從支持中小機構(gòu)運作的服務(wù)機房，到支持美國大型企業(yè)和提供云計算服務(wù)接入的企業(yè)級數(shù)據(jù)中心，數(shù)據(jù)中心在現(xiàn)代經(jīng)濟中發(fā)揮著骨干作用。根據(jù)自然資源保護委員會的統(tǒng)計[IY1]，數(shù)據(jù)中心是美國用電量最大、增長最快的用電大戶之一。2013年美國數(shù)據(jù)中心估計耗電約910億千瓦時，超過紐約市全部居民用電的兩倍以上，而且到2020年用電量有望達到1400億千瓦時[1]。很明顯，降低用電對于擴展數(shù)據(jù)中心，提升可靠性和降低運營成本具有重要意義。

根據(jù)具體的服務(wù)器應(yīng)用，數(shù)據(jù)中心各個不同。許多服務(wù)器長期不間斷運行，使得硬件可靠性和耐用性極為重要。雖然服務(wù)器可以使用商用計算機部件組裝，但關(guān)鍵任務(wù)型企業(yè)級服務(wù)器往往使用以硬件加速為目的的專用硬件，如圖形處理單元(GPU)和數(shù)字信號處理器(DSP)?，F(xiàn)在許多企業(yè)尋求使用現(xiàn)場可編程門陣列(FPGA)，因為FPGA是一種高度并行的架構(gòu)，而且功耗相對較低。賽靈思的新款SDAccelTM開發(fā)環(huán)境為開發(fā)人員提供了一種熟悉的CPU或類似CPU的環(huán)境，避免編程給FPGA在此類應(yīng)用中使用時造成的障礙。

改善性能功耗比

Amazon Web服務(wù)、Google Compute、MicrosoftAzure和中國的百度等公有云擁有巨大的圖片庫，需要極快的圖像識別能力。在一個實現(xiàn)方案中，谷歌科技人員將16,000個計算機處理器連接為一個實體，創(chuàng)建出了一個極為龐大的機器學習神經(jīng)網(wǎng)絡(luò)，然后投放到互聯(lián)網(wǎng)上，讓其自主學習。這項研究是新一代計算機科學的代表。這一代計算機科學以充分利用大型數(shù)據(jù)中心中的大量計算機集群的運算能力為目標。潛在應(yīng)用包括讓圖像搜索、語音識別和機器語言翻譯能力邁上新的臺階。但是對數(shù)據(jù)中心設(shè)計而言，僅依靠充分利用CPU并非是一種高能效的做法。要提高速度、降低功耗，還需要其他解決方案。

中國最大的搜索引擎百度借助于深度神經(jīng)網(wǎng)絡(luò)處理技術(shù)來解決語音識別、圖像搜索和自然語言處理方面的問題。百度迅速判定，如果在在線預(yù)測中使用神經(jīng)網(wǎng)絡(luò)反向傳播算法，F(xiàn)PGA解決方案在降低功耗的同時，還能以比CPU/GPU簡便得多的方式進行擴展[2]。

因在數(shù)據(jù)中心服務(wù)器的主機卡和線路卡中集成了FPGA，新一代28nm和20nm高集成度FPGA系列(如賽靈思7系列和UltraScaleTM器件)正在改變數(shù)據(jù)中心動態(tài)發(fā)展狀況。性能功耗比可以輕松達到CPU/GPU的20倍以上，同時在某些應(yīng)用中與傳統(tǒng)CPU相比，時延可降低50至75倍。

但是對FPGA硬件資源有限或缺乏的開發(fā)團隊而言，由于需要使用RTL(VHDL或Verilog)開發(fā)專業(yè)知識才能充分發(fā)揮FPGA的性能優(yōu)勢，因此過渡到FPGA難度較大。為解決這一問題，賽靈思已引入開放計算機語音(OpenCLTM)作為減輕編程負擔的方法。

OpenCL代碼移植性

由蘋果公司開發(fā)并經(jīng)Khronos集團推廣的OpenCL[3]有助于異構(gòu)設(shè)計中的CPU、GPU、FPGA和DSP模塊集成。為增強用于編寫可在異構(gòu)平臺上運行的程序的OpenCL框架，賽靈思等業(yè)界領(lǐng)先的CPU、GPU和FPGA廠商都在為這種語音及其API的開發(fā)做出努力。

SDAccel編譯器相對CPU性能提高10倍，且功耗僅為GPU的1/10。

OpenCL被CPU/GPU/FPGA廠商、服務(wù)器OEM廠商以及數(shù)據(jù)中心管理人員等日益廣泛地接受，說明各方都已經(jīng)認識到一個嚴峻的現(xiàn)實：用于單處理器架構(gòu)的C語言編譯器在服務(wù)器機架內(nèi)部只能實現(xiàn)小幅總體功耗降低，即便是在處理器采用低于20nm的工藝技術(shù)并添加特殊省電狀態(tài)后依然如此。

OpenCL是一種用于編寫可在由CPU、GPU、DSP、FPGA及其它處理器構(gòu)成的異構(gòu)平臺上運行的程序的框架。OpenCL包含基于C99的編程語言和應(yīng)用編程接口(API)，以控制平臺和在目標器件上執(zhí)行程序。OpenCL使用基于任務(wù)和基于數(shù)據(jù)的并行機制提供并行計算功能。

針對OpenCL的賽靈思SDAccel開發(fā)環(huán)境

在開發(fā)特定領(lǐng)域規(guī)格描述環(huán)境方面，賽靈思有近十年的工作經(jīng)驗。數(shù)據(jù)中心管理人員和服務(wù)器/交換機OEM廠商對數(shù)據(jù)中心性能的擔憂，迫使開發(fā)環(huán)境向統(tǒng)一環(huán)境方向縱向發(fā)展，以在數(shù)據(jù)中心應(yīng)用中實現(xiàn)設(shè)計優(yōu)化。在此情況下，一種用于應(yīng)用加速的OpenCL開發(fā)環(huán)境―SDAccelTM―應(yīng)運而生。

最新賽靈思SDAccel環(huán)境(如圖1所示)為數(shù)據(jù)中心應(yīng)用開發(fā)人員提供完整的基于FPGA的硬件和OpenCL軟件。SDAccel內(nèi)含一個快速且架構(gòu)優(yōu)化編譯器，能高效利用片上FPGA資源以及用于代碼開發(fā)、特性分析和調(diào)試的基于Eclipse集成設(shè)計環(huán)境(IDE)的熟悉軟件開發(fā)流程。該IDE可提供類似CPU/GPU的工作環(huán)境。

此外，SDAccel運用賽靈思的動態(tài)可重配置技術(shù)，可提供針對將即時換入換出的不同應(yīng)用優(yōu)化的加速器內(nèi)核。這些應(yīng)用能夠在運行時間內(nèi)將多個內(nèi)核換入或換出FPGA，且不會給服務(wù)器CPU和用于持續(xù)應(yīng)用加速的FPGA之間的接口造成擾動。

圖1 - SDAccel環(huán)境包含架構(gòu)優(yōu)化編譯器、庫、調(diào)試器和分析器，可提供類似CPU/GPU的編程體驗。

開發(fā)人員使用SDAccel的架構(gòu)優(yōu)化編譯器可優(yōu)化和編譯流、低延遲定制數(shù)據(jù)路徑應(yīng)用。SDAccel編譯器支持使用C、C++和OpenCL任意組合的源代碼，主要面向賽靈思高性能FPGA器件。SDAccel編譯器與高端CPU相比，性能提升10倍，功耗僅為GPU的1/10，同時保持代碼兼容性和傳統(tǒng)軟件編程模式，便于應(yīng)用移植并有助于降低成本。

圖2C運用OpenCL語言為CPU、GPU和FPGA架構(gòu)編寫的視頻處理算法在FPGA上運行速度更快

(Auviz使用AuvizCV庫完成的基準測試)

SDAccel是唯一基于FPGA的開發(fā)環(huán)境，內(nèi)含各種用于應(yīng)用加速并針對FPGA優(yōu)化的庫。該庫包含OpenCL內(nèi)置函數(shù)、任意精度數(shù)據(jù)類型(定點)、浮點、math.h、視頻、信號處理和線性代數(shù)函數(shù)。

在諸如帶有復(fù)雜嵌套數(shù)據(jù)路徑(nested datapath)的視頻處理等實際計算工作負載上，F(xiàn)PGA架構(gòu)的內(nèi)在靈活性使其相對于CPU和GPU固定架構(gòu)而言，在性能和功耗方面具有明顯的優(yōu)勢。如圖2中所示的基準測試結(jié)果表明，SDAccel編譯的FPGA解決方案在性能上超過相同代碼的CPU實現(xiàn)方案，并提供可與GPU實現(xiàn)方案相媲美的卓越性能。

雙邊濾波器和Harris角點檢測器均使用標準的OpenCL設(shè)計模式編碼，使用器件的全局存儲器在內(nèi)核之間傳輸數(shù)據(jù)。SDAccel生成的FPGA實現(xiàn)方案通過創(chuàng)建片上存儲器組供高帶寬存儲器傳輸和低時延計算使用，可達到優(yōu)化存儲器訪問的目的。創(chuàng)建和使用這些專用存儲器組代表SDAccel編譯器的部分架構(gòu)感知功能。

軟件工作流

FPGA一直有望超越CPU和GPU實現(xiàn)方案，擁有更高的算法性能以及更低的功耗范圍。但直到現(xiàn)在因為編程模式，未能如愿以償。而這一編程模式又是有效利用FPGA所必須的。SDAccel支持具備系統(tǒng)內(nèi)即時可重配置功能的軟件工作流，能最大化數(shù)據(jù)中心的硬件加速ROI，從而克服這一障礙。SDAcce是一種獨特而完整的基于FPGA的解決方案，他的功能和簡便易用性遠遠超遠競爭對手的工具。更多詳情，敬請訪問下列網(wǎng)站：http://china.xilinx.com/products/design-tools/sdx/sdaccel.html。