging SDXI transformations to manipulate data in-flight, and an example flow for transparent data movement across storage nodes.","NVMe、AIWorkloads、Virtualizationに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, Virtualization" 2025/09/16 15:05,Cloud Storage,"War Stories from the Storage Trenches: Moving Data Across NFS, SMB, and S3","Carl D'Halluin, CTO, Datadobi",https://www.snia.org/sniadeveloper/session/19302,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-DHalluin-Leeper-War-Stories-from-the-Storage-Trenches.pdf,"A talk based on 15 years of real-world enterprise data mobility: migration, replication and archival across NFS, SMB, and S3. It covers common technical pitfalls (encoding, metadata, protocols, timestamps, scale limits, path naming, performance issues, bugs) and guidance for app developers, storage engineers, and administrators to build compatibility and avoid lock-in.","SMB/Samba、NFS/pNFS、S3/Object、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・NFS/pNFS・S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NFS, S3" 2025/09/16 15:05,Data Architecture / Storage Architecture,Why should we have yet another Enterprise and Datacenter Standard Form Factor for SSDs?,"Anthony Constantine, Distinguished Member of Technical Staff, Micron Technology",https://www.snia.org/sniadeveloper/session/19329,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Constantine-Why-Another-EDSFF-SSD.pdf,"This session discusses motivation behind creating the EDSFF E2 form factor, why existing form factors could not meet the need, why E2 ended up with specific dimensions, and what future applications look like.","ストレージ技術に関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、ストレージの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Why, Enterprise, Datacenter, Standard, Form, Factor, SSDs" 2025/09/16 15:05,AI / ML,Storage Implications for the New Generation of AI Applications,"CJ Newburn, Distinguished Engineer NVIDIA / Wen-Mei Hwu, Senior Distinguished Research Scientist and Senior Research Director, NVIDIA",https://www.snia.org/sniadeveloper/session/19391,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Newburn-Storage-Implications-New-Gen-AI-Apps.pdf,"The rate of change in the structure and capabilities of applications has never been as high as in the last year. There's a huge shift from stockpiling data cheaply to leveraging data to create insight with GenAI and to capitalize on business leads with predictive AI. Excitement and opinions about where storage matters run rampant. Thankfully, we can ""follow the data"" to pinpoint whether storage performance is critical in the compute node or just in the back end, discern the relative importance of bandwidth and latency, determine whether the volume and granularity of accesses is suitable for a GPU, and what the range of granularities of accesses are. Walking through recent developments in AI apps and their implications will lead to insights that are likely to surprise the audience. There are new opportunities to create innovative solutions to these challenges. The architectures of NAND and their controllers may adjust to curtail ballooning power with more efficient data transfers and error checking. IOPs optimizations that will be broadly mandatory in the future may be pulled in to benefit some applications now. New hardware/software codesigns may lead to protocol changes, and trade-offs in which computing agents and data structures are best suited to accomplish new goals. Novel software interfaces and infrastructure enable movement, access, and management of data that is tailored to the specific needs of each application. Come join in a fun, refreshing, provocative, and interactive session on storage implications for this new generation of AI applications!","Power/Energy、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","GPU, IOPS, Latency, Power" 2025/09/16 15:05,File Systems & Protocols,Eliminating NTLM in Storage: Modernizing SMB Authentication on Windows,"Mariam Gewida, Product Manager, Microsoft / Tanmay Pydisetti, Software Engineer, Microsoft",https://www.snia.org/sniadeveloper/session/19287,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Gewida-Pydisetti-Eliminating-NTLM-Storage.pdf,"NTLM (NT LAN Manager) remains prevalent in storage environments, including SMB, where it’s often used to authenticate access to shared folders, NAS devices, and legacy systems that do not support Kerberos. However, NTLM carries significant security risks, such as susceptibility to relay, pass-the-hash, and brute-force attacks. Windows is now undergoing a transformation to eliminate NTLM, focusing on modernizing on-prem authentication by strengthening Kerberos and introducing new capabilities that close gaps where NTLM is traditionally required. Our talk will provide an in-depth technical exploration of three key innovations driving a future without NTLM: IAKerb/Local KDC, Auditing, and Auto-Redirect. These features are essential to enabling SMB and other storage protocols to operate securly without NTLM. IAKerb/Local KDC fill functional gaps in Kerberos, specifically in cross-forest and non-domains scenarios. Enhanced auditing provides the insight (and confidence) to turn off NTLM where it’s no longer needed, and auto-Redirect catches any stragglers, ensuring that even if code hasn’t caught up, the system will do the right thing. Attendees will walk away with a clear understanding of how these features interoperate to secure SMB and reduce dependency on NTLM across storage environments. We’ll provide protocol flow diagrams, audit log samples, and architectural insights into redirect behavior.","SMB/Samba、Security、AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Eliminating, NTLM, Storage, Modernizing, SMB, Authentication, Windows" 2025/09/16 16:05,Emerging Technologies,OCP Storage Project Update,"Ross Stenfort, Hardware Systems Engineer, Meta",https://www.snia.org/sniadeveloper/session/19330,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Stenfort-OCP-Storage-Project-Update.pdf,This is an update on the activities in the OCP Storage Project.,"AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","OCP, Storage, Project, Update" 2025/09/16 16:05,Emerging Technologies,The Information Bank: A Proposal for the Next Class of Storage Solving 50 Year Old Problems Managing Unstructured Data,"Bruce Thompson, CEO, In2Bank",https://www.snia.org/sniadeveloper/session/19452,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Thompson-Information-Bank-Proposal.pdf,"Computers are pretty stupid. They have no idea what they are storing. Surprisingly, this is the root cause of 100’s of computing problems costing the world $Billions every year. We will show that just the """"Top 10"""" issues should justify action. As a simple example, a contract is more than a Word document. What kind of contract is it? Who and what is is for? Has everyone approved it? Where did you get the template file from? Does an outside counsel have to look at it? Did it go to the customer? Wouldn't you like the contract to come get you just before it expires? And more! This is just one of thousands of unstructured data processes people struggle with every day. To attack this challenge, we suggest a two pronged approach. The first is defining unstructured data that matches the way end users create, reference, communicate, locate, and share Information. Second, we propose the creation of a new class of storage specifically designed to understand this new definition and to be able to handle the dynamics of that information. An event-based architecture will be presented based upon both information and technology event types that drive the information's lifecycle. We believe this new class of storage has significant benefits and capabilities and could be a fertile area for innovation across the industry. However, these benefits can only be realized through cooperation in the creation of definitions, requirements, protocols, and standards from members of our industry association. Let's get started!","AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","The, Information, Bank, Proposal, Next, Class, Storage, Solving, Year, Old, Problems, Managing" 2025/09/16 16:05,AI / ML,"Towards Building Flexible, Efficient and Resilient Training with Adaptive Checkpointing on AMD GPU Platforms","Pratik Mishra, Senior Staff - Research, AMD",https://www.snia.org/sniadeveloper/session/19315,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Mishra-Universal-Checkpointing-UCP.pdf,"Generative AI training is rapidly scaling in model size, data volume, and sequence length, requiring multiple instances for larger models. Distributed and parallel training strategies partition the training state across GPUs to support large-scale model training. As models and datasets grow, scaling infrastructure becomes a critical challenge. However, as AI infrastructure scales, the Mean Time Between Failures (MTBF) decreases, leading to more frequent job failures. Efficient recovery from failures is crucial, especially for resuming AI training. Existing systems offer limited support for reconfiguring parallelism mid-training, slowing progress during hardware failures or GPU re-allocation due to tightly coupled distributed checkpoints. In this talk, we present Universal Checkpointing (UCP), a novel system enabling flexible and efficient generative AI training with reconfigurable parallelism on large-scale AMD GPU clusters. UCP addresses storage and memory performance challenges through careful hardware and software architecture considerations. Through under-the-hood analysis of the PyTorch GPU-Storage data path, UCP achieves optimal performance between AMD GPU clusters and high-performance remote storage systems. Through our optimizations, UCP enables reconfiguration for broad set of popular parallelism strategies across varying GenAI models (size and type) with minimal reconfiguration costs, enhancing flexibility and resilience. These findings have wide applicability across the entire AI data pipelines, for instance, reducing the cold start overhead during inference or loading checkpoints to downstream post-training tasks, such as Supervised Fine-Tuning or Reinforcement Learning, etc. This is a joint effort between UIUC and AMD.","AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用／チェックポイントI/Oの特性と最適化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","GPU, Checkpointing, AI Training, AI Inference" 2025/09/16 16:05,File Systems & Protocols,Activating Untapped Tier 0 Storage Within Your GPU- and CPU-based Compute Clusters,"Floyd Christofferson, VP Product Marketing, Hammerspace",https://www.snia.org/sniadeveloper/session/19321,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Christofferson-Activating-Tier0-Storage.pdf,"The growing complexity and extended context lengths for inferencing workloads in AI projects have added a costly level of complexity to implementing such initiatives, resulting in increasing I/O required to push data back and forth across the network. This leads organizations to need higher performing storage & faster networks to feed the compute clusters, and get better utilization of their infrastructure. However, hidden in plain sight within existing GPU- and CPU-based compute platforms lies a typically underutilized extremely high-performance resource: local NVMe storage. This built-in storage tier offers dramatically better cost-performance characteristics compared to any external storage solution available in the market. Leveraging a standards-based approach using Linux pNFS v4.2 with Flex Files, Hammerspace enables organizations to activate this local NVMe as shared, protected Tier 0 storage, transforming this idle capacity into a seamless tier within a global namespace of multiple storage types from any vendor. Additionally, it provides automated data orchestration and data protection without requiring proprietary software. As a result, longer context windows in AI inferencing can be sustained directly on local storage, significantly reducing the frequency of costly and latency-inducing data transfers to external storage. This approach utilizes existing infrastructure, eliminating the need for additional power or costly network upgrades, which substantially reduces both the cost and complexity of implementing AI projects. In cloud environments, activating local NVMe within compute nodes similarly provides unmatched performance, dramatically outperforming traditional cloud storage bandwidth constraints and accelerating time-to-value for AI workloads.","NVMe、NFS/pNFS、Power/Energy、AIWorkloads、Virtualizationに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用／pNFS/NFSv4系の分散アクセスを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・NFS/pNFS・Power/Energy・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, pNFS, GPU, Latency, Power, Virtualization, Cloud" 2025/09/16 16:30,Data Architecture / Storage Architecture,Fibre Channel Update - What you need to know about the Dawn of 256GFC (Gen 9),"Howard Johnson, Technology Architect, Broadcom; Chair, INCITS/Fibre Channel Technical Committee / Mark Jones, Director of Technical Marketing -- Chair Broadcom -- Fibre Channel Industry Association",https://www.snia.org/sniadeveloper/session/19359,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Johnson-Jones-What-you-need-to-know-about-the-Future.pdf,"The state of Fibre Channel is exciting as we embark on the development of 256GFC (aka Gen 9 Fibre Channel)! With 128GFC products coming out at the end of this year, the Fibre Channel community is feverishly working on the next generation speeds. Now is the time to step back a bit and view the Fibre Channel roadmap. In this session, we discuss the technical challenges associated with the creation of 256GFC products as well as explore the features of Gen 8 Fibre Channel. Come explore the excitement around FC-SP-3 ""Autonomous In-flight encryption"" (AIE) that provide a plug-n-play solution for end-to-end security! Take a look at the expansion of Fabric Notifications to produce automated responses to disruptions in the network. Let's see where Fibre Channel is taking you.","Security、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Vector Search 2025/09/16 19:00,Birds-of-a-Feather,SMB3 Posix/Linux Extensions,"Steven French, Principal Software Engineer Microsoft",https://www.snia.org/sniadeveloper/session/19439,-,"With SMB3.1.1 POSIX Extensions now implemented in multiple open-source clients and servers, the protocol has matured to support a wide range of Linux/POSIX semantics over the network. However, as the Linux kernel and its ecosystem continue to evolve?with new filesystem syscalls, flags, and ioctls?further protocol enhancements are needed to maintain parity with local filesystems. This BoF offers an informal forum to discuss priorities for new features, explore support for emerging workloads, and identify performance improvements for key Linux use cases.","SMB/Samba、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",SMB3 2025/09/16 19:00,Birds-of-a-Feather,Storage.AI - The Evolution of Data with SNIA,"J Metz, Chair of SNIA’s Board of Directors; Technical Director for Systems Design, AMD",https://www.snia.org/sniadeveloper/session/19440,-,"AI is driving the future of Data. A holistic approach to how this data moves through the pipeline is needed, with open, supported ecosystem that can help users manage their data from storage, memory, processing, and networking in a vendor-neutral way. Come to this BoF to discuss SNIA's new Storage.AI efforts and hear how you can be a vital piece of this work regardless of your intersection with your data and the AI ecosystem!","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Storage.AI, The, Evolution, Data, SNIA" 2025/09/16 19:00,Birds-of-a-Feather,Cruising with Automotive Storage,"Jason Molgaard, Principal Storage Solutions Architect, Solidigm",https://www.snia.org/sniadeveloper/session/19435,-,"Storage requirements in Automotive applications continue to evolve. While storage is deployed in all new vehicles today, autonomous vehicles will demand even more capacity that has many characteristics of data center storage. There are a multitude of challenges to deploying storage on wheels. Bring your list of barriers and challenges in automotive data storage and let’s discuss the best approach to solve these challenges.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Cruising, Automotive, Storage" 2025/09/16 20:00,Birds-of-a-Feather,Directing the Future of our Industry: Can we develop the next class of storage?,"Bruce Thompson, CEO, In2Bank",https://www.snia.org/sniadeveloper/session/19443,-,"Please join the interactive discussion on this exciting next class of storage devices. Now is your chance to get involved in the definitions, standardization, and direction of the future evolution of our industry.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Directing, Future, Industry, Can" 2025/09/16 20:00,Birds-of-a-Feather,Storage Blending: The Evolving Role of HDD and SSD in Data Systems for an AI and Analytics Era,"Steven Wells, Fellow Emeritus, Industry Veteran",https://www.snia.org/sniadeveloper/session/19441,-,Let's continue the discussion with the really smart presenters from the mainstage panel discussion earlier in the day.,"AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Storage, Blending, The, Evolving, Role, HDD, SSD, Data, Systems, AI, Analytics, Era" 2025/09/16 20:00,Birds-of-a-Feather,Challenges and Solutions to Testing AI at Scale,"Venkat Pullela, Chief Technologist, Networking, Keysight Technologies",https://www.snia.org/sniadeveloper/session/19454,-,"AI is a large-scale system design problem. This is forcing the industry to evolve their traditional testing and validation practices. Hypersalers are leading this effort due to access to resources and budgets. At this BoF, we delve into what is different in AI from both challenges and solutions perspective.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Challenges, Solutions, Testing, AI, Scale" 2025/09/16 08:30,Keynote,Welcome Remarks and Keynote Introduction,"Scott Shadley, Director of Leadership Narrative and Evangelist, Solidigm",https://www.snia.org/sniadeveloper/session/19411,-,Join us for announcements and a preview of our keynote lineup.,"ストレージ技術に関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、ストレージの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Vector Search 2025/09/16 08:45,Keynote,State of the HPC-AI Market ― Highlights from End-User Research on Technology Gaps for HPC and AI,"Addison Snell, CEO, Intersect360 Research",https://www.snia.org/sniadeveloper/session/19322,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Kim-Advancing-Security-in-NVMe-TCP.pdf,"Drawing from recent surveys of the end user members of the HPC-AI Leadership Organization (HALO), Addison Snell of Intersect360 Research will present the trends, needs, and ""satisfaction gaps"" for buyers of HPC and AI technologies. The talk will focus primarily on the Storage and Networking modules of the survey, with some highlights from others (e.g. processors, facilities, cloud) as appropriate. Addison will also provide overall market context of the total AI or accelerated computing market at a data center level, showing the growth of hyperscale AI, AI-focused clouds, and national sovereign AI data centers, relative to the HPC-AI and enterprise segments, which are experiencing diminishing influence in a booming market.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Hyperscale, Cloud, HPC" 2025/09/16 09:25,Keynote,Storage Blending: The Evolving Role of HDD and SSD in Data Systems for an AI and Analytics Era,"Steven Wells, Fellow Emeritus, Industry Veteran / Curtis Ballard, Technical Council, SNIA; Strategist Technology Enablement HPE / Mohamad EL-Batal, Office of the CTO Chief Technologist, Seagate Technology / Madhavan Ravi, Hardware Systems Engineer, Meta / Currie Munce, Senior Storage Strategist & Advisor Micron Technology",https://www.snia.org/sniadeveloper/session/19308,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Wells-Storage-Blending.pdf,"As the rapid expansion of AI and analytics continues, storage system architecture and total cost of ownership (TCO) are undergoing significant transformation. Emerging technologies such as HAMR in rotating storage and high-capacity, data center-grade QLC in flash promise to redefine the landscape for both hyperscale and OEM data storage solutions. But what will that evolution look like? This panel brings together a distinguished group of industry experts to explore a wide range of perspectives?from hyperscaler and OEM viewpoints to strategic insights from both solid-state and rotating media technologists. Together, they will examine how shifting performance, density, and cost dynamics are reshaping storage architecture in an AI-driven future.","HAMR、AIWorkloadsに関するテーマとして、QLCNANDの高密度化と耐久・効率／HAMRなどHDD高密度化技術を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、HAMR・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","HAMR, QLC NAND, TCO, Hyperscale" 2025/09/17 10:35,File Systems & Protocols,Always-On Diagnostics: eBPF-Powered Insights for Linux SMB and NFS Clients,"Meetakshi Setiya, Software Engineer, Microsoft",https://www.snia.org/sniadeveloper/session/19285,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Setiya-Always-On-Diagnostics-EBPF.pdf,"Linux users often ask: Why is my application slow? What caused it to crash? Was it a client-side issue?and if so, where? At SambaXP 2025, the Azure Files team introduced a new set of eBPF-based tools to improve observability and debugging for Linux SMB client issues, and a conceptual overview of the Always-On Diagnostics (AOD) project?a daemon that continuously monitors anomalies and automatically captures relevant logs. Since then, AOD and the eBPF tooling have been expanded to support the Linux NFS client. This talk demonstrates capturing diagnostic data in real anomalous scenarios, introduces the standalone eBPF scripts, explains the design/architecture of the AOD daemon, and ends with a live demo of the workflow in action.","SMB/Samba、NFS/pNFS、Power/Energy、AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用／eBPFを用いた可観測性と障害解析を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・NFS/pNFS・Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","eBPF, NFS, Power, Observability, Cloud" 2025/09/17 10:35,Data Architecture / Storage Architecture,Towards Unified Knowledge Platforms: Evolving Storage Systems for Generative and Agentic AI,"Annmary Justine Koomthanam, Senior Research Engineer, HPE / Srikant Varadan, Distinguished Technologist, HPE",https://www.snia.org/sniadeveloper/session/19303,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Koomthanam-Varadhan-towards%20Unified-Knowledge-Platforms.pdf,"The rise of Generative and Agentic AI has driven a fundamental shift in storage?from storing data to functioning as comprehensive knowledge management systems. Traditional models of storing data/metadata and layering analytics are inadequate: agentic workflows require semantically enriched representations (embeddings, derived metadata such as classification/categorization). As data is ingested, storage must support real-time or near-real-time generation and association of such metadata. Early responses used separate document and embedding stores, but disaggregation creates constraints. To address these, computation/storage/access of enriched data must be co-located with primary data, evolving storage into unified knowledge platforms that natively compute, persist, and index vectors and derived metadata. This talk explores the evolution and emerging capabilities, including how administration and protocols (e.g., Model Context Protocol) are affected.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Vector Search 2025/09/17 10:35,AI / ML,Beyond Throughput: Benchmarking Storage for the Complex I/O Patterns of AI with MLPerf Storage and DLIO,"Huihuo Zheng, Computer Scientist, Argonne National Laboratory",https://www.snia.org/sniadeveloper/session/19306,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Zheng-Beyond-Throughput-Benchmarking-Storage.pdf,"Training state-of-the-art AI models, including LLMs, creates unprecedented demands on storage systems that go far beyond simple throughput. The I/O patterns?heavy metadata operations, multi-threaded asynchronous I/O, random access, and complex data formats?create bottlenecks that traditional benchmarks fail to capture, leading to inefficient storage design and procurement. To address this, the MLPerf Storage Working Group is developing a benchmark suite to model these behaviors; this session deep-dives on the DLIO benchmark, lessons learned, and critical patterns in pipelines (data loading, checkpointing). Attendees learn how to design/configure storage stacks for AI and leverage open-source tools to identify/resolve bottlenecks.","Benchmarking、AIWorkloadsに関するテーマとして、MLPerfStorage/DLIOによるAI向けI/O評価／チェックポイントI/Oの特性と最適化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Benchmarking・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","MLPerf Storage, DLIO, Throughput, Checkpointing, AI Training" 2025/09/17 10:35,Cloud Storage,CSAL with Core Scaling for RAID5F: Revolutionizing Cloud Storage Performance and Reliability,"Mariusz Barczak, Principal Engineer - Storage Software Architect, Solidigm / Sarika Mehta, Senior Storage Solutions Architect, Solidigm",https://www.snia.org/sniadeveloper/session/19376,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Barczak-Mehta-CSAL-with-Core-Scaling-RAID5F.pdf,"The Cloud Storage Acceleration Layer (CSAL), an open-source host-based Flash Translation Layer (FTL) within the Storage Performance Development Kit (SPDK), has redefined cloud storage by transforming random write workloads into sequential patterns, optimizing performance and endurance for high-density NAND SSDs. This proposal introduces an enhanced CSAL framework integrating core scaling with RAID5F?a novel RAID implementation that eliminates the read-modify-write overhead and write hole problem inherent in traditional RAID5. By leveraging multi-core architectures to dynamically distribute CSAL’s write-shaping and data placement tasks, our approach achieves near-linear scalability across CPU cores while maintaining low-latency I/O. RAID5F, built on full-stripe writes and optimized parity computation, ensures data integrity without compromising performance, even under mixed workloads. This new configuration, paired with high-capacity QLC drives, exceeds performance, blends cost-efficiency and provides cutting-edge capabilities. Preliminary simulations and results demonstrate up to 2x throughput gains and a 30% reduction in write amplification compared to baseline CSAL deployments. This work positions CSAL with RAID5F as a cornerstone for next-generation cloud storage, delivering unmatched efficiency and reliability for hyperscale environments.","AIWorkloadsに関するテーマとして、QLCNANDの高密度化と耐久・効率／書込み増幅（WA）低減を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。Abstract内では2xのような定量的な言及もあり、評価観点（レイテンシ/スループット/効率）を把握する手掛かりになります。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","QLC NAND, SPDK, Flash Translation Layer (FTL), SLA, Latency, Throughput, Write Amplification, RAID5, Hyperscale, Cloud" 2025/09/17 11:35,File Systems & Protocols,New Transports in Samba: QUIC and SMB-Direct Support,"Stefan Metzmacher, Software Architect, SerNet",https://www.snia.org/sniadeveloper/session/19323,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Metzmacher-New-Transports-in%20Samba.pdf,"The Samba file server is evolving beyond traditional TCP-based transport. This talk introduces the latest advancements in Samba's networking stack, including full support for SMB over QUIC, offering secure, firewall-friendly file sharing using modern internet protocols. We’ll also explore the ongoing development of SMB over SMB-Direct (RDMA), aimed at delivering low-latency, high-throughput file access for data center and high-performance environments. Join us for a deep dive into these transport innovations, their architecture, current status, and what's next for Samba’s high-performance networking roadmap.","SMB/Samba、RDMA、AIWorkloadsに関するテーマとして、SMBoverQUICなど新トランスポート／RDMA（SMBDirect/NFSRDMA）による低遅延化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・RDMA・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SMB over QUIC, SMB Direct (RDMA), RDMA, Latency, Throughput" 2025/09/17 11:35,Data Architecture / Storage Architecture,Global Distributed Client-side Caching for HPC/AI Storage Systems,"Clarete Crasta, Principal Engineer, HPE / David Emberson, Senior Distinguished Technologist, HPE",https://www.snia.org/sniadeveloper/session/19304,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Crasta-Emberson-Client-Side-Cache.pdf,"HPC and AI workloads require processing massive datasets and executing complex computations at exascale speeds to deliver time-critical insights. In distributed environments where storage systems coordinate and share results, communication overhead can become a critical bottleneck. This challenge underscores the need for storage solutions that deliver scalable, parallel access with microsecond latencies from compute clusters. Caching can help reduce communication costs when implemented on either servers or clients. Servers, in this context, refer to the data servers that provide file system and object store functionalities, while clients denote the storage clients running on compute nodes in HPC/AI clusters that access and retrieve data from these servers. However, server-side caching is limited by the fixed memory and network bandwidth of individual servers. Traditional client-side caching, on the other hand, is typically node-local which limits data reuse across the cluster and often results in redundant caching efforts, leading to inefficiencies and duplicated data. Furthermore, without a shared global view, synchronizing caches consistently across nodes becomes challenging, further diminishing their overall effectiveness. Global Distributed client-side caching over high-speed interconnects is attractive because it leverages the higher aggregate resources?such as DRAM, local SSDs, network bandwidth, and RDMA capabilities?available across the client nodes, scaling independently of the number of server nodes. However, fully realizing these benefits demands an efficient caching framework underpinned by carefully tuned policies to manage these valuable resources. In this presentation, we detail the design and implementation of an efficient, distributed client-side caching framework that addresses these challenges.","RDMA、AIWorkloadsに関するテーマとして、RDMA（SMBDirect/NFSRDMA）による低遅延化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、RDMA・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","RDMA, HPC" 2025/09/17 11:35,AI / ML,"Gen6 is coming, but what is Needed from NV Storage?","Suresh Rajgopal, SSD Systems Architect - DMTS, Micron Technology",https://www.snia.org/sniadeveloper/session/19390,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Byron-Gen6-coming-NVMe-storage.pdf,"The rapid advancement of AI is significantly increasing demands on compute, memory and the storage infrastructure. As NVMe storage evolves to meet these needs, it is experiencing a bifurcation in requirements. On one end, workloads such as model training, checkpointing, and key-value (KV) cache tiering are driving the need for line-rate saturating SSDs with near-GPU and HPC attachment. On the other end, the rise of multi-stage inference, synthetic data generation, and post-training optimization is fueling demand for dense, high-capacity disaggregated storage solutions ? effectively displacing traditional rotating media in the nearline tier of the datacenter. This paper explores the architectural considerations across both ends of this spectrum, including Gen6 performance, indirection unit (IU) selection, power monitoring for energy efficiency, liquid cooled thermal design, and strategies for enabling high capacity through form factor and packaging choices. We demonstrate how thoughtful design decisions can unlock the full potential of storage systems in addressing the evolving challenges of AI workloads.","NVMe、Power/Energy、AIWorkloads、Virtualizationに関するテーマとして、チェックポイントI/Oの特性と最適化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・Power/Energy・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, GPU, Power, Cooling, Checkpointing, Virtualization, AI Training, AI Inference, HPC" 2025/09/17 11:35,Cloud Storage,Enabling Standard Block Protocols on a Distributed Cloud-Native Platform - Azure Storage,"Emily Kilian, Principal Software Engineer, Microsoft / Yuemin Lu, Principal Product Manager/Architect, Microsoft",https://www.snia.org/sniadeveloper/session/19434,-,"Enterprise workloads migrating to the cloud often rely on standardized block storage protocols like iSCSI and NVMe over Fabrics (NVMe-oF) for compatibility, performance, and operational continuity. To meet these needs, Azure Storage?a hyperscale, distributed, software-defined storage platform?is introducing native support for iSCSI and exploring NVMe-oF, bringing traditional storage interfaces into the cloud without sacrificing elasticity or scale. This session offers a technical deep dive into how Microsoft is implementing these protocols within Azure Storage. We'll explore how the system manages protocol termination, volume lifecycle management, secure multi-tenancy, and high availability while maintaining performance isolation across a globally distributed backend.","NVMe、AIWorkloads、Virtualizationに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe-oF, Virtualization, CSI, Hyperscale, Cloud" 2025/09/17 13:30,File Systems & Protocols,"Samba 2025: Enterprise-Ready, Cloud-Optimized","Ralph B?hme, Software Engineer, SerNet Samba Team",https://www.snia.org/sniadeveloper/session/19320,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Boehme-Samba-2025-Enterprise-Ready.pdf,"Samba is evolving to meet the demands of modern enterprise IT. The latest advancements bring critical SMB3 capabilities that boost scalability, reliability, and cloud readiness. With features like SMB over QUIC, Transparent Failover, and SMB3 Directory Leases now arriving, Samba is positioning itself as a robust solution for secure, high-performance file services across data centers and hybrid cloud environments. Learn how these enhancements can future-proof your infrastructure - without vendor lock-in.","SMB/Samba、AIWorkloadsに関するテーマとして、SMBoverQUICなど新トランスポートを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SMB over QUIC, SMB3, Cloud" 2025/09/17 13:30,Emerging Technologies,Data-Intensive Inference Done Better: Scaling Models and RAG in Limited Memory with SSD Offload,"Ace Stryker, Director of Market Development, Solidigm",https://www.snia.org/sniadeveloper/session/19327,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Stryker-Data-Intensive-Inference-Done.pdf,"Enterprises are rushing to adopt AI inference solutions with RAG to solve business problems, but enthusiasm for the technology's potential is outpacing infrastructure readiness. It quickly becomes prohibitively expensive or even impossible to use more complex models and bigger RAG data sets due to the cost of memory. Using open-source software components and high-performance NVMe SSDs, we explore two different but related approaches for solving these challenges and unlocking new levels of scale: offloading model weights to storage using DeepSpeed, and offloading RAG data to storage using DiskANN. By combining these, we can achieve (a) more complex models running on GPUs that it was previously impossible to use, and (b) greater cost efficiency when using large amounts of RAG data. We'll talk through the approach, share benchmarking results, and show a demo of how the solution works in an example use case.","NVMe、Benchmarking、AIWorkloads、Virtualizationに関するテーマとして、DiskANN等のSSD活用型ベクタ検索を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・Benchmarking・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, RAG, DiskANN, DeepSpeed, Virtualization, AI Inference, Vector Search" 2025/09/17 13:30,AI / ML,Demystifying Data Flows During LLM Training,"Bill Lynn, Fellow AMD",https://www.snia.org/sniadeveloper/session/19298,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Lynn-Demystifying-Data-Flow-through-typical--LLM-training.pdf,This presentation walks through how data flows through GPUs during Large Language Model training. There is an introduction to LLM neural networks and how they map to the GPU arrays. We look at the challenges of current GPU topologies and look at how these topologies will evolve with the introduction of UEC and UALink.,"AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","LLM, GPU, AI Training" 2025/09/17 13:30,Cloud Storage,"Modern Data Management at Exabyte Scale ? With Visibility, Efficiency, and Control","Akshay Agrawal, Principal Product Manager, Microsoft / Preethi Thippeswamy, Product Manager, Microsoft",https://www.snia.org/sniadeveloper/session/19388,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Agrawal-Thippeswamy-Modern-Data-Management-at-Exabyte.pdf,"As cloud adoption accelerates, organizations are increasingly managing data estates that span petabytes and exabytes. At this scale, traditional tools fall short. Modern data management in the cloud must go beyond just storage and embrace granular visibility, governance, and optimization. This session explores how cloud platforms are evolving to meet these demands with scalable, intelligent solutions. We’ll discuss how modern architectures support massive-scale data environments while keeping performance, cost, and compliance in balance. A key innovation is advanced telemetry?offering deep insights into data estates through rich analytics and visualizations. Users can now explore detailed breakdowns of storage usage by region, and service and track trends over time. Enhanced data discovery features also allow organizations to identify unused, orphaned, or sensitive data and address them appropriately.","AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Observability, Cloud" 2025/09/17 14:30,File Systems & Protocols,Why S3FS Fails in AI/ML ? and How to Achieve Scalable POSIX Access Anyway,"Rui Su, Co-Founder, Juicedata",https://www.snia.org/sniadeveloper/session/19445,-,"Mounting S3-compatible storage via S3FS seems like an easy way to enable POSIX-like access in Kubernetes. But in real AI/ML workloads?e.g., training with PyTorch or TensorFlow?we hit major issues: crashes from incomplete writes, vanished checkpoints, inconsistent metadata, and unpredictable I/O latency. In this session, we’ll share how we overcame these challenges by designing a scalable, POSIX-compliant distributed file system that still leverages the cost-effectiveness of object storage. Instead of abandoning object storage, we rebuilt the access layer for better consistency, performance, and observability in large-scale environments. Attendees will gain insight into architectural trade-offs, POSIX compliance in user space, Kubernetes integration via CSI and Operators, and observability benchmarks collected from real production AI training clusters. Ideal for platform engineers, MLOps, and K8s architects seeking reliable, scalable storage for data-heavy workloads. This is an intermediate session; attendees should be comfortable with object storage, file storage, and the basic concepts of the Kubernetes CSI driver.","S3/Object、Benchmarking、AIWorkloadsに関するテーマとして、チェックポイントI/Oの特性と最適化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・Benchmarking・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, Latency, Checkpointing, Kubernetes, CSI, Observability, AI Training" 2025/09/17 14:30,Data Security,SPDM PQC & Authorization,"Jeff Hilland, President / SPDM WG Co-Chair; Distinguished Technologist, HPE / Brett Henning, Security Architect, Broadcom; President / SPDM WG Co-Chair, DMTF",https://www.snia.org/sniadeveloper/session/19291,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Hilland-Henning-Updates-On-SPDM-Specifications.pdf,"DMTF’s Security Protocol and Data Model (SPDM) protocol is a widely used set of standards that enable secure communication and device authentication for platform-level security. This session will give an update on major developments by the SPDM Working Group, and where the group is going over the next year. In the past year, DMTF has released SPDM version 1.4, the first version to support CNSA 2.0 algorithms for post-quantum cryptography. This was added to the specification in a way that maintains backwards compatibility with existing deployments and enables platforms to adopt forward-looking requirements. The SPDM to Storage binding (version 1.0) was also released, enabling SPDM to secure a broad range of storage transports using a common command set. This release enables SPDM across a variety of storage protocols using a broadly compatible command set. DMTF has also released the SPDM Authorization specification, which adds access policies on top of SPDM. The authorization specification leverages the capabilities of SPDM to bring access control, credential provisioning, and policy management to modern platforms, including support for CXL. The session will conclude with a look at the SPDM Working Group’s roadmap, including anticipated enhancements and potential new use cases.","CXL、Security、AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用／SPDM/PQCなど次世代暗号・認証の動向／CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","CXL, SPDM, Post-Quantum Cryptography (PQC), CNSA 2.0" 2025/09/17 14:30,AI / ML,"Optimizing Hyperscale Flash Storage Innovations in Large-Capacity QLC, Host-Based FTL, Configurable Indirection Unit and Application-Optimizing Data Placement","Joshua Freilich, Principal Engineer, Pure Storage",https://www.snia.org/sniadeveloper/session/19357,-,"Hyperscale environments demand storage solutions that balance density, performance, and power efficiency?without compromising reliability. This session will explore how Pure Storage’s DirectFlash? Module (DFM) architecture and software innovations are enabling the seamless adoption of high-density QLC NAND in hyperscale deployments. We will examine how host-based Flash Translation Layer (FTL) and Pure’s DirectFlash software address the challenges of write amplification, power optimization, and drive endurance. Additionally, we will dive into Pure’s use of Linux userspace block device (ublk) drivers and io_uring to expose storage as regular block devices while enabling zero-copy data transfers. Attendees will gain insights into how a flexible, configurable software stack can efficiently support diverse performance and capacity use cases.","Power/Energy、AIWorkloadsに関するテーマとして、QLCNANDの高密度化と耐久・効率／書込み増幅（WA）低減／io_uring等を使ったユーザ空間高速I/Oを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","QLC NAND, Flash Translation Layer (FTL), io_uring, ublk, SLA, Write Amplification, Power, Hyperscale" 2025/09/17 14:30,Cloud Storage,CDMI 3.0: Standardized Management of any URI-accessible Resource,"David Slik, Scientist, Huawei Technologies Canada Co., Ltd.",https://www.snia.org/sniadeveloper/session/19312,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Slik-CDMI-Standardized-Management.pdf,"CDMI 3.0 is the third major revision of the Cloud Data Management Interface, which provides a standard for discovery and declarative data management of any URI-accessible data resource, such as LUNs, files, objects, tables, streams, and graphs. Version 3 of the standard reorganizes the specification around data resource protocol ""exports"", data resource declarative ""metadata"", and adds new support for ""rels"", which describe graph relationships between data resources. This reorganization highlights common use cases for using CDMI to discover and manage multi-protocol access to stored data. This presentation will provide an overview of the changes and additions to CDMI 3.0, and will cover how CDMI is used to solve the following common data management challenges: 1. As a data access client, how can I discover which protocols can be used to access a data resource? 2. As a data management client, how can I control which protocols can be used to access a data resource? 3. As a data management client, how can I specify desired storage management behaviours for a data resource? 4. As a data management client, how can I efficiently transfer and package data resources for portable transfer between systems? The presentation will conclude with a discussion of the CDMI 3.0 release timeline and a call for participation for interested attendees to get involved in the standardization process.","AIWorkloadsに関するテーマとして、CDMI3.0等の宣言的データ管理を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","CDMI, Cloud" 2025/09/17 15:35,Cloud Storage,Report from September ‘25 Cloud Object Storage Plugfest (community driven S3 compatibility testing),"Jeff Terrace, Senior Staff Software Engineer, Google / Frank Borich, Principal Software Engineer, IBM",https://www.snia.org/sniadeveloper/session/19296,-,"SNIA's Cloud Object Storage community organized and hosted the industry first open multi-vendor compatibility testing (Plugfest) at SDC’24, in Santa Clara, CA. Most of the participants focused on their S3 server and client implementations. Community driven testing revealed significant areas to collaborate, including ambiguities among protocol options, access control mechanisms, missing or incorrect response headers, unsupported API calls and unexpected behavior (as well as sharing best practices and fixes). The success of this event led to community demand for more Cloud Object Storage Plugfests at subsequent SDC events in Denver (April 2025) and Silicon Valley (Sept 2025). This panel of Plugfest participants will discuss real-world issues hampering interoperability among various S3 implementations, from both server and client perspectives.","S3/Object、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, Cloud" 2025/09/17 15:35,Management,What’s New with SNIA Swordfish?: Standards-Based Storage Management for Enterprise and Data Center,"Richelle Ahlvers, SM Chair, SNIA Vice Chair, and Swordfish TWG Chair; Director of Ecosystem Enabling, and Technology Initiatives Intel",https://www.snia.org/sniadeveloper/session/19374,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Ahlvers-Whats-New-with-SNIA-Swordfish.pdf,"Want a deeper look into what’s new in standards-based storage management? Join us for an overview of the latest enhancements and new functionality in SNIA Swordfish? and how it works together with DMTF Redfish? to provide a unified approach for the management of storage and servers in AI, hyperscale and cloud environments. With the broad functionality base in Redfish and Swordfish today, there are now many capabilities available that may not be obvious at first glance. The session will highlight a couple of example use cases of new functionality, including: - An introduction to the Swordfish DNA Storage Model, including a live demo - The latest in NVMe Manageability Join this session to learn how to get started with Swordfish.","NVMe、AIWorkloads、Virtualizationに関するテーマとして、Swordfish/Redfishによる管理標準を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、NVMe・AIWorkloads・Virtualizationの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","NVMe, SNIA Swordfish, DMTF Redfish, Virtualization, Hyperscale, Cloud" 2025/09/17 15:35,Data Security,New Developments in Data Security Algorithms,"Paul Suhler, Principal Engineer, SSD Standards, KIOXIA; Security in Storage Working Group Chair, IEEE",https://www.snia.org/sniadeveloper/session/19292,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Suhler-Developments-Data-Security-Algorithms.pdf,"Storage developers need to understand that the algorithms and protocols used for data protection are in the midst of significant changes. This is driven by increases in the size of storage devices, the complexity of large data storage systems, discoveries of weaknesses, and improvements in attacks on encryption. Storage devices are seeing changes in block encryption algorithms and in implementations of those algorithms. Post-quantum cryptographic (PQC) algorithms will improve resistance to attacks using quantum computers, and a new timeline is in effect for adoption of those algorithms. Various protocols are being updated to use the new algorithms and to manage the transition to PQC.","Security、AIWorkloadsに関するテーマとして、SPDM/PQCなど次世代暗号・認証の動向を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Post-Quantum Cryptography (PQC) 2025/09/17 15:35,AI / ML,AI Driven Mass-Storage Evolution,"Mohamad EL-Batal, Office of the CTO Chief Technologist, Seagate Technology / Thomas Prohofsky, Principal Engineer, CTO Office, Seagate Technology",https://www.snia.org/sniadeveloper/session/19379,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-El-Batal-Prohofsky-AI-Driven-Mass-Storage-Evolution.pdf,"The extreme growth in modern AI-model training datasets, as well as the explosion of Gen-AI data output are both fueling unprecedented levels of data-storage capacity growth in the datacenters. Such rapid growth in mass-capacity is demanding evolutionary steps in foundational storage technologies to enable higher areal density, optimized data-access interface methodologies and highly efficiency power/cooling infrastructure. We will explore these evolutionary technologies and take a sneak peek at the future of mass data-storage in the AI datacenters.","Power/Energy、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Power, Cooling, AI Training" 2025/09/17 16:00,Cloud Storage,SNIA Cloud Object Storage Test Tools - Foundation for Heterogeneous Multi-Vendor Interoperability,"Adam Gray, Principal Software Engineer, IBM; Cloud Object Storage (COS) Test Tools Provisional TWG Chair, SNIA / Michael Hoard, Chair for Cloud Storage Technologies (CST) community SNIA",https://www.snia.org/sniadeveloper/session/19294,-,"SNIA has created a collaborative Cloud Object Storage (COS) industry community to drive multi-vendor heterogeneous interoperability test events (Plugfests), and participants identified an obvious pain point in the industry - the need to develop automated COS interoperability test tools. SNIA COS community efforts help empower developers to share best practice around latest challenges, gain consensus on resolution and find bugs before customers find them. Discussions and presentations enable developers to grow their peer network, expand awareness on usage and gain access to expertise, as well as participate in community consensus defining common baseline level API support. With this community, SNIA member companies intend to create and publish compatibility test software suites that help automate protocol compatibility testing of widely popular industry Cloud Object Storage APIs, wire-protocols and services. These experts will discuss the real-world need for COS heterogeneous multi-vendor interoperability test tools, and progress to date from the initial stages of SNIA member feedback and calls to action.","S3/Object、Power/Energy、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] COS/CSTの観点が反映されやすく、S3/Object・Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, Power, Cloud" 2025/09/17 16:35,Management,The Latest Features in DMTF Redfish? for Storage Management,"Jeff Hilland, President / SPDM WG Co-Chair; Distinguished Technologist, HPE",https://www.snia.org/sniadeveloper/session/19373,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Hilland-DMTF-Redfish-for-Storage.pdf,"DMTF Redfish? is a fully featured management ecosystem for server management, but what about storage? Isn’t that SNIA Swordfish?? While Swordfish provides storage-centric functionality, it leverages its base functionality from Redfish. This comprehensive presentation will explore how storage users and implementers can take advantage of the latest features in Redfish directly, including: - The latest fabric extensions, including support for CXL, supporting Swordfish and Sunfish - Metric changes for streaming telemetry","CXL、AIWorkloadsに関するテーマとして、CXLによるメモリ拡張/共有/階層化／Swordfish/Redfishによる管理標準を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","CXL, SNIA Swordfish, DMTF Redfish, Observability" 2025/09/17 16:35,Data Security,Emerging Trends in Automotive Fabrics and Data Security,"Bill Gervasi, Principal Memory Solutions Architect, MPS / Junjian Zhao, Technical Marketing & Apps Engineering, MPS",https://www.snia.org/sniadeveloper/session/19389,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Gervasi-Zhao-Emerging-Trends-in-Automotivel.pdf,"The blurring of the lines between data centers and automobiles continues to grow fuzzier. This talk explores the trends in automotive fabrics tying together a wild array of sensors, displays, processors, memory, and storage. Another data center trend that may actually appear first in cars is the need for post-quantum security algorithms, preventing malicious intruders from steering our cars off bridges.","Security、AIWorkloadsに関するテーマとして、SPDM/PQCなど次世代暗号・認証の動向を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Emerging, Trends, Automotive, Fabrics, Data, Security" 2025/09/17 16:35,AI / ML,Enhancing Defect Triaging in Storage Systems Using Generative AI from Integration Test-Based Knowledge Graphs,"Nuthan Prasad B N, Expert, HPE / Dhishankar Sengupta, Distinguished Technologist, USA HPE",https://www.snia.org/sniadeveloper/session/19367,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Sengupta-Prasad%20-Enhancing-Defect-Triaging-in-Storage.pdf,"Bug detection and triaging in complex storage systems pose unique challenges that distinguish them from general-purpose or SaaS-based software. Unlike conventional code which largely operates in a straightforward user space, storage solutions must seamlessly integrate with the operating system kernel, device drivers, and underlying hardware devices. This tight coupling introduces additional complexity in logging, concurrency, and operational flow. For instance, storage systems often span hundreds of threads and processes, each writing into shared log files without conventional transactional guarantees. Such intricate interactions make it difficult for existing AI-based bug-tracking solutions which are typically trained on general codebases to deliver effective results. To address these limitations, we propose a novel approach that supplements the system code with knowledge extracted from high-level integration test cases. These tests, often written in human-readable scripting languages such as Python, capture end-to-end system behavior more effectively than narrowly focused unit tests. By converting the insights from integration tests into a structured knowledge graph, our methodology provides an AI bug-triaging agent with rich contextual understanding of system interactions, inter-process communications, and hardware events. This deeper, scenario-driven perspective empowers the agent to pinpoint and diagnose issues from storage system failures that would otherwise be hidden in the labyrinth of kernel-mode calls, user-mode processes, and low-level device drivers. Our early findings suggest that this targeted fusion of code analysis and integration-test-based knowledge significantly enhances both the speed and accuracy of bug identification in storage software an advancement poised to transform how complex system bugs are tracked and resolved.","Power/Energy、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Power 2025/09/17 16:35,Emerging Technologies,Media Objectives for Next-Generation Video Games,"John Carlsen, Principal, Syncopated Systems",https://www.snia.org/sniadeveloper/session/19409,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Carlsen-Media-Objectives-Video-Games.pdf,"The consumer video game software industry is on the cusp of its 50th year, and its revenues continue to grow steadily, in recent years outpacing even those of motion pictures. The role of data storage media is uniquely central to the video game industry, as it is ultimately the canvas upon which game developers paint. Despite the convenience of downloadable content via the Internet, strong demand continues for games on physical storage media, especially from major publishers. Games from major publishers also require more storage than ever, not only for their distribution, but also for logging data about game play, from high score lists to saved session information and sharing playback videos. But the growth in the industry’s distribution media has slowed, from more than 1000 times over three generations of semiconductor ROM cartridges to hardly more than 150 times over five generations of optical discs. So what’s next? This session reprises a popular 2019 SDC presentation surveying the significant roles and evolving types of digital storage media that enable this interactive digital art form, updated to include the latest generation of video game systems.","AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","Media, Objectives, Next-Generation, Video, Games" 2025/09/17 17:00,Management,OFA Sunfish: New Applications for Distributed Storage with SNIA Swordfish?,"Nathan Hanford, Computer Scientist, Livermore Computing Division, Lawrence Livermore National Laboratory",https://www.snia.org/sniadeveloper/session/19377,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Hanford-OFA-Sunfish-New-Applications-for-Distributed-Storage-with-SNIA-Swordfish.pdf,"The OpenFabrics Alliance (OFA), together with its partners, DMTF, SNIA, and the CXL Consortium, are continuing development of Sunfish, an open-source composable computing system framework, to provide a unified set of tools to control and monitor both computing resources and multiple network fabric types. The Sunfish workgroup has demonstrated management of disaggregated memory systems based on CXL and compute accelerators such as GPUs. We are now expanding our scope to encompass the management of scalable fabric attached storage resources with SNIA Swordfish?. In this presentation, we will update on the activities around support for distributed storage and demonstrate a Sunfish Agent that interacts with a SNIA Swordfish endpoint to configure and provision remote storage resources to applications.","CXL、AIWorkloadsに関するテーマとして、CXLによるメモリ拡張/共有/階層化／Swordfish/Redfishによる管理標準を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXL・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","CXL, SNIA Swordfish" 2025/09/17 08:30,File Systems & Protocols,Famfs: Get Ready for Big Pools of Disaggregated Shared Memory,"John Groves, Technical Director, Micron Technology; Co-Chair, CXL Consortium Software and Systems Working Group",https://www.snia.org/sniadeveloper/session/19289,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Groves-famfs-Get-Ready-for-Big-Pools.pdf,"CXL enables disaggregated memory, both for composable capacity-on-demand and shared-memory. That is memory is not private to one server. Adding system-ram capacity should largely “just work”, but shared memory is more complex. The Fabric-Attached Memory File System (famfs) enables disaggregated shared memory to be used as memory-mappable files that map directly to the shared memory. Famfs is open source software which is on-track to be merged into the upstream Linux kernel in the coming months.","CXLに関するテーマとして、CXLによるメモリ拡張/共有/階層化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、CXLの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",CXL 2025/09/17 08:30,File Systems & Protocols,"Highly Scalable, Masterless, Distributed Filesystem at Rubrik","Abhinav Agarwal, Senior Software Engineer, Rubrik / Avishek Ganguli, Senior Software Engineer, Rubrik",https://www.snia.org/sniadeveloper/session/19384,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Agarwal-Ganguli-Highly-Scalable-Masterless-Distributed-Filesystem-Rubrik.pdf,"Rubrik is a cybersecurity company protecting mission critical data for thousands of customers across the globe including banks, hospitals, and government agencies. SDFS is the filesystem that powers the data path and makes this possible. In this talk, we will discuss challenges in building a masterless distributed filesystem with support for data resilience, strong data integrity, and high performance which can run across a wide spectrum of hardware configurations including cloud platforms. We will discuss the high level architecture of our FUSE based filesystem, how we leverage erasure coding for maintaining data resilience and checksum schemes for maintaining strong data integrity with high performance. We will also cover the challenges in continuously monitoring and maintaining the health of the filesystem in terms of data resilience, data integrity and load balance. Further we will go over how we expand and shrink resources online from the filesystem. We will also discuss the need and challenge of providing priority natively in our filesystem to support a variety of workloads and background operations with varying SLA requirements. Finally, we will also touch on the benefits and challenges of supporting encryption, compression, and de-duplication natively in the filesystem.","Power/Energy、Security、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SLA, Power, Cloud" 2025/09/17 08:30,AI / ML,Discussion and Analysis of the MLPerf Storage Benchmark Suite and AI Storage Workloads,"Wesley Vaske, SMTS, Storage Solutions Architect, Micron Technology",https://www.snia.org/sniadeveloper/session/19318,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Vaske-Discussion-and-Analysis-of-MLPerf.pdf,"Storage for AI is rapidly changing: Checkpointing becomes more important as clusters scale to more accelerators, managing large KV-Caches from LLM queries shifts inference bottlenecks to storage, accessing relevant data via VectorDB similarity searches drives small IOs for nearly every query, and future applications may require wildly different storage architectures. The MLPerf Storage v2.0 Benchmark Results were just released and the v2.5 suite is under active development. In this session we go over the Checkpointing benchmark added to v2.0 and the KV Cache Management and VectorDB benchmarks planned for v2.5. We will analyze IO traces of the workloads to understand how these workloads translate from the application layer to storage and discuss how these workloads may drive future storage performance requirements.","Benchmarking、AIWorkloadsに関するテーマとして、MLPerfStorage/DLIOによるAI向けI/O評価／チェックポイントI/Oの特性と最適化／KV-cacheの階層化/オフロードを軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Benchmarking・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","MLPerf Storage, LLM, KV-cache, SLA, Checkpointing, AI Inference, Vector Search" 2025/09/17 08:30,Cloud Storage,Cloud Storage Considerations for Retrieval Augmented Generation (RAG) in AI Applications,"Scott Hoag, Principal Product Manager, Microsoft",https://www.snia.org/sniadeveloper/session/19382,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Hoag-Cloud-Storage-and-RAG-in-AI-Applications.pdf,"Data enhances foundational LLMs (e.g. GPT-4, Mistral Large and Llama 2) for context-aware outputs. In this session, we'll cover using unstructured, multi-modal data (e.g. PDFs, images or videos) in retrieval augmented generation (RAG) systems and learn about how cloud object storage can be an ideal file system for LLM-based applications that transform and use of domain-specific data, store user context and much more.","S3/Object、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, RAG, LLM, Cloud" 2025/09/17 09:30,File Systems & Protocols,"Scaling Secure File Access - what's New in Linux SMB3.1.1: Performance, Security, and Beyond","Steven French, Principal Software Engineer Microsoft",https://www.snia.org/sniadeveloper/session/19295,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-French-Scaling-Secure-Access_0.pdf,"Accessing servers from Linux over SMB3.1.1 continues to improve in exciting ways. This talk will explore the latest enhancements to the Linux SMB3.1.1 client, enabling more secure, efficient, and compatible access to remote storage across a wide range of SMB3 file servers?including Samba, Azure (the ""largest server in the world""), ksmbd, Windows, NetApp, and macOS. There are also exciting improvements to smbdirect (SMB over RDMA), including making this high-performance path easier to use for both the client and server, as well as userspace applications like Samba.","SMB/Samba、RDMA、Security、AIWorkloadsに関するテーマとして、RDMA（SMBDirect/NFSRDMA）による低遅延化を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、SMB/Samba・RDMA・Security・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","SMB3, RDMA, Cloud" 2025/09/17 09:30,Emerging Technologies,"Chiplets, UCIe, Persistent Memory, and Heterogeneous Integration: The Processor Chip of the Future!","Jim Handy, General Director, Objective Analysis / Tom Coughlin, President, Coughlin Associates",https://www.snia.org/sniadeveloper/session/19311,https://www.snia.org/sites/default/files/2025-09/SNIA-SDC25-Handy-Coughlin-Processor-Chip-Future.pdf,"Chiplets have become a near-overnight success with today’s rapid-fire data center conversion to AI. But today’s integration of HBM DRAM with multiple SOC chiplets is only the very beginning of a larger trend in which multiple incompatible technologies will adopt heterogeneous integration to connect new memory technologies with advanced logic chips to provide both significant energy savings and vastly-improved performance at a reduced price point. In this presentation analysts Tom Coughlin and Jim Handy will explain how memory technologies like MRAM, ReRAM, FRAM, and even PCM will eventually displace the DRAM HBM stacks used with xPUs, on-chip NOR flash and SRAM, and even NAND flash in many applications.","Power/Energy、AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Power/Energy・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。",Power 2025/09/17 09:30,AI / ML,Assessing AI Storage Communication Performance At Scale,"Cliff Tavares, Senior Director Engineering, Keysight Technologies / Venkat Pullela, Chief Technologist, Networking, Keysight Technologies",https://www.snia.org/sniadeveloper/session/19387,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Pullela-Assessing-AI-Storage-Communication-Performance.pdf,"How do we assess the performance of AI network and storage infrastructure that is critical to the successful deployment of today's complex AI training and inferencing engines? And is it possible to do this without needing to provision racks of expensive GPU Capex? This presentation discusses methodologies and considerations in performing such assessments. We look at different topologies, host and network side considerations and metrics. The performance aspects of NICs/SmartNICs, storage offload processing, switches and interconnects are examined. Benchmarking of AI collective communications with RoCE transport are considered along with the overall impact on training convergence time and network utilization. The operational aspect of commercial networks includes proxies, encapsulations, connection scale and encryption. We discuss their impact on AI training and inferencing.","Benchmarking、AIWorkloadsに関するテーマとして、設計・実装・運用の論点を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、Benchmarking・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","GPU, SmartNIC, AI Training" 2025/09/17 09:30,Cloud Storage,Blending Objects and Files in Google Cloud Storage,"Jeff Terrace, Senior Staff Software Engineer, Google / Hsiu-Fan Wang, Senior Staff Software Engineer, Google",https://www.snia.org/sniadeveloper/session/19317,https://www.snia.org/sites/default/files/2025-10/SNIA-SDC25-Terrace-Borich-SNIA-Community-Driven-S3-Compatibility-Testing.pdf,"Cloud object storage systems have been built to satisfy simple storage workloads where traditional POSIX semantics are sacrificed for simplicity and scalability. With AI and analytics workloads migrating towards hyperscale cloud computing, object storage users are increasingly requesting file-oriented access to their data. In this presentation, we will discuss how Google Cloud Storage has approached bridging the gap between object-oriented and file-oriented storage to provide the optimal foundation for a scalable and performant data lakehouse which has been validated for both GPUs and TPUs at >60,000 accelerator scale, within both the Pytorch and JAX frameworks. Google Cloud Storage has recently launched several features to bring file-oriented features to object storage at cloud scale: - Hierarchical Namespace for directory-style bucket structure and access patterns, including atomic rename of folders and faster I/O ramping. - Managed Folders allows for managing access control grants at the folder/prefix level. - Rapid Storage brings stateful handle-based filesystem protocols to object storage, sub-millisecond latencies for random reads and writes, and low-latency appends. - Cloud Storage FUSE implements the fuse filesystem interface, allowing file-oriented clients to view Cloud Storage buckets as a filesystem. - A gRPC endpoint for Cloud Storage enables new features, including binary transfers, http/2 bidirectional streaming, and dynamic routing. We will present the technical details of each of these features and how they work together to bring file-like performance and semantics to Cloud Storage.","S3/Object、AIWorkloadsに関するテーマとして、認証（DH-HMAC-CHAP/AVE等）の設計・運用を軸に、背景課題から解決アプローチ、期待できる効果までを整理します。具体的には、AIやクラウドの実運用で顕在化するボトルネック（性能・電力・可観測性・相互運用性など）をどう捉え、標準仕様やソフトウェア/ハードウェアの組み合わせでどのように改善するかを示します。評価方法や設計上のトレードオフ（性能とコスト、密度と電力、互換性と最適化など）にも触れ、仕様理解の観点で要点をまとめます。 [ChatGPT] 登壇者の立場が異なるほど論点が立体的になり、S3/Object・AIWorkloadsの標準化/実装に直結する示唆が得られるタイプの発表だと思います。特にAI需要で“性能だけでは勝てない”状況になり、電力・冷却・密度・運用（観測/自動化/セキュリティ）を含む最適化が競争軸になっています。ここで示されるアーキテクチャや評価の枠組みが浸透すると、ベンダ間の相互運用性が高まり、調達要件やベンチマークの作り方にも波及します。一方、導入現場では互換性ギャップや設定複雑性が壁になりがちなので、リファレンス実装や検証手順の共有が業界のスピードを左右しそうです。","S3, Latency, Hyperscale, Cloud"

emacs 設定が面倒なので、必要最小限にした

パッケージ管理と化しているとメンテが必要になってしまうため、必要最小限にしてみた。

;;; init.el --- low-maintenance TTY config for PuTTY+tmux  -*- lexical-binding: t; -*-

;;========================================================
;; 0) Custom(カスタマイズUI)は別ファイルへ隔離
;;========================================================
(setq custom-file (expand-file-name "custom.el" user-emacs-directory))
(when (file-exists-p custom-file)
  (load custom-file nil 'nomessage))

;;========================================================
;; 1) 基本（日本語/UTF-8、UI、便利標準機能）
;;========================================================
(set-language-environment "Japanese")
(prefer-coding-system 'utf-8)

(setq inhibit-startup-message t)
(setq visible-bell t)

;; -nw 前提とし、余計なUIは消す
(menu-bar-mode -1)
(when (fboundp 'tool-bar-mode)   (tool-bar-mode -1))
(when (fboundp 'scroll-bar-mode) (scroll-bar-mode -1))

;; シンタックスハイライト（font-lock）
(global-font-lock-mode 1)
(setq font-lock-maximum-decoration t)  ;; 装飾レベルを最大へ（色の定義とは別）
(setq font-lock-use-colors t)
(setq font-lock-use-fonts  t)

;; 括弧・ペア補完（標準）
(show-paren-mode 1)
(setq show-paren-style 'parenthesis)
(electric-pair-mode 1)

;; 履歴系（標準）
(savehist-mode 1)
(recentf-mode 1)
(setq recentf-max-saved-items 200)

;; 外部変更の反映（サーバ設定編集では便利）
(global-auto-revert-mode 1)

;;========================================================
;; 2) バックアップ/オートセーブ（サーバ側を汚さない）
;;========================================================
(let ((backup-dir  (expand-file-name "backup/"  user-emacs-directory))
      (autosave-dir (expand-file-name "autosave/" user-emacs-directory)))
  (make-directory backup-dir t)
  (make-directory autosave-dir t)

  ;; バックアップ (file~) をローカルに集約
  (setq backup-directory-alist `(("." . ,backup-dir)))
  (setq make-backup-files t)

  ;; オートセーブもローカルに集約
  (setq auto-save-default t)
  (setq auto-save-file-name-transforms `((".*" ,autosave-dir t)))
  (setq delete-auto-save-files t)

  ;; ロックファイル（.#xxx）を作らない
  (setq create-lockfiles nil))

;; TRAMP(ssh/sudo)でもバックアップ/オートセーブはローカルに
(with-eval-after-load 'tramp
  (setq tramp-backup-directory-alist backup-directory-alist)
  (setq tramp-auto-save-directory (expand-file-name "tramp-autosave/" user-emacs-directory))
  (make-directory tramp-auto-save-directory t)
  (setq tramp-verbose 1))

;;========================================================
;; 4) キーバインド
;;========================================================
(global-set-key (kbd "C-h") #'delete-backward-char)
(global-set-key (kbd "C-c i")   #'indent-region)
(global-set-key (kbd "C-c C-i") #'dabbrev-expand)
(global-set-key (kbd "C-c ;")   #'comment-region)
(global-set-key (kbd "C-c :")   #'uncomment-region)
(global-set-key (kbd "C-\\") nil)  ;; 日本語入力トグルを無効化（不要なら）

;;========================================================
;; 5) TTY向け配色：テーマは使わず face をまとめて設定
;;    TERM の値は信用せず tty-display-color-p で判断
;;========================================================
(defun my-apply-tty-font-lock-faces ()
  "TTY用に font-lock face を明示（テーマ未使用でも安定して色が付く）。"
  (when (and (not (display-graphic-p))
             (tty-display-color-p))
    ;; まず変な指定が残っていた場合に備えてリセット寄りに
    (dolist (f '(font-lock-comment-face
                 font-lock-string-face
                 font-lock-keyword-face
                 font-lock-function-name-face
                 font-lock-variable-name-face
                 font-lock-type-face
                 font-lock-constant-face
                 font-lock-builtin-face))
      (ignore-errors (set-face-attribute f nil :inherit 'default)))

    ;; まとめて設定
    (custom-set-faces
     '(region ((t (:background "blue" :foreground "white"))))
     '(font-lock-comment-face ((t (:foreground "green"))))
     '(font-lock-string-face  ((t (:foreground "yellow"))))
     '(font-lock-keyword-face ((t (:foreground "cyan" :weight bold))))
     '(font-lock-function-name-face ((t (:foreground "blue" :weight bold))))
     '(font-lock-variable-name-face ((t (:foreground "magenta"))))
     '(font-lock-type-face ((t (:foreground "cyan"))))
     '(font-lock-constant-face ((t (:foreground "magenta" :weight bold))))
     '(font-lock-builtin-face ((t (:foreground "cyan")))))
    ))

;; TTYが初期化された後に確実に適用
(add-hook 'tty-setup-hook #'my-apply-tty-font-lock-faces)

;; 念のため：起動直後に適用されない環境向け（害はほぼ無し）
(add-hook 'after-init-hook #'my-apply-tty-font-lock-faces)

;;========================================================
;; 6) マシン固有設定は別ファイルへ（必要なら）
;;========================================================
(let ((local (expand-file-name "init.local.el" user-emacs-directory)))
  (when (file-exists-p local)
    (load local nil 'nomessage)))

;;; init.el ends here

サーバアクセス品質分析fpgaを作ってみたい、とchatgpt先生に相談してみた

以下、chatgpt o3先生からの回答

 

1. “レジスタ数個”で取れる 絶対に外せない 3 種類の統計

目的	保持するレジスタ	更新処理 (応答 1 件ごと)	得られる値
平均レイテンシ	sum, cnt (各 64 bit で十分)	sum += L, cnt += 1	sum/cnt をソフト側で計算
分散・標準偏差	上記 + M2 (Welford 法)	δ=L-avg_old, avg+=δ/cnt, M2+=δ*(L-avg)	sqrt(M2/(cnt-1))
単純最大値	max_lat	if(L>max_lat) max_lat=L	観測期間中の最大

これだけなら FF 合計 4 本（≒256 bit）で済みます。
ただし「真の tail」（99.9 % など）はわかりません。

---

2. P² (ピー・スクエア) アルゴリズムで 99th / 99.9th を “5 レジスタ” で近似

Jain & Chlamtac (1985) の P² quantile estimator は、
目的の百分位ごとに 5 個の「マーカー」だけを持ち回しながら位置を補正します。

• 1 percentile 当たり 値 × 5個 + 位置 × 5個
  • 値を 32 bit、位置を 32 bit として ≈ 10 FF
• 99th と 99.9th だけなら合計 20 FF 程度。

HDL での実装は「マーカー間の線形内挿」「目標位置との差に応じたインクリメント」の 2 段階だけなので LUT 数もわずかです。
この方法なら 常時 99th／99.9th をストリームで更新できます。

---

3. 最大値の“劣化”を追い掛ける：減衰付きピークホールド

レイテンシが一度きりのスパイクか恒常的な悪化かを区別したい場合は、

if (L > peak)                  peak = L;
else if (decay_timer_expired)  peak = peak >> 1;   // 例: 1/2 に減衰

• peak - 最大値保持用レジスタ 1 本
• decay_timer - 可変リローディング カウンタ 1 本

一定期間スパイクが来なければ値が自然に下がり、**「直近の最大」**だけが残ります。

---

4. 超小型ヒストグラム（指数バケット + 飽和カウンタ）

「ヒストグラムの形が見たいが RAM を使いたくない」という場合は、
対数スケールで 8〜10 個のバケットを取り、
各バケットを 飽和 4 bit カウンタ (0–15) にしてしまう方法が現実的です。

bucket_idx = clz(L)  // または L の log2
if (bucket_cnt[bucket_idx] != 15) bucket_cnt[bucket_idx]++

• 10 バケット × 4 bit ＝ 40 bit → たったレジスタ 1 本強
• “大きい方のバケットがどの程度ふくらんでいるか” で tail の傾向がつかめる

---

5. タイムスタンプを“全部持たずに”計る 3 つの工夫

方法	追加ハード	特徴
① 低ビット時刻テーブル Outstanding ≤ 64、最大レイテンシ ≤ 2¹⁶ cycle なら 64 × 16 bit＝1024 bit を小型 BRAM 1 ブロックに格納	BRAM 1 kbit	正確な L が取れる。実はコストが一番低く付くことが多い
② ランダム・サンプリング (LFSR) 要求のハッシュ値がゼロのときだけ 4 スロットに時刻保存	FF 数個	毎サンプル確率 1/1024 などで 代表値だけ計測
③ Outstanding 深さ × arrival rate で推定 Little’s law (L = W / λ) を利用	既存の cnt_outstanding	レイテンシ平均は推定可能だが tail は見えない

---

6. まとめ：“数レジスタ”で狙える妥協点

• 絶対必須 平均 + 分散 (Welford) + 最大 … 4 FF
• tail が欲しい
  • P² を 2 percentile – 20 FF
  • または指数ヒストグラム – 40 bit
• スパイク検知 減衰付きピーク – 2 FF

これらを組み合わせれば ほぼ LUT/FF だけで

• 平均・標準偏差
• 最大値 + 「最近の最大」
• 99th / 99.9th 近似 または 粗い tail ヒストグラム

をリアルタイムに流すことができます。
「すべてのタイムスタンプ」を持つ方式より面積は 2 桁以上小さく、
それでも 遅い方の傾向 (Nines) を掴めるので、
通信路劣化の早期検知には十分役立つはずです。

以下は「タイムスタンプを全部持たずに」という条件を守りつつ、
最大レイテンシ や tail-latency (99th / 99.9th) をなるべく正確に推定できる ― しかも レジスタ数個～数十個 で収まる ― という観点で考えた追加アイデアです。
（★＝実装が特に簡単／小さい、◆＝FPGA での並列化と相性がいい、●＝tail 寄りの精度が高い）

---

1. Frugal-2U / Frugal-1U ― “たった 2 レジスタ” の確率的分位数推定 ★

• 保持：q (推定値), step (更新幅) だけ

• 更新（例：99th を取りたいとき）

  if (L > q) begin                     // 目標より大きければ
      q   += step;                     //   推定値を上げる
      step = step + (step == 0);       //   少しずつ歩幅を拡大
  end
  else begin                           // 小さければ / 等しければ
      q   -= step;
      step = step + (step == 0);
  end
  if (rand() > 0.99)  step = 1;        // 過度なドリフトを抑える
  

• アップデートは加算器 1 個＋ L との比較だけ。

• 理論的分散は大きいものの、数十万サンプルで 99th/99.9th が 1～2 % 程度に収束。

• P² よりさらに小面積・低遅延。

---

2. 時間軸“リング”カウンタ ― タイムホイール方式 ◆●

仕組み

1 サイクルごとにポインタが進む リングバッファ (W スロット) を用意。
各スロットは「その時点でリクエストが 新規に発行 された数」を保存 (飽和 4–5 bit)。

• Outstanding = リング全体の総和でリアルタイムに求まる
  • → cnt_total を 1 本持ち、ポインタが進むたびに
    cnt_total -= slot[p] ; slot[p] = new_issued ; cnt_total += new_issued
• 最大レイテンシ推定：
  “最後に非ゼロだったスロット”と現在ポインタとの差が 最悪年齢。
• ヒストグラム：リングを粗密 2 段 (例: 0–255 cycle を 1 slot/1 cycle, 256–4095 cycle を 1 slot/16 cycle) にすると
  tail 側の分解能を落としつつ登録ビットを削減できる。

メモリ量
W=256、4 bit なら 1 kbit (分散 RAM 1 ブロック)。
タイムスタンプ個別保存ではなく “集合の年齢” を持つことで大幅に節約できます。

---

3. 階層しきい値カウンタ ― Exceed-N 方式 ★●

「X µs 超えが何件」を複数しきい値で同時に数えるだけの超単純法。

例	しきい値 (µs)	保持レジスタ	更新処理 (応答時)
99% 相当をざっくり	32, 64, 128, 256	4 本の飽和 8 bit	if(L>thr[i]) cnt[i]++

• ハード量：比較器 4 個＋カウンタ 4 本 → LUT/FF 数十。
• ソフト後段：総件数 N がわかれば cnt[i]/N から単調性を利用して 99th を内挿可能。
• 長所：遅い方にしきい値を多めに振れば tail の変化に敏感。

---

4. t-Digest（“ミニ”構成） ●

• 本家は 100～200 セントロイド（≒小RAM）が必要だが、
  **「最小面積モード」**として 16～32 セントロイドでも 99.9th 誤差 2–3 % 程度。
• 各セントロイド = {mean,sum,count} → 64 + 32 + 16 = 112 bit。
  32 個で約 3.5 kbit。BRAM 1～2 ブロック相当で FPGA なら許容範囲。
• “insert-sort” が HW では重いので、(a) 2 レベル FIFO → (b) background merge と分けると 1 cycle critical path を保持できる。

「レジスタだけで」という縛りを少し緩め、小さな BRAM 1～2 個までは OK なら tail 精度は頭一つ抜けます。

---

5. 低ビット・タイムスタンプ“バンク” ＋ Bloom-Recovery ◆

1 リクエストにつき “ログ圧縮した時刻” (下位 8 bit など) をテーブルに保持。
戻ってきたとき XOR で復元誤差を評価し、
誤差が閾値以上 → 「tail に入りそう」と見なして別カウンタを増やす。

• テーブル 64 × 8 bit = 512 bit ＋ カウンタ数本。
• 完全一致しないエントリは “衝突” 扱いになるが、衝突率自体が負荷の proxy。

---

6. Stochastic Approximation 量子化 ― E-TASCUS 型

目標分位 q_p を持ち、「出力が大きいときだけ微小減算、 小さいときだけ微小加算」する非線形ループ。
P² よりさらに軽く、レジスタ 1-2 本で連続 2 分位まで動かせます。
FPGA では以下の 3 論理で完結。

if (L > q) q++;            // p=0.99 のときは rand()<0.99 のときだけ実施
else       q--;

99th なら「小さいときだけ q-- に 0.99 の確率フィルタ」を挟む

---

7. 実装組み合わせ例（面積順）

	推定値	FF / LUT	使い道
A. Frugal-2U ×2	99th, 99.9th	≈ 4 FF	とりあえず tail を掴む
B. Exceed-N 4段	しきい値カウンタ	≈ 32 FF	tail 悪化をアラーム検出
C. フルリング 256×4bit	max 年齢 + ヒスト	≈ 1 kbit BRAM	スパイク可視化

A+B なら本当に “レジスタ数十個” で完結、
C を足しても BRAM 1 個のみ。
この 3 つを重ねれば

• 平均・分散・最大（前回提案）
• 99th／99.9th 推定
• スパイクと tail 悪化の両検出

を ほぼ RAM ゼロ or 極小 で実現できます。

---

まとめ

• 一番軽い：Frugal-2U（2 FF／分位）＋ Exceed-N（しきい値カウンタ）
  • → “悪化してるかどうか” を瞬時に知る
• もう少し精度：タイムホイール or ミニ t-Digest (BRAM ≤2)
  • → tail の形状を後から解析
• 低ビット時刻＋衝突検出 を補助にすると “見逃し” をさらに減らせる

「最大でもレジスタ数個」にこだわるなら Frugal-2U × (99th, 99.9th) ＋ Welford が鉄板、
RAM 数 kbit までは許せる なら タイムホイール or t-Digest がベストバランスです。

ChatGPT o3 にCacheについて聞いてみた

 Cortex-R5 では PLI ( Prefetch Line for Instruction ) は機能として実装されておらず、マイクロアーキテクチャ上は単なる NOP 扱い です。
そのため、

• アセンブリリスト上は確かに PLI 命令が並んでいても

• パイプラインやバスには一切の実際のプリフェッチ要求が出ず

• 命令キャッシュミスやストール回数が変わらない

──という状況になります。

---

根拠

• Cortex-R5 TRM 付録 B.18 “Miscellaneous instructions” の記述

  The DBG, PLI, and YIELD instructions are all treated the same as NOP …

  つまり 1 サイクルだけパイプラインを通過し、副作用を何ひとつ残しません。

• ARM アーキテクチャ仕様では PLI/PLD/PLDW は「ヒント命令」であり、 実装は任意。
  実装しない場合は NOP として挙動する、と明記されています。

---

ストール削減のために取り得る実際的な手段

方策	具体例	備考
ITCM へのコード配置	割込み処理・ホットループを .tcm_code セクションに配置してリンカで ITCM 領域へ	命令 TCM は SRAM 直結でミス 0、最も確実
命令キャッシュのロック機能	CP15 キャッシュ・ロックダウン命令でループ本体を L1 I-Cache の特定 way に固定	R5 は最大 4 way のうち任意の way をロック可能
レイアウト最適化	32 B ライン境界でのループ位置合わせ、分岐先を同一セットに収める	2 way / 4 way I-Cache での競合ミスを低減
ハードウェアプリフェッチ単独へ任せる	Cortex-R5 の Prefetch Unit は順次実行パスを 4 段先読み	シーケンシャルコードはこれだけで充分な場合が多い
分岐局所性の改善	テーブルジャンプを 2 段階化するなどでジャンプ先集合を縮小	BTAC や RSB のミスを同時に抑制
PMU を使った計測とチューニング	PMN0=0x09 (I-Cache miss)、PMN1=0x0A (I-Cache stall cycles) で before/after を比較	ロックダウンやコード再配置の効果を数値で確認

---

まとめ

• Cortex-R5 では PLI = NOP。したがって命令プリフェッチの最適化は PLI 以外の方法 に切り替える必要があります。

• もっとも手堅いのは ITCM への配置 や キャッシュのロックダウン。

• 効果を検証するときは PMU の I-Cache 関連イベント を必ず併用し、「体感が変わらない」だけでなく実測値で確認してください。

もし ITCM 容量が不足している、あるいはロックダウンの実装例など詳しい手順が必要であれば、現在のメモリマップやツールチェインの情報を教えてください。もう少し踏み込んだ配置スクリプト例や CP15 操作コードをご提案できます。

---

以下は Arm 公式 TRM／最適化ガイドに書かれている “実ハードでの挙動” だけ を抜き出してまとめた早見表です。
（実装が任意のヒント命令なので、同じ ISA 世代でもコアごとに差があります。）

コア	L1 I-Cache	L1 D-Cache	PLI (命令プリフェッチ)	PLD/PLDW (データプリフェッチ)	備考
Cortex-R5	✔︎	✔︎	NOP（実装なし）	✔︎ ※実装あり	R5 では PLI/DBG/YIELD はすべて NOP 扱い Arm Developer
Cortex-R8	✔︎	✔︎	NOP（実装なし） Scribd	✔︎ 専用ユニットで非ブロッキング Arm Developer
Cortex-R82	✔︎	✔︎	実装あり。PRFM PLI は 常に L2 へライン投入（L1 には載らない） Arm Documentation Service	✔︎ PRFM PLD/PLDW/PST すべて実装（行き先はエンコードで指定） Arm Documentation Service	ハードウェア・ストリームプリフェッチも併用可
Cortex-M3	なし	なし	NOP（キャッシュ非搭載のためヒントのみ） Keil	NOP（同上） Keil
Cortex-M7	16 KB I	16 KB D	NOP（実装なし）※I-Cache は独自 PFU で先読み STMicroelectronics	✔︎ PLD/PLDW が D-Cache ラインを取り込む。 対象がノンキャッシュ領域、または D-Cache 無効なら NOP Arm Developer
Cortex-M55	32 KB I	32 KB D	NOP（実装なし）※Helium 用に IFU 強化	✔︎ PLD/PLDW 実装あり（L1 へ）。ただしハードウェアプリフェッチ付きで 明示 PLD は推奨せず Arm Documentation Service
Cortex-M85	64 KB I	64 KB D	NOP（仕様上サポートせず） Arm Documentation Service	✔︎ PLD/PLDW 実装あり。ハードウェア PF が強力なので 使い過ぎ注意 Arm Documentation Service
Cortex-M52	32 KB I	32 KB D	NOP（実装なし）※M55 相当	✔︎ PLD/PLDW 実装あり（L1）	TRM 公開前だが SoG r0p3 で明記 Arm Documentation Service

 

押さえておきたいポイント

1. PLI は思ったより使えるコアが少ない
   R8/R5/M 系の多くは実装なし、R82 だけが明示サポート。
   命令側は「順次フェッチ＋分岐予測＋ ITCM ロック」の方が確実です。

2. PLD は「D-Cacheと同時に導入された世代」なら高確率で生きている
   ただし キャッシュ無効 や Non-cacheable 領域 に対して発行すると自動的に NOP。

3. ハードウェア・プリフェッチとぶつかると逆効果
   R82/M85 ガイドがはっきり「パターンに載るなら PLD/PLI よりハードウェア任せ」と述べています。
   ——計測なしに大量に入れると帯域を食うだけになる点に注意。

4. I-TCM / D-TCM ロックダウンの方が確実
   R 系も M 系も、タイミングがシビアなコードは attribute((section(".itcm"))) で ITCM へ置き、
   あるいは CP15 (R) / CMSIS 関数 (M) でキャッシュ line を LOCK した方が再現性があります。

5. ツールチェーンが自動生成する PLD/PLI を鵜呑みにしない
   GCC などは __builtin_prefetch() を R5/M7 向けにも出しますが、
   実ハードが NOP でもワーニングが出ないため、性能に効くかは必ず PMU で要確認です。

---

使い分けの目安（実測でチューニングする場合）

1. R82 のみ

   • 小規模ループ本体で “ICache には置きたくないが L2 だけ温めたい” → PRFM PLI, [addr, #0]

   • データストリームに先行して L1 に行を入れたい → PRFM PLD/L1KEEP, [...]

2. その他のコア (R5/R8/M7/M55/M85/M52)

   • 命令側 → I-TCM配置または I-Cache ロックダウン

   • データ側 → PLD（対応コアのみ）＋ D-Cache ロック、または DMA/TCM で帯域確保

「どの場面でどのプリフェッチが効くか？」はメモリアクセスパターンと衝突ミス率次第です。必ず PMU カウンタ（I-Cache miss / stall, D-Cache miss / prefetch hit など） を取り、

• Before / After のミス数と実行クロック両方が下がっているか

• ハードウェア PF がすでに 90 % 以上当たっていないか

を確認してから採用するようにしてください。

 

 

---

1. 「キャッシュの Way」とは？――セット／ウェイ構成のざっくり図解

┌─ 32 KB L1 I-Cache（例：4-way, 32 B/line） ──┐
│ set 0 │way0│way1│way2│way3│　　　　       │
│ set 1 │way0│way1│way2│way3│　　　         │
│  …   │ … │ … │ … │ … │256 sets total │
└────────────────────────┘

• セット (set) … アドレス中 “インデックス” 部分で選ばれるグループ。

• ウェイ (way) … そのセット内に並んだキャッシュラインの本数。

  • 4-way なら 1 セットあたり 4 本、ラインあたりは 32 B。

  • ミス時の置換は 同じセット内のウェイのどれか だけが候補になる。
    （LRU などのアルゴリズムで選択）Stack Overflow

---

2. 「命令キャッシュ・ロック」とは？

キャッシュの 置換（evict）を禁止 して「絶対に逃がしたくないコード」を
ウェイごと 固定 してしまう仕組みです。

• フォーマット C（way-based lockdown）
  ARMv7-R の Cortex-R4/R5/R8 などが採用。
  CP15 c9 の Instruction Cache Lockdown Register で各ウェイの L ビット
  を立てるだけ――0＝通常、1＝ロック。

  “A locking bit for each cache way determines whether allocation
  can access that cache way … write c9, c0, 1 to set/clear”

• ライン単位ロック (Format D) を持つコアもありますが、R5 は way 単位のみ。

⚠ 最大でも N - 1 way まで しかロックできません。すべてロックすると
ミス時に入れ替え先が無くなり UNPREDICTABLE になる、と規定されています。

---

3. Cortex-R5 を例にしたロック手順（フォーマット C）

手順	目的	代表アセンブリ
① DSB で待つ	既存アクセス完了	dsb
② ターゲット以外のウェイを L=1 （=割付禁止）	新規ラインが way i だけに入るようにする	MRC p15,0,R0,c9,c0,1 ; 現値読出 BIC R0,R0,#(1<<i)    ; way i =0 ORR R0,R0,#(~(1<<i))  ; 他=1 MCR p15,0,R0,c9,c0,1
③ ロックしたいコードをフェッチ	32 B ごとにプリフェッチ	MCR p15,0,Rn,c7,c13,1
④ DSB → way i を L=1	固定完了	ORR R0,R0,#(1<<i) MCR p15,0,R0,c9,c0,1 isb
⑤ （任意）PMUで効果確認	I-miss / stall 減少を見る	PMSELR = 0x09 など

 

実際は C で __attribute__((section(".itcm"))) に置いてしまう方が簡単で確実
ですが、ITCM 容量が足りない場合は上記ロックが有効です。

---

4. ロック機能の有無（主な組込みコア）

コア	Lockdown 方式	備考
Cortex-R5/R8	Way-based (Format C)	I/D とも可能
Cortex-R82	Way＋ライン両対応	I 側は L2 へ投入
Cortex-M7/M55/M85	未実装（I-Cache は自動先読み＋ITCM 推奨）
Cortex-A 世代	A8/A9 などは Way または Line	コアごとに異なる

 

---

5. ベストプラクティス

1. 本当に必要か測る
   ハードウェア・プリフェッチや BTAC が当たりまくっている場合はミス自体が少なく、
   ロックより ITCM 配置 の方が簡単で確実。

2. サイズは 1 way 分以内に収める
   4-way なら「32 KB I-Cache → 8 KB 以内」が目安。

3. 割込みハンドラは別途ロック／ITCM
   割込みの入り口でミスが出ると遅延がバーストするため。

4. 開放手順も整備
   ブート後に不要になる初期化ルーチンを unlock して
   他のコード用にウェイを戻すことも可能です。
   （MCR p15,0,R0,c9,c0,1 で L=0 に）

---

まとめ

• ウェイ＝同一セット内の “バンク”。置換対象は常に同じセットのウェイだけ。

• 命令キャッシュ・ロック は「このウェイは置換禁止！」と宣言する機能。

• Cortex-R5/R8 は CP15 c9 を操作する Format C（way ロック）のみ実装。

• ロック後は ミスがゼロ、分岐予測も外れにくくなるが、
  ▼ ロックしすぎ ⇒ キャッシュ容量減少で逆効果になるので PMU 計測必須。

ChatGPT o3 を使って logger について調べてみた

■質問

C++で使える便利なloggerを教えてください。以下の要件をすべて満たす必要はありませんが、できるだけ満たしているloggerをいくつか挙げたうえで、利点、欠点をまとめてください。

・ロギングが必要な箇所に、簡単な指定方法でログ、およびログレベルを記述できること。
・コンパイル時に、指定したログレベル以上のログだけを有効にすることができること。
・実行時に指定したログレベル以上のログのみを出力できるようにすること。
・実行時に指定したモジュールだけログレベルを変更することができること。
・メジャーなloggerであり、Web上に多くの情報がそろっていること。
・UbuntuおよびRHEL8で動作すること。

■回答（調査時間： およそ2分）

以下では 「“全部入り” を目指すならまず検討したい → ミニマルで手軽 → レガシー／代替検討中」 の順に5つの代表的 C++ ロガーを紹介し，ご要件への適合度を整理しました。

---

1 . spdlog (gabime/spdlog)

観点	メモ
書式	SPDLOG_INFO("x={}", x); など，fmt 互換。
コンパイル時レベル無効化	#define SPDLOG_ACTIVE_LEVEL SPDLOG_LEVEL_WARN をビルドオプションや共通ヘッダで定義すれば，それ未満のマクロ呼び出しはプリプロセッサ段階で消える GitHubGitHub
実行時レベル変更	spdlog::set_level(level::debug); ／ SPDLOG_LEVEL=info,mylogger=trace の環境変数／argv 読み込みが可能 GitHub
モジュール単位切替	logger を名前ごとに登録し，環境変数で <名前>=<level> と記述するとそのロガーだけ変更可 GitHub
情報量	GitHub ⭐ 26 k，パッケージ apt install libspdlog-dev など各ディストリ対応。
ビルド	header-only でもリンク型でも可。GCC 8（RHEL 8 標準）+ C++17 でビルド確認例多数。

 

利点 高速（Prepared format ＋ lock-free queue 可），API が小さく習得が容易。
欠点 機能は「ロガー＆シンク」中心で，高度な属性付きログや XML 出力などは自前実装が必要。

---

2 . Boost.Log (boostorg/log)

観点	メモ
書式	BOOST_LOG_TRIVIAL(info) << "msg"; や属性付きストリーム。
コンパイル時無効化	マクロで完全除去は困難。ビルド時フラグ BOOST_LOG_DYN_LINK で DLL 化は可。
実行時切替	フィルタ式や設定ファイルから動的変更可能（例：severity >= warning）Stack Overflow
モジュール単位	「チャネル」「属性」による高度なフィルタが得意。
情報量	Boost 公式ドキュメントと多数の解説記事。
ビルド	Boost 全体をビルドする重量級手順。フィルタ計算でオーバーヘッドが話題になることも GitHub

 

利点 syslog 連携・属性付きログ・フォーマッタなど機能が最も豊富。
欠点 導入コストと実行時オーバーヘッドが大きめ。コンパイル時削除を重視する用途には不向き。

---

3 . Google glog (+ Abseil Logging)

観点	メモ
書式	LOG(INFO) << "msg";，CHECK_EQ(x, y); など Google 風マクロ。
コンパイル時無効化	#define GOOGLE_STRIP_LOG 1 以上を定義するとそのレベル未満を除去 Google GitHub
実行時切替	環境変数 GLOG_minloglevel 等 Stack Overflow
モジュール単位	--vmodule="foo=2,bar=1" 形式のフラグでファイル／名前空間単位の詳細度を変更可。
情報量	10年以上の採用実績だが，2025-06-30 に公式リポジトリがアーカイブ予定 GitHub
ビルド	Autotools / CMake。依存が少なく RHEL 8 でもビルド容易。

 

利点 ASSERT 系マクロが便利，実行時フラグが豊富。
欠点 メンテ終了予定。新規では Abseil Logging か spdlog などへの移行推奨。

---

4 . Easylogging++ (ELPP)

観点	メモ
書式	LOG(INFO) << "msg"; （glog 似）。
コンパイル時無効化	ELPP_DISABLE_LOGS や ELPP_DISABLE_DEBUG_LOGS マクロで除去 yap.github.io
実行時切替	el::Configurations cfg; cfg.set(el::Level::Debug, "OFF"); などプログラムから変更。
モジュール単位	ロガー名（ID）ごとに設定を保持。
情報量	GitHub ⭐ 3.8 k。
ビルド	シングルヘッダ（easylogging++.h）。

 

利点 設定ファイルで色・ローテーションなどを簡単に指定，可搬性◎。
欠点 開発が停滞気味，C++20 以降の warning が出るケースあり。

---

5 . plog (SergiusTheBest/plog)

観点	メモ
書式	PLOG_DEBUG << "msg";
コンパイル時無効化	ビルトインでは不可（マクロを自作は可能）。
実行時切替	plog::get()->setMaxSeverity(plog::debug); で変更可 GitHub
モジュール単位	ロガーは 1 つだけ（軽量設計）。
情報量	GitHub ⭐ 1.6 k。
ビルド	100 % header-only。

 

利点 極小・依存ゼロ。組み込みやユーティリティ向け。
欠点 機能は最小限。モジュール／タグ管理・コンパイル時除去は自前対応。

---

要件充足度まとめ

ライブラリ	シンプルな記法	コンパイル時レベル絞り	実行時レベル絞り	モジュール別レベル	メジャー度	Ubuntu/RHEL8*
spdlog	◎	◎ (SPDLOG_ACTIVE_LEVEL)	◎	◎	◎	apt/rpm - OK
Boost.Log	△	△	◎	◎	◎	boost-devel - OK
glog	○	◎ (GOOGLE_STRIP_LOG)	◎	○ (--vmodule)	◎※	src build OK
Easylogging++	○	○ (ELPP_DISABLE_*)	○	○	○	header-only
plog	○	△(自作)	○	△	△	header-only

 

*RHEL 8 ではどれも GCC 8/CMake3 でビルド実績あり（Boost は dnf install boost-devel，その他はソースビルド）。
※glog は 2025/6 アーカイブ予定のため長期利用は代替検討を推奨。

---

どれを選ぶ？

• パフォーマンス重視・将来性重視 👉 spdlog

  • header-only で導入が容易，compile-time strip と runtime filter の両立が最も素直。

• 属性付きログや多彩なシンクが必須 👉 Boost.Log

  • 重量級ながら “何でもできる” フルスタック。

• Google 系既存コードとの互換が必要 👉 glog (→Abseil Logging)

  • 既存マクロをそのまま使いたい場合に。新規なら Abseil へ。

• ソースを触らずに一枚ヘッダで済ませたい 👉 Easylogging++

  • 小規模ツールや PoC 向け。

• 極限まで軽い仕組みが欲しい 👉 plog

  • マイコンやユーティリティで「とりあえずログ」の用途。

必要機能とメンテナンス体制を天秤に掛け，まず spdlog をデフォルト候補として検討し，特殊要件があれば他を選ぶ構成が現場での採用例が多いです。

ペルチェ

やってみた

自作フォトフレーム

以下のようなフォトフレームを自作して、リビングで運用中。

以下の特徴を持つ。

• 画面構成
  • 現在時刻
  • 9日間の予定・天気
  • 過去の写真・動画のスライドショー（撮影日、撮影場所情報も表示）
• 十分な視認性（少し離れても予定が確認できる。近づけば天気の細かな情報もわかる。）
• 夜にまぶしくない（暗くなると自動的に消える）
• 静か（FANレスPCに温度フィードバック制御の12cmFANを外付け）
• 故障しない（液晶にも6cmFANを取り付け）