Proxima: 基于3D NAND的图近似最近邻搜索的近存储加速
硬件体系结构
2026-03-31 v2
摘要
近似最近邻搜索（ANNS）在推荐系统、信息检索和语义搜索等众多应用中扮演着不可或缺的角色。在先进的ANNS算法中，基于图的方法在大规模数据集上提供了优越的准确性和可扩展性。然而，性能最佳的基于图的ANN搜索方案需要数十上百的内存占用以及昂贵的距离计算，从而阻碍了其大规模高效部署。3D NAND闪存因其高密度和非易失性，正成为数据密集型应用的有前景的器件。在这项工作中，我们提出了基于近存储处理（NSP）的ANNS解决方案Proxima，通过在3D NAND闪存中进行算法-硬件协同设计来加速基于图的ANNS。Proxima利用距离近似和提前终止显著降低了图搜索的复杂度。在算法改进的基础上，我们采用异构集成技术在3D NAND闪存中实现了Proxima搜索算法。为了最大化3D NAND的带宽利用率，我们提出了定制化的数据流和优化的数据分配方案。评估结果表明：与CPU和GPU上的图ANNS相比，Proxima在吞吐量或能效上实现了数量级的提升。Proxima比现有ASIC设计快7倍到13倍。此外，与之前基于NSP的加速器相比，Proxima在准确性、效率和存储密度之间取得了良好的平衡。
引用
@article{arxiv.2312.04257,
title = {Proxima: Near-storage Acceleration for Graph-based Approximate Nearest Neighbor Search in 3D NAND},
author = {Weihong Xu and Junwei Chen and Po-Kai Hsu and Jaeyoung Kang and Minxuan Zhou and Sumukh Pinge and Shimeng Yu and Tajana Rosing},
journal= {arXiv preprint arXiv:2312.04257},
year = {2026}
}