FPGA協(xié)處理技術介紹及進展

FPGA的架構使得許多算法得以實現(xiàn)，較之采用四核CPU或通用圖形處理器(GPGPU)，這些算法的持續(xù)性能更接近器件的峰值性能。隨著對芯片、算法和庫基礎的集中改進，F(xiàn)PGA加速器的基準測試結果不斷提高。就算當前最大的FPGA所消耗的功率也不到30W，因此它們可應用于多種場合。在目前出現(xiàn)的幾大行業(yè)動態(tài)的共同作用下，F(xiàn)PGA實現(xiàn)的算法加速更加令人矚目。這些行業(yè)動態(tài)包括：

● 當前FPGA的容量已足夠容納更大的算法?，F(xiàn)在已經有可能將期權定價算法或1M點快速傅里葉變換放入FPGA。將算法從CPU中加載到FPGA的延遲時間小于算法加速所節(jié)省的時間。

● 單核CPU在功耗和冷卻問題上受到了限制。采用多核CPU的嘗試正在順利進行，但現(xiàn)有為單核編寫的軟件必須進行重寫，用以支持合理的性能擴展。

● FPGA協(xié)處理的主動式支持。在某些情況下，這些CPU接口(AMD公司的Torrenza Initiative與Intel公司面向FPGA廠商的注冊FSB與QPI)支持8 GB/s的速率，寫入等待時間低于140ns。

較之雙核、四核CPU或GPGPU，F(xiàn)PGA基準測試結果顯示了采用插槽式加速器的優(yōu)異的蒙特卡洛浮點結果（見表1）。

就結果而言，運行頻率為150～250 MHz之間的FPGA是如何做到優(yōu)于運行頻率為2～3 GHz的四核CPU或運行頻率為1.35 GHz的128核GPU的呢？正如蒙特卡洛布萊克-斯科爾算法所示，F(xiàn)PGA架構具有獨特的性能，這是產生這一優(yōu)異結果的原因之一。

FPGA架構特征
靈活的FPGA可根據(jù)需要進行編程和重新編程。一個典型的FPGA包括一個邏輯塊陣列、內存塊和DSP塊，它們周邊環(huán)繞著可由軟件進行配置的可編程式互連結構（如圖1所示）。該架構確保下列特征的實現(xiàn)。

● 功能并行：功能的多次重復

● 數(shù)據(jù)并行：處理數(shù)據(jù)陣列或數(shù)據(jù)矩陣

● 流水化的自定義指令：每個時鐘周期輸出流數(shù)據(jù)的一個結果

● 超大的主緩沖帶寬與規(guī)模：GPGPU的3～10倍

● 靈活的數(shù)據(jù)通路布線：巨型交叉連通在一個時鐘周期內完成數(shù)據(jù)傳輸

● 功能和數(shù)據(jù)流的串聯(lián)：均在一個時鐘周期內完成

● 定制片外I/O：所需的協(xié)議、帶寬和延遲

● 可擴展的路徑圖：更大的陣列具有充足的空間支持供電與冷卻

[!--empirenews.page--]

顯然，F(xiàn)PGA在并行化與流水化方面存在相當大的優(yōu)勢，同時與GPGPU相比，F(xiàn)PGA在主緩存與帶寬方面也存在優(yōu)勢。在FPGA中，邏輯資源周圍是存儲器塊。XDI模塊具有一塊帶寬為3.8TB/s的3.3MB主緩存，這是nVidia 8800 GTX型GPGPU上主緩存(支持流處理器)的5～10倍。

FPGA的優(yōu)勢還在于，可以利用裕量連接帶寬來靈活構建直達各邏輯塊的數(shù)據(jù)通道和存儲器訪問通路。圖1所示的可編程互連結構提供了大量的布線帶寬。模塊與電路板可根據(jù)FPGA輸出帶寬、存儲器大小及延遲的需要進行設計，I/O端口可由用戶自定義。

圖1 FPGA的架構

最后，F(xiàn)PGA架構還擁有一個優(yōu)勢，它可擴展為更大型的邏輯塊、存儲器塊與DSP塊的陣列。邏輯與主緩存的大小是一起擴展的?，F(xiàn)有最大的FPGA峰值功耗為30W，其FPGA架構有很多空間，可以在不超過現(xiàn)有數(shù)據(jù)中心功率和冷卻限制的前提下，擴展為新的處理構型。

盡管FPGA架構具有許多出眾的性能，一些性能必須共同發(fā)揮作用，才能提供優(yōu)于CPU協(xié)處理的解決方案。

芯片與算法基礎
大部分雙精度浮點算法的加法與乘法操作比例大約為1:1。在FPGA中，加法運算使用邏輯資源，乘法運算使用DSP塊，因此FPGA的邏輯資源與DSP塊的比例必須均衡。FPGA的另一個特點是其可編程功率技術，該技術可針對所有邏輯塊、DSP塊與存儲器塊進行編程，根據(jù)設計的時序要求將其設定為高功耗或低功耗模式。
浮點運算核已經改進，可運行于更高的時鐘速率，使用更少的DSP塊和更少的邏輯資源。采用浮點編譯器可減少不同浮點運算核之間用于連接64位數(shù)據(jù)通路的邏輯資源。

在一次浮點運算結束時，合并對浮點運算進行規(guī)格化處理(定點格式轉換至浮點格式)的步驟，可以顯著減少對后續(xù)浮點運算輸入的去規(guī)格化處理(浮點格式轉換為定點格式)。浮點運算的數(shù)學表達式的整個數(shù)據(jù)通路可熔接在一起，這會最多減少40%的邏輯資源并使時鐘速率略有提高。

浮點運算的正確組合十分重要。如果算法有許多超越運算(求指數(shù)、求對數(shù)等)，F(xiàn)PGA可配置所需要的數(shù)目。在GPGPU設計中，會增加一些硬模塊實現(xiàn)上述函數(shù)，但比例比單精度浮點邏輯少得多。使用算法技巧、抽象硬件細節(jié)及針對個別FPGA資源的優(yōu)化都需要函數(shù)庫。

基于芯片、算法與庫基礎，圖2的系統(tǒng)級解決方案涉及到了工具鏈、模塊/板級設計、CPU接口以及采用合作公司專門技術的由CPU至基于FPGA的加速器的數(shù)據(jù)傳輸。

圖2 FPGA加速系統(tǒng)級解決方案的基礎[!--empirenews.page--]

使持續(xù)性能接近峰值
對于可并行化或流水化的任務，相對于峰值性能而言，F(xiàn)PGA經常能夠大大提高持續(xù)性能，并可利用各器件資源。以一個蒙特卡洛布萊克-斯科爾斯基準測試程序為例，它可建立一條運行頻率為150MHz的等式流水線。

在每個時鐘周期，F(xiàn)PGA通過梅森素數(shù)旋轉核產生的隨機數(shù)被輸入(接入)“定制指令”，每個時鐘周期產生一個結果。12條“定制指令”與模塊的兩片F(xiàn)PGA匹配，利用雙精度浮點邏輯輸出12×150M=1.8G結果/秒。通過額外倍頻，可預期實現(xiàn)性能為上述性能的兩倍。

對比不同架構的浮點能力持續(xù)性能與峰值性能十分有趣。表2給出了四種可能解決方案的單精度浮點峰值性能。由于布萊克-斯科爾斯公式需要常規(guī)加法與乘法函數(shù)以外更多的函數(shù)(指數(shù)、平方根等)，布萊克-斯科爾斯結果的總GFLOPS未作統(tǒng)計。

表3給出了布萊克-斯科爾斯結果與峰值GFLOPS的比例，作為比較持續(xù)性能與峰值性能的一種相對衡量方法。相比峰值性能，F(xiàn)PGA達到了最佳持續(xù)性能。相比另外兩種加速器的單精度邏輯，F(xiàn)PGA的雙精度邏輯具有最優(yōu)原始性能以及最優(yōu)的“性能/瓦”參數(shù)。

對許多包含并行性或可流水化的算法而言，由于裕量連接帶寬可實現(xiàn)用戶自定義的數(shù)據(jù)通路，這樣，邏輯可在一個時鐘周期內訪問存儲器或訪問另一個邏輯塊的結果，從而使FPGA的持續(xù)性能可接近峰值性能。由于固定架構具備預先確定的用以實現(xiàn)不同功能的邏輯塊集合，所以可以為FPGA配置支持某種給定算法的最優(yōu)邏輯函數(shù)比例來實現(xiàn)器件資源的最佳利用。