FPGA編程三大范例

雖然?FPGA?可使用 Verilog 或 VHDL 等低層次硬件描述語言 (HDL) 來編程，但現(xiàn)在已有多種高層次綜合 (HLS) 工具可以采用以 C/C++ 之類的更高層次的語言編寫的算法描述，并將其轉(zhuǎn)換為 Verilog 或 VHDL 等低層次的硬件描述語言。隨后，下游工具即可對轉(zhuǎn)換后的語言進行處理，以便對 FPGA 器件進行編程。此類流程的主要優(yōu)勢在于，您可使用諸如 C/C++ 等編程語言來編寫高效代碼，而后將代碼轉(zhuǎn)換為硬件，但這類編程語言的優(yōu)勢仍能得以完整保留。此外，寫好代碼乃是軟件設(shè)計師的專長，比學(xué)習新的硬件描述語言更簡單。

以 C/C++ 編寫的程序本質(zhì)上是專為馮諾依曼樣式的架構(gòu)編寫的，此類架構(gòu)中用戶程序內(nèi)的每條指令都是按順序執(zhí)行的。為了實現(xiàn)高性能，HLS 工具必須推斷順序代碼中的并行性，并利用它來實現(xiàn)更高的性能。要解決這個問題可并不簡單。此外，優(yōu)秀的軟件程序員按明確定義的規(guī)則和實踐來編寫程序，例如，RTTI、遞歸和動態(tài)存儲器分配。其中諸多技巧在硬件中都無法找到直接等效的對象，故而給 HLS 工具帶來了諸多挑戰(zhàn)。這也意味著任意現(xiàn)成軟件都無法高效轉(zhuǎn)換為硬件。最低限度，需檢驗此類軟件中是否存在不可綜合的構(gòu)造，并需要重構(gòu)代碼，使其可綜合。

現(xiàn)如今，即使軟件程序可自動轉(zhuǎn)換（或綜合）為硬件，但要實現(xiàn)可接受的結(jié)果質(zhì)量 (QoR)，仍需要額外工作（例如，重寫軟件）以幫助 HLS 工具實現(xiàn)期望的性能目標。為此，您需要了解正確編寫軟件的最佳實踐，以確保在 FPGA 器件上正常執(zhí)行軟件。在接下來的幾個章節(jié)內(nèi)，將著重探討如何首先識別部分宏觀級別架構(gòu)最優(yōu)化以明確程序結(jié)構(gòu)，然后聚焦更細化的微觀級別架構(gòu)最優(yōu)化來實現(xiàn)性能目標。

生產(chǎn)者使用者范例

請考慮軟件設(shè)計師編寫多線程程序的方式，通常有一個主線程用于執(zhí)行某些初始化步驟，隨后分叉為多個子線程用于執(zhí)行某些并行計算，當所有并行計算都完成后，主線程會整理結(jié)果并寫入輸出。程序員必須理清哪些部分可以分叉以供并行計算，哪些部分需要按順序執(zhí)行。這種分叉/連接類型的并行化操作不僅適用于 CPU，也適用于 FPGA，但 FPGA 上的吞吐量的關(guān)鍵模式之一是生產(chǎn)者使用者范例。您需要將生產(chǎn)者使用者范例應(yīng)用于順序程序，并將其轉(zhuǎn)換為可并行執(zhí)行的抽取功能以便提升性能。

您可借助一條簡單的問題語句的幫助來更好地理解這個分解進程。假定您有一份數(shù)據(jù)手冊，可供我們將其中的項導(dǎo)入列表。隨后，您將對列表中的每個項進行處理。處理完每個項需耗時約 2 秒。處理完后，您將把結(jié)果寫入另一份數(shù)據(jù)手冊，此操作將耗時約每項各 1 秒。因此，如果輸入 Excel 工作表中有總計 100 個項，那么將耗時總計 300 秒來生成輸出。這樣做的目的是對此問題進行分解，以便您識別能夠并行執(zhí)行的任務(wù)，從而提升系統(tǒng)吞吐量。

圖 1. 程序工作流程

第一步是了解程序工作流程，識別獨立的任務(wù)或函數(shù)。整個工作流程分 4 個步驟，類似上圖所示的程序工作流程（無重疊）。在此示例中，“寫入輸出”（步驟 3）任務(wù)獨立于“處理數(shù)據(jù)”（步驟 2）處理任務(wù)。雖然步驟 3 取決于步驟 2 的輸出，但當步驟 2 中的任意項完成處理后，您即可立即將其寫入輸出文件。您無需等待所有數(shù)據(jù)都完成處理后再開始將數(shù)據(jù)寫入輸出文件。此類型的交織/重疊任務(wù)執(zhí)行方式是非常常見的原則。如上圖所示（例如：含重疊的程序工作流程）。如圖所示，含重疊的工作流程比不含重疊時更快完成?，F(xiàn)在，您可將步驟 2 視作為生產(chǎn)者，將步驟 3 視作為使用者。生產(chǎn)者使用者模式對于 CPU 性能的影響有限。您可交織執(zhí)行每個線程的步驟，但這需要謹慎分析，以便充分利用底層多線程和 L1 高速緩存架構(gòu)，因此較為耗時。但在 FPGA 上，由于可采用定制架構(gòu)，生產(chǎn)者和使用者線程可以同時執(zhí)行，開銷極低甚至沒有，因此能夠顯著提升吞吐量。

首先考量的最簡單案例是單一生產(chǎn)者和單一使用者通過大小有限的緩沖器來進行通信。如果緩沖器已滿，那么生產(chǎn)者可以選擇阻塞/停滯或者丟棄數(shù)據(jù)。當使用者從緩沖器中移除某個項后，它會通知生產(chǎn)者，生產(chǎn)者隨后開始再次填充緩沖器。如果使用者發(fā)現(xiàn)緩沖器已空，則可以同樣方式停滯。當生產(chǎn)者將數(shù)據(jù)置入緩沖器后，它會喚醒休眠中的使用者。該解決方案可通過進程間通信（通常使用監(jiān)控器或信號量）來實現(xiàn)。不充分的解決方案可能導(dǎo)致死鎖，即兩個進程都停滯并等待喚醒。但在單一生產(chǎn)者和使用者的情況下，通信模式與先入先出 (FIFO) 或乒乓緩沖器 (PIPO) 實現(xiàn)之間存在強映射關(guān)系。這種類型的通道無需依賴信號量、互斥體或監(jiān)控器來進行數(shù)據(jù)傳輸，即可提供高效的數(shù)據(jù)通信。使用此類鎖定原語對于性能可能開銷較大，并且難以使用和調(diào)試。PIPO 和 FIFO 是常用的選擇，因為可以避免端到端的原子同步需求。

在此類宏觀級別架構(gòu)最優(yōu)化中，可通過緩沖器封裝通信，使程序員可免于擔心存儲器模型和其它非確定性行為（如爭用條件等）。在此類設(shè)計中可達成的網(wǎng)絡(luò)類型為純粹的“數(shù)據(jù)流網(wǎng)絡(luò)”，可在輸入側(cè)接受串流數(shù)據(jù)，對此數(shù)據(jù)串流執(zhí)行一些基本處理，然后將其作為數(shù)據(jù)串流發(fā)出。并行程序的復(fù)雜性完全被抽離。請注意，“導(dǎo)入數(shù)據(jù)”（步驟 1）和“導(dǎo)出數(shù)據(jù)”（步驟 4）同樣在最大程度提升可用的并行性方面扮演著相應(yīng)的角色。為了使計算能夠與 I/O 成功重疊，重要的是第一步對輸入的讀取結(jié)果進行封裝，最后一步則是寫入輸出。這樣即可實現(xiàn) I/O 與計算的最大程度重疊。在計算步驟中間讀取或?qū)懭胼斎?輸出端口將會限制設(shè)計的可用并發(fā)性。這同樣是在對設(shè)計工作流程進行設(shè)計時需要牢記的。

最后，此類“數(shù)據(jù)流網(wǎng)絡(luò)”的性能依賴于設(shè)計師能夠持續(xù)向網(wǎng)絡(luò)饋送數(shù)據(jù)，使數(shù)據(jù)能夠在系統(tǒng)中保持串流。數(shù)據(jù)流中出現(xiàn)中斷可能導(dǎo)致性能下降。視頻串流應(yīng)用就是一個很好的例子，比如在線游戲中，實時高清 (HD) 視頻持續(xù)流經(jīng)系統(tǒng)，幀處理率受到持續(xù)監(jiān)控，以確保滿足期望的結(jié)果質(zhì)量。游戲玩家可以在屏幕上立即觀察到幀處理率下降。假想一下，這能為一大群游戲玩家提供持續(xù)性幀率支持，同時功耗相比傳統(tǒng) CPU 或 GPU 架構(gòu)顯著降低 - 這就是硬件加速的魅力。使數(shù)據(jù)在生產(chǎn)者與使用者之間持續(xù)保持流動至關(guān)重要。下一步，您將深入了解本節(jié)中介紹的這種串流范例。

串流數(shù)據(jù)范例

串流是一種重要的抽象：它表示無限制的連續(xù)更新數(shù)據(jù)集，其中“無限制”表示“大小未知或者大小無限”。串流可以是一連串數(shù)據(jù)（標量或緩沖器）在源（生產(chǎn)者）進程與目標（使用者）進程之間單向流動。串流范例會強制您根據(jù)數(shù)據(jù)訪問模式（或序列）來思考。在軟件中，隨機存儲器對數(shù)據(jù)的訪問幾乎是免費的（忽略高速緩存成本），但在硬件中，執(zhí)行順序訪問實際上是很有利的，此類訪問可轉(zhuǎn)換為串流。將算法分解為生產(chǎn)者使用者關(guān)系并通過網(wǎng)絡(luò)串流數(shù)據(jù)來進行通信具有如下所述幾大優(yōu)勢。它允許程序員以順序方式定義算法，并通過其它方式來提取并行度（例如，通過編譯器）。諸如任務(wù)間同步等復(fù)雜性會被抽離。它允許生產(chǎn)者和使用者任務(wù)同時處理數(shù)據(jù)，這是提升吞吐量的關(guān)鍵。另一個優(yōu)勢是代碼更清潔且更簡單。

如前文所述，對于生產(chǎn)者和使用者范例，數(shù)據(jù)傳輸模式與 FIFO 或 PIPO 緩沖器實現(xiàn)之間存在強映射關(guān)系。FIFO 緩沖器只是預(yù)定義大小/深度的隊列，其中插入隊列的首個元素也會成為可從隊列跳出的首個元素。使用 FIFO 緩沖器的主要優(yōu)勢在于，只要生產(chǎn)者將數(shù)據(jù)插入緩沖器，使用者進程就可以立即在 FIFO 緩沖器內(nèi)部開始訪問數(shù)據(jù)。使用 FIFO 緩沖器的唯一問題在于，由于生產(chǎn)者與使用者之間的生產(chǎn)/使用速率不同，可能導(dǎo)致 FIFO 緩沖器大小錯誤，從而導(dǎo)致死鎖。在具有多個生產(chǎn)者和使用者的設(shè)計中，這種情況較為常見。乒乓緩沖器屬于用于加速進程的雙緩沖器，可將 I/O 操作與數(shù)據(jù)處理操作重疊。其中一個緩沖器用于保存數(shù)據(jù)塊，以便使用者進程能夠看到完整（舊）版本的數(shù)據(jù)，而另一個緩沖器中，生產(chǎn)者進程則正在創(chuàng)建新（部分）版本的數(shù)據(jù)。當新的數(shù)據(jù)塊完成并有效時，使用者和生產(chǎn)者進程將交換對兩個緩沖器的訪問。由此導(dǎo)致，使用乒乓緩沖器會增加器件的整體吞吐量，并幫助防止出現(xiàn)最終瓶頸。PIPO 的主要優(yōu)勢在于，工具能夠?qū)⑸a(chǎn)速率與使用速率自動匹配，并創(chuàng)建高性能且無死鎖的通信通道。此處值得注意的是，無論使用的是 FIFO 還是 PIPO，關(guān)鍵特性是相同的：生產(chǎn)者將數(shù)據(jù)塊發(fā)送或者串流至使用者。數(shù)據(jù)塊可以是單個值，也可以是一組 N 個值。塊越大，所需存儲器資源越多。

以下是簡單的求和應(yīng)用，用于展示經(jīng)典的串流網(wǎng)絡(luò)/數(shù)據(jù)流網(wǎng)絡(luò)。在此例中，該應(yīng)用的目標是成對添加隨機數(shù)值串流，然后打印這些數(shù)值。前兩個任務(wù)（任務(wù) 1 和 2）提供了隨機數(shù)值串流以供添加。這些數(shù)值通過 FIFO 通道發(fā)送到求和任務(wù)（任務(wù) 3），任務(wù) 3 會從 FIFO 通道讀取值。隨后，求和任務(wù)將輸出發(fā)送到打印任務(wù)（任務(wù) 4），以發(fā)布結(jié)果。FIFO 通道可在這些獨立的執(zhí)行線程之間提供異步緩沖。

圖 2. 串流網(wǎng)絡(luò)/數(shù)據(jù)流網(wǎng)絡(luò)

連接每項“任務(wù)”的串流通常是作為 FIFO 隊列來實現(xiàn)的。FIFO 能夠抽離程序員的并行行為，使其專注于推理任務(wù)活動（調(diào)度）的“快照”時間。FIFO 能夠使并行化更易于實現(xiàn)。這主要得益于它減少了程序員實現(xiàn)并行化框架或容錯解決方案時，必須應(yīng)付的可變空間。獨立內(nèi)核之間的 FIFO 展現(xiàn)出經(jīng)典的排隊行為。對于純串流系統(tǒng)，可使用排隊或網(wǎng)絡(luò)流模型來對此行為進行建模。這種數(shù)據(jù)流類型網(wǎng)絡(luò)和串流最優(yōu)化的另一個主要優(yōu)勢在于它可按不同粒度級別來應(yīng)用。程序員可以在每項任務(wù)內(nèi)部設(shè)計此類網(wǎng)絡(luò)，也可以為任務(wù)或內(nèi)核系統(tǒng)設(shè)計此類網(wǎng)絡(luò)。實際上，您可以通過串流網(wǎng)絡(luò)來以分層方式例化并連接多個串流網(wǎng)絡(luò)或任務(wù)。支持更細粒度的并行化的另一項最優(yōu)化措施是流水打拍。

流水線范例

流水線是您日常生活中常用的概念。造車廠生產(chǎn)線就是一個典型的例子，其中每一項具體任務(wù)通常都是由一個獨立且唯一的工作站來完成的，如安裝引擎、安裝車門和安裝車輪。各工作站各自對一輛不同的車并行執(zhí)行自己的任務(wù)。當某一輛車執(zhí)行完某一項任務(wù)后，它就會移至下一個工作站。完成各項任務(wù)的時間差可通過“緩沖”（將一輛或多輛車暫存在各工作站之間的空間內(nèi)）和/或“停滯”（暫時中止上游工作站的操作）來加以調(diào)整，直至下一個工作站變?yōu)榭捎脼橹埂?/p>

假設(shè)組裝一輛車需要執(zhí)行 3 項任務(wù) A、B 和 C，這 3 項任務(wù)分別需要 20、10 和 30 分鐘。那么，如果全部 3 項任務(wù)均由單個工作站來執(zhí)行，工廠每 60 分鐘才能輸出一輛車。通過使用 3 個工作站組成的流水線，該工廠 60 分鐘即可輸出第一輛車，隨后每 30 分鐘再輸出一輛新車。正如此示例所示，流水線并不會降低時延，即單個項穿越整個系統(tǒng)的總時間。但它會增加系統(tǒng)吞吐量，即，第一個項完成后處理新的項的速率。

由于流水線的吞吐量不可能優(yōu)于其最慢的元素，因此程序員應(yīng)嘗試在各階段間拆分工作和資源，以使各階段耗用相同時間來完成自己的任務(wù)。在上述車輛組裝線示例中，如果 3 項任務(wù) A、B 和 C 各自耗時 20 分鐘，而不是分別耗時 20、10 和 30 分鐘，那么時延將仍為 60 分鐘，但每隔 20 分鐘（而不是 30 分鐘）即可完成一輛新車。下圖顯示了承擔制造 3 輛車任務(wù)的假想生產(chǎn)線示例。假定任務(wù) A、B 和 C 各耗時 20 分鐘，那么順序生產(chǎn)線將需要 180 分鐘才能生產(chǎn) 3 輛車。而流水線式生產(chǎn)線只需 100 分鐘即可生產(chǎn) 3 輛車。

生產(chǎn)第一輛車所耗費的時間為 60 分鐘，稱為流水線的迭代時延。生產(chǎn)完第一輛車后，后兩輛車各自只需 20 分鐘，這稱為流水線的啟動時間間隔 (II)。生產(chǎn)三輛車所耗費的總時間為 100 分鐘，稱為流水線的總時延，即，總時延 = 迭代時延 + II * (項數(shù) - 1)。因此，改善 II 即可改善總時延，但不影響迭代時延。從程序員視角來看，流水線范例可適用于設(shè)計中的函數(shù)和循環(huán)。確定初始建立時間成本后，要實現(xiàn)理想吞吐量目標，II 應(yīng)為 1，即初始建立時間延遲過后，在流水線的每個周期都將有輸出可用。在以上示例中，初始建立時間延遲 60 分鐘過后，每隔 20 分鐘就有一輛車可用。

圖 3. 流水打拍

流水打拍是經(jīng)典的微觀級別架構(gòu)最優(yōu)化，可應(yīng)用于多個抽象層。在前文中，我們通過生產(chǎn)者使用者范例解釋了任務(wù)級別流水打拍。這一概念同樣適用于指令級別。這實際上是使生產(chǎn)者使用者流水線（和串流）保持填滿并繁忙的關(guān)鍵。僅當每個任務(wù)都高速率生產(chǎn)/使用數(shù)據(jù)，故而需要指令級流水打拍 (ILP) 時，生產(chǎn)者使用者流水線才能保持高效。

由于流水打拍長期使用相同資源來執(zhí)行相同功能，因此需要有關(guān)每項任務(wù)時延的完整信息，故而被視作為靜態(tài)最優(yōu)化。有鑒于此，低級指令流水打拍方法無法應(yīng)用于數(shù)據(jù)流類型的網(wǎng)絡(luò)，因為在此類網(wǎng)絡(luò)中任務(wù)的時延是輸入數(shù)據(jù)的函數(shù)，故而可能未知。下一章節(jié)中將詳解如何利用介紹的這三種基本范例來對不同類型的任務(wù)并行度進行建模。

組合三種范例

用戶程序中，大部分最優(yōu)化的主要焦點是函數(shù)和循環(huán)?，F(xiàn)如今的最優(yōu)化工具通常在函數(shù)/過程級別工作。每個函數(shù)都能轉(zhuǎn)換為特定硬件組件。每個此類硬件組件都與類定義相似，該組件的許多對象（或?qū)嵗┚稍谧罱K硬件設(shè)計中創(chuàng)建和例化。每個硬件組件都將由許多更小的預(yù)定義組件組成，這些預(yù)定義組件通常用于實現(xiàn)基本函數(shù)（例如，加法、減法和乘法）。雖然不支持遞歸，但是函數(shù)可以調(diào)用其它函數(shù)。較小且調(diào)用次數(shù)較少的函數(shù)通常還可以內(nèi)聯(lián)到其調(diào)用方函數(shù)中，正如軟件函數(shù)內(nèi)聯(lián)方式一樣。在此情況下，實現(xiàn)函數(shù)所需的資源將匯總到調(diào)用方函數(shù)的組件中，這樣能更好地共享公用資源。將設(shè)計構(gòu)造為一組通信函數(shù)有助于在執(zhí)行這些函數(shù)時提升推斷并行度。

循環(huán)是程序中最重要的構(gòu)造之一。由于循環(huán)主體多次迭代，因此可輕松利用該屬性來提升并行度。可通過多種方式來對循環(huán)和循環(huán)嵌套進行變換（例如，流水打拍和展開），從而提升并行執(zhí)行的效率。這些變換使存儲器系統(tǒng)最優(yōu)化以及映射到多核和 SIMD 執(zhí)行資源成為可能?？茖W(xué)與工程應(yīng)用中的許多程序都表現(xiàn)為對大型數(shù)據(jù)結(jié)構(gòu)進行各種運算。這些運算包括對陣列或矩陣進行簡單的逐元素運算，或者也可能是具有循環(huán)進位依賴關(guān)系的更復(fù)雜的循環(huán)嵌套運算，如跨循環(huán)迭代的數(shù)據(jù)依賴關(guān)系。此類數(shù)據(jù)依賴關(guān)系會影響循環(huán)內(nèi)可達成的并行度。在諸多此類情況下，必須對代碼進行重構(gòu)，才能在現(xiàn)代化的并行平臺上有效執(zhí)行并行循環(huán)迭代。

下圖顯示了 4 個連續(xù)任務(wù)（即，C/C++ 函數(shù)）A、B、C 和 D 的不同重疊執(zhí)行的簡單示例，其中，A 在 2 個不同陣列內(nèi)分別為 B 和 C 生成數(shù)據(jù)，D 則使用來自 B 和 C 所生成的 2 個不同陣列的數(shù)據(jù)。假定這種“菱形”通信模式將運行 2 次，且 2 次運行彼此獨立。

?

void diamond(data_t vecIn[N], data_t vecOut[N]) { data_t c1[N], c2[N], c3[N], c4[N]; #pragma HLS dataflow A(vecIn, c1, c2); B(c1, c3); C(c2, c4); D(c3, c4, vecOut); }

?

以上代碼示例所示 C/C++ 源代碼片段顯示了這些函數(shù)的調(diào)用方式。請注意，任務(wù) B 和 C 相互之間不存在數(shù)據(jù)依賴關(guān)系。下圖對應(yīng)完全順序執(zhí)行方式，其中黑色圓圈表示用于實現(xiàn)串行的某種同步形式。

圖 4. 順序執(zhí)行 - 運行 2 輪

在菱形示例中，B 與 C 完全彼此獨立。兩者既不相互通信也不訪問任何共享存儲器資源，因此如果無需共享計算資源，那么兩者可并行執(zhí)行。由此可得結(jié)果如下圖所示，一輪運行內(nèi)形成了某種形式的分叉式連接并行運行。當 A 任務(wù)結(jié)束后，B 和 C 并行執(zhí)行，而 D 則等待 B 和 C，但下一輪仍按順序連續(xù)執(zhí)行。

圖 5. 一輪運行中的任務(wù)并行

此類執(zhí)行方式可總結(jié)為 (A; (B || C); D); (A; (B || C); D)，其中“;”表示串行連續(xù)，“||”則表示完全并行。這種形式的嵌套分叉連接并行運行對應(yīng)于一種從屬任務(wù)子類，稱為串并行任務(wù)圖。一般來說，任何從屬任務(wù)的有向無環(huán)圖 (DAG) 均可通過獨立的分叉并連接類型同步來實現(xiàn)。此外同樣值得注意的是，這正是在具有多個線程并使用共享存儲器的 CPU 上運行多線程程序的方式。

在 FPGA 上，您可以探索其它可用的并行形式。先前的執(zhí)行模式利用的是在單次調(diào)用內(nèi)執(zhí)行任務(wù)級別并行操作。那么重疊連續(xù)運行又會如何呢？如果每次運行之間真正彼此獨立，但每個函數(shù)（即，A、B、C 或 D）復(fù)用前一輪的相同計算硬件，那么我們?nèi)钥赡芟胍獙?A 的第二次調(diào)用與 B 和 C 的第一次調(diào)用并行執(zhí)行。這是一種跨調(diào)用的任務(wù)級流水線形式，由此可得結(jié)果如下圖所示?，F(xiàn)在，由于吞吐量受到所有任務(wù)間的最大時延的限制，而非所有任務(wù)時延總和的限制，因而吞吐量明顯改善。雖然每輪運行的時延不變，但多輪運行的總時延得以縮短。

圖 6. 利用流水打拍實現(xiàn)任務(wù)并行

但現(xiàn)在，當 B 首次運行從存儲器中執(zhí)行讀取時，A 則已得到其首輪運行的結(jié)果，A 的第二輪操作可能已在相同存儲器內(nèi)執(zhí)行寫入。為避免在使用數(shù)據(jù)之前寫入數(shù)據(jù)，您可以依靠某種形式的存儲器擴展（即所謂的雙重緩沖或 PIPO）來達成此交織操作。這種交織操作以任務(wù)間的黑色圓圈來表示。

有一種有效的方法可用于提升吞吐量和復(fù)用計算資源，即對運算符、循環(huán)和/或函數(shù)進行流水打拍。如果每個任務(wù)現(xiàn)在都能與自身重疊，您即可在一輪運行內(nèi)實現(xiàn)任務(wù)并行操作，同時跨多輪運行實現(xiàn)任務(wù)流水打拍，這兩者都屬于宏觀級別并行度的例證。多任務(wù)內(nèi)流水打拍則是微觀級別并行度的例證?，F(xiàn)在，由于每一輪運行依賴于任務(wù)間的最小吞吐量而不是任務(wù)的最大吞吐量，因此每一輪的總體吞吐量得以進一步提升。最后，根據(jù)通信數(shù)據(jù)的同步方式，僅當生成全部數(shù)據(jù) (PIPO) 或者以逐元素方式 (FIFO) 生成全部數(shù)據(jù)后，才有可能在一輪運行內(nèi)出現(xiàn)某種程度的額外重疊。例如，在下圖中，B 和 C 都比 A 更早啟動并以流水打拍方式執(zhí)行，而 D 則假定仍必須等待 B 和 C 完成。這是最后一種類型的單輪運行內(nèi)重疊，當 A 通過 FIFO 串流訪問（表現(xiàn)為不含圓圈的直線）來與 B 和 C 通信時，才能實現(xiàn)這種方式的重疊。同樣，D 也能與 B 和 C 重疊，前提是采用的通道為 FIFO 而不是 PIPO。但不同于前幾種執(zhí)行模式，使用 FIFO 可能導(dǎo)致死鎖，因此需要正確設(shè)置這些串流 FIFO 的大小。

圖 7. 單輪運行內(nèi)的任務(wù)并行和流水打拍、多輪運行的流水打拍以及單一任務(wù)內(nèi)的流水打拍

總之，本節(jié)中所演示的三種范例為您展示了如何在避免多線程和/或并行編程語言的復(fù)雜操作的同時下，仍能在設(shè)計中實現(xiàn)并行操作。生產(chǎn)者使用者范例搭配串流通道即可輕松組合小型系統(tǒng)與大型系統(tǒng)在內(nèi)的各種系統(tǒng)。如上文所述，串流接口支持輕松耦合并行任務(wù)，亦或是分層數(shù)據(jù)流網(wǎng)絡(luò)也不在話下。這其中部分原因是由于編程語言 (C/C++) 能夠靈活支持此類規(guī)范，并且還有各種工具可用于在當今 FPGA 器件上可用的異構(gòu)計算平臺上實現(xiàn)這些規(guī)范。

結(jié)論 - 性能良方

本文檔中所演示的設(shè)計概念具有一個主要的核心原則，即并行計算模型傾向于通過狀態(tài)封裝和模塊化單元或任務(wù)內(nèi)的順序執(zhí)行來為并行編程提供更簡單的編程模型。隨后，任務(wù)將與串流相連（以執(zhí)行同步和通信）。每個串流均可包含不同類型的通道，例如，F(xiàn)IFO 或 PIPO。您不妨思考下為什么這種范例未能推而廣之。現(xiàn)如今的變化在于，每個人手中所使用的并行硬件數(shù)量發(fā)生了巨大變化。即使手機都是多核的，并擁有異構(gòu)加速器（GPU 等）。利用大部分現(xiàn)有編程工具對這些器件進行編程都無疑是一場夢魘。將 OpenCL 、C、Java 和/或 C++ 的位相結(jié)合來打造一致的系統(tǒng)極為耗時。而基于串流的處理方式則可為此提供一種解決方案。狀態(tài)/邏輯區(qū)隔化使工具（例如編譯器和調(diào)度器）能夠更加輕松地理清何時何地需要運行應(yīng)用的哪些部分?；诖鞯奶幚矸绞饺諠u流行的另一個原因是，它打破了傳統(tǒng)多線程“分叉/連接”模型基于并行執(zhí)行的觀點。通過啟用任務(wù)級流水打拍和指令級流水打拍，運行時間可執(zhí)行的并發(fā)操作數(shù)量遠遠超過了分叉/連接模型現(xiàn)今所能執(zhí)行的操作數(shù)量。這種附加的并行性對于充分利用現(xiàn)今 FPGA 器件上可用的硬件而言至關(guān)重要。與啟用流水線并行性如出一轍的是，串流同樣支持設(shè)計師構(gòu)建并行應(yīng)用，而無需擔心鎖定、爭用條件等可能導(dǎo)致并行編程無從著手的問題。

最后，建議您依據(jù)以下高層次操作檢查表為標準，在可重配置 FPGA 平臺上實現(xiàn)所期望的性能。

專為 CPU 編寫的軟件與專為 FPGA 編寫的軟件有著本質(zhì)上的不同。要想編寫可在 CPU 平臺與 FPGA 平臺之間進行移植的代碼，性能犧牲是不可避免的。因此，F(xiàn)PGA 軟件與 CPU 軟件的編寫方式差異巨大，與其抗拒這個事實，不如坦然接受。

從工程伊始，就應(yīng)該建立起能夠?qū)υ创a更改進行功能性驗證的流程?；趨⒖寄Ｐ突蛘呤褂命S金矢量來測試軟件是極為常用的實踐。

首先專注于設(shè)計的宏架構(gòu)。并考慮使用生產(chǎn)者使用者范例來對解決方案進行建模。

明確設(shè)計的宏架構(gòu)后，即可繪制出期望的活動時間線，其中以橫軸表示時間，并顯示您期望在多次迭代（或調(diào)用）過程中執(zhí)行每一項功能相對于其它功能的時間。這樣您將能夠?qū)υO(shè)計中期望的并行性了然于胸，后續(xù)即可用于與最終達成的結(jié)果進行比較。HLS GUI 通?？捎糜谥庇^顯示所達成的并行度。

僅當您已掌握宏架構(gòu)并確立活動時間線之后，再開始進行程序編碼或重構(gòu)。

一般，HLS 編譯器僅根據(jù)函數(shù)調(diào)用來推斷任務(wù)級別并行度。因此，需要在硬件中并發(fā)運行的順序代碼塊（例如循環(huán)）應(yīng)置于專用函數(shù)內(nèi)。

將原始算法分解/分區(qū)為較小的組件，這些組件可通過串流來彼此進行通信。這樣您就能在一定程度上掌握數(shù)據(jù)在設(shè)計中流動的方式。

較小的模塊化組件的優(yōu)勢在于，可以按需進行賦值，從而提升并行性。

請避免通信通道的位寬過寬。將此類寬通道分解為較窄些的通道，這樣有助于在 FPGA 器件上實現(xiàn)。

大型函數(shù)（手寫或通過內(nèi)聯(lián)較小的函數(shù)生成）可能包含重要路徑，工具可能難以處理此類路徑。具有更簡單的控制路徑的小型函數(shù)有助于 FPGA 器件上的實現(xiàn)。

目標是在每個函數(shù)內(nèi)包含單個循環(huán)嵌套（可采用 HLS 工具可推斷的固定循環(huán)邊界，或者手動向 HLS 工具提供循環(huán)次數(shù)信息）。這樣可以顯著促進吞吐量的測量和最優(yōu)化。此方法雖然可能不適用于所有設(shè)計，但對于大部分案例都很有效。

吞吐量 - 縱觀全局，掌握設(shè)計每個階段期間所需的處理速率，這一點至關(guān)重要。這將影響您為 FPGA 編寫應(yīng)用的方式。

思考設(shè)計中的關(guān)鍵路徑（即，關(guān)鍵任務(wù)級別路徑，如，ABD 或 ACD），調(diào)查此關(guān)鍵路徑中哪個部分可能成為瓶頸。通過設(shè)計仿真，觀察哪幾個任務(wù)采用流水打拍，以及任一路徑的不同分支是否在吞吐量方面存在不一致。隨后，可使用 HLS GUI 工具和/或仿真波形查看器來直觀顯示此類吞吐量問題。

基于串流的通信允許使用者在生產(chǎn)者開始生產(chǎn)時立即開始處理，由此即可支持重疊執(zhí)行（從而提升并行性和吞吐量）。

為了使生產(chǎn)者和使用者任務(wù)保持持續(xù)不間斷運行，請使用流水打拍和調(diào)整串流的相應(yīng)大小等方法來對每項任務(wù)的執(zhí)行進行最優(yōu)化，使其能盡快運行。

請思考串流通道的同步粒度（和開銷）。您可使用 PIPO 通道來重疊任務(wù)執(zhí)行，而無需擔心死鎖，顯式手動串流 FIFO 通道支持您（比 PIPO）更快開始重疊執(zhí)行，但請謹慎處理 FIFO 大小調(diào)整，以避免死鎖。

了解有關(guān)可綜合的 C/C++ 編碼樣式的更多信息.

使用 HLS 編譯器生成的報告作為指導(dǎo)來完成最優(yōu)化進程。

請將上述檢查表放在附近，以便隨時參考。它總結(jié)了構(gòu)建能滿足您的性能目標的設(shè)計所需的整個設(shè)計活動。

設(shè)計的另一個需要考量的重要方面在于您的加速函數(shù)或內(nèi)核。內(nèi)核連接外部的接口是最終系統(tǒng)設(shè)計的重要要素。您的內(nèi)核可能需要插入更大的設(shè)計或者與更大的內(nèi)核系統(tǒng)中的其它內(nèi)核進行通信，或者與系統(tǒng)外部的存儲器或器件進行通信。設(shè)計高效內(nèi)核?提供了另一份檢查表，以供您在設(shè)計加速內(nèi)核的外部接口時考量其中所列出的各項內(nèi)容。

　　審核編輯：湯梓紅