<dd id="cv9gz"><big id="cv9gz"></big></dd>
  • <progress id="cv9gz"></progress>

      <tbody id="cv9gz"></tbody>
          1. 集成電路技術分享

             找回密碼
             我要注冊

            QQ登錄

            只需一步,快速開始

            搜索
            查看: 13666|回復: 11
            打印 上一主題 下一主題

            為什么大數據來了,FPGA火了?這篇文章中都說明白了

            [復制鏈接]
            跳轉到指定樓層
            1#
            lcytms 發表于 2017-7-19 09:09:08 | 只看該作者 回帖獎勵 |倒序瀏覽 |閱讀模式
            本帖最后由 lcytms 于 2017-7-19 09:10 編輯

            為什么大數據來了,FPGA火了?這篇文章中都說明白了

            信息來源:http://www.iot-online.com/IC/embedded/2017/071374053.html

            數據正在成為人類社會進步新的驅動力。
            有專家預測,未來5年中國大數據產業規模年均增長率將超過50%,到2020年中國的數據總量將占全球數據總量比例的20%,成為世界第一數據資源大國和全球數據中心。
            不過在垂涎于這個大數據盛宴的同時,我們也面臨著一個“成長中的煩惱”:我們是否有足夠的能力去處理和“消化”這些海量的數據?
            雖然近年來數據中心的數量也在快速增加,但是面對數據處理任務指數級的增長,還是需要從更底層的核心硬件架構上尋求解決方案。

            通用CPU是傳統數據中心的核心,不過由于它是基于指令譯碼執行、共享內存的經典的馮·諾依曼結構, 注定了其可以完成復雜性的數據處理工作,但是處理大量并行的、重復性的數據并非其強項。
            “多核”CPU是一個應對之策,但仍然無法擺脫架構的限制,加之摩爾定律日益逼近天花板,依托制程工藝的進步帶來性能上的提升,這條路也越來越不好走。
            因此異構處理器的概念被提出來,簡單地說,就是將CPU不擅長的工作卸載到其他更適合的器件中去處理,不同架構的數據處理器件協同工作,各司其職,提升效率。
            在異構數據處理中,究竟誰適合與CPU“相加”,業界有不同的思路,通常吞吐率、延遲、功耗和靈活性會被作為評估的基本標準。

            在異構處理器中,“CPU+GPU”是一個重要選項。
            GPU采用SIMD(單指令流多數據流)的方式讓多個執行單元以同樣的步調處理不同的數據,大大提升了并行數據處理的能力,在計算密集型任務中可堪重用。
            不過GPU有一個“硬傷”,就是在延遲比較高。
            這是因為GPU雖可實現數據并行但是其流水線深度受限,每個計算單元處理不同的數據包時,需要按照統一的步調做相同的事,這就使得輸入輸出的延遲增加,通常GPU的延遲會達到毫秒級。

            要想克服上述問題,就需要今天的主角“FPGA”出場了。
            FPGA是一種可編程邏輯器件,可以根據需要通過軟件編程去定義器件的硬件功能,非常靈活。
            這也就意味著基于FPGA的數據處理架構,每個邏輯單元的功能都是定義好的,無需指令就可完成工作,也不需要復雜的共用內存的調度和裁判,擺脫了馮·諾依曼架構的牽絆。
            在延時方面,FPGA的優勢尤為明顯,其不但可以實現數據并行,還可以實現流水線并行,流水線的不同級處理不同的數據包,這就使得不同數據的處理無需等待更為便捷,其延時只有微秒級。
            從數據吞吐能力上看,新一代FPGA的數據處理加速能力理論上已經可以與GPU比肩。
            同時拜不斷進步的半導體工藝所賜,FPGA器件的功率也控制得很好。所以CPU+FPGA這種異構處理器組合被越來越多的人所看好。

            還有一種技術選擇我們不得不提一下,那就是ASIC。
            單從性能上講,為特定網絡數據加速目的而制造的專用ASIC芯片無疑在吞吐量、延遲、功耗方面都是最具競爭力的,但是有兩個因素使其被數據中心用戶拒之門外。
            一是ASIC的研發和流片成本越來越高,除非有足夠的規模,否則經濟性上沒有優勢;
            二是一旦數據處理任務需求發生變化,功能固化的ASIC就“廢”了,而如果使用FPGA則無需擔心這個問題,只要重新編程重新定義器件的功能即可,這對用戶的投資是很有效地保障。
            這就是FPGA在靈活性上的優勢。


            表1,幾種數據處理架構在計算密集型任務中的性能比較

            本帖子中包含更多資源

            您需要 登錄 才可以下載或查看,沒有賬號?我要注冊

            x
            2#
             樓主| lcytms 發表于 2017-7-19 09:15:51 | 只看該作者
            可以說,在異構處理架構中,雖然每種技術都各有千秋,但是FPGA各方面的表現最為均衡,可以令用戶獲得的效益最大化。
            由此也就不難理解一年前Intel為什么樂于花費巨資收購全球排名第二的FPGA廠商Altera,此舉也無疑為FPGA未來在數據中心中的地位做了背書。
            同時,在FPGA行業頭把交椅上的Xilinx近年來的表現也更加活躍和搶眼,橫向合作上與AMD、ARM、華為、IBM、Mellanox、高通等共推開放式的數據加速架構,打造生態鏈;
            縱向上接連綁定亞馬遜、百度等互聯網巨頭,讓FPGA在人工智能、視頻處理、 自然語言處理、金融分析、網絡安全等未來核心數據應用處理領域,坐實其核心的位置。
            顯而易見,大數據之“火”,已經點著了FPGA,誰能抓住機會,誰就能在大數據的熱潮中火一把。

            圖1,Xilinx的FPGA被用于百度數據中心,未來會對百度的無人駕駛汽車提供支撐

            本帖子中包含更多資源

            您需要 登錄 才可以下載或查看,沒有賬號?我要注冊

            x
            3#
            芙蓉王 發表于 2017-7-19 09:32:51 | 只看該作者
            這篇文章讓很多人看清楚了很多東西
            4#
             樓主| lcytms 發表于 2017-7-21 16:11:39 | 只看該作者
            大數據之“火”,已經點著了FPGA,誰能抓住機會,誰就能在大數據的熱潮中火一把。
            5#
            4798345 發表于 2017-7-21 16:29:36 | 只看該作者
            感謝樓主分享
            6#
            zhiweiqiang33 發表于 2017-7-21 16:38:04 | 只看該作者
            說的還是有點道理的 感謝分享
            7#
            zxopenljx 發表于 2021-3-21 19:11:42 | 只看該作者
            為什么大數據來了,FPGA火了?這篇文章中都說明白了
            8#
            zxopenluyutong 發表于 2021-3-22 09:44:45 | 只看該作者
            為什么大數據來了,FPGA火了?這篇文章中都說明白了
            9#
            lihongkun16 發表于 2021-5-5 08:47:08 | 只看該作者
            為什么大數據來了,FPGA火了?這篇文章中都說明白了
            10#
            雷1314521景 發表于 2022-3-18 19:27:57 | 只看該作者
            為什么大數據來了,FPGA火了?這篇文章中都說明白了
            http://www.curtisappraisalservices.com/forum.php?m ... 4&fromuid=59831
            (出處: fpga論壇|fpga設計論壇)
            您需要登錄后才可以回帖 登錄 | 我要注冊

            本版積分規則

            關閉

            站長推薦上一條 /1 下一條

            QQ|小黑屋|手機版|Archiver|集成電路技術分享 ( 京ICP備20003123號-1 )

            GMT+8, 2023-5-30 06:22 , Processed in 0.069562 second(s), 20 queries .

            Powered by Discuz! X3.4

            © 2001-2023 Discuz! Team.

            快速回復 返回頂部 返回列表
            久久久亚洲
            <dd id="cv9gz"><big id="cv9gz"></big></dd>
          2. <progress id="cv9gz"></progress>

              <tbody id="cv9gz"></tbody>