congatec, proveedor de módulos y tarjetas CPU integradas y personalizadas, anuncia que su placa conga-B7AC Server-on-Modules con procesador Intel Atom C3000 ahora admite memoria RAM ampliada hasta 96 GB DDR4 SO-DIMM en tres sockets.
Esto es el doble de la capacidad admitida anteriormente y establece un nuevo hito importante para los diseños basados en COM Express Tipo 7, ya que la memoria es una de las palancas de rendimiento más importantes para las tecnologías de servidor de borde incorporado.
Este salto de rendimiento fue posible porque la familia Intel Atom C3000 es compatible con los SO-DIMM de 32 GB recién disponibles. Los nuevos SoM con un ancho de banda de memoria RAM ampliada de alta velocidad de 2400 MT/s están disponibles ahora y pueden pedirse con y sin soporte de ECC.
“El desarrollo adicional de la tecnología de Servidor en Módulo es esencial para la computación perimetral incorporada. Se requiere una expansión continua de la RAM para poder ofrecer el mejor rendimiento y capacidad posibles del servidor en un espacio extremadamente compacto de solo 125 x 95 mm. Por lo tanto, estamos muy complacidos de ser el primer proveedor de Servidor en Módulo en ofrecer esta elevada capacidad de almacenamiento lista para usar. Este salto de rendimiento subraya nuestra pasión por avanzar en los nuevos estándares de Servidores en Módulos, que, por cierto, también nos ha convertido en el experto en tecnología y mercado en esta área”, explica Martin Danzer, director de gestión de productos en congatec.
Aplicación para la memoria RAM ampliada
La alta capacidad de memoria es esencial para las aplicaciones de servidor, porque la forma más rápida de leer y escribir valores de una base de datos es cargarlos completamente en la memoria.
Existen muchas aplicaciones de bases de datos en el campo de la computación perimetral incorporada, como dispositivos de red para la entrega de contenido en aplicaciones de videovigilancia, pasarelas IoT o servidores OPC UA en automatización.
Una memoria RAM ampliada también es un buen búfer intermedio para el análisis de Big Data sobre la marcha, por lo que solo es necesario almacenar resultados más pequeños.
