لا يلزمك أن تكون مصمم شرائح لتتمكن من برمجة FPGA، تمامًا كما لا يلزمك أن تكون مبرمج C++ لتتمكن من كتابة كود Java. ومع ذلك، في كلتا الحالتين، ربما لن يكون هذا الأمر زائدا عن الحاجة.
إن الهدف من تسويق تقنيات Java وFPGA هو دحض الادعاء الأخير. الخبر السار بالنسبة لـ FPGAs هو أنه مع طبقات التجريد وسلسلة الأدوات الصحيحة، أصبح من السهل بشكل متزايد كتابة الخوارزميات وتدفقات البيانات لـ FPGAs على مدار السنوات الـ 35 الماضية، منذ اختراع جهاز المنطق القابل للبرمجة، بدلاً من وحدات المعالجة المركزية أو معالجات الإشارات الرقمية أو وحدات معالجة الرسومات أو أي شكل آخر من ASIC الخاصة.
يتجلى التوقيت المذهل لابتكارها في حقيقة أنه في الوقت الذي لم تعد فيه وحدات المعالجة المركزية قادرة على البقاء وحدة الحوسبة الوحيدة مراكز البيانات في العديد من المهام، ولأسبابٍ مختلفة، حققت معالجات FPGA فعاليتها من خلال توفير أداءٍ عالٍ، وزمن استجابة منخفض، وإمكانات ربط الشبكات، وذاكرة كبيرة، وهي القدرات الحاسوبية المتنوعة لأنظمة FPGA SoC الحديثة، التي تُعدّ أنظمة حاسوبية متكاملة عمليًا. ومع ذلك، تتكامل معالجات FPGA بنجاح مع أجهزة أخرى في أنظمة هجينة، ونرى أنها بدأت للتو في إيجاد مكانتها اللائقة في التسلسل الهرمي للحوسبة.
ولهذا السبب قمنا بتنظيم مؤتمر The Next FPGA Platform في سان خوسيه في 22 يناير. وبطبيعة الحال، فإن أحد الموردين الرئيسيين لـ FPGA في العالم ورائد في هذا المجال هو Xilinx. تحدث إيفو بولسنز، نائب الرئيس الأول والمدير التقني لشركة Xilinx، في المؤتمر وشارك أفكاره اليوم حول كيفية مساعدة Xilinx في إنشاء أنظمة حوسبة قابلة للتغيير في حجم مركز البيانات.
استغرق الأمر بعض الوقت من مهندسي الأنظمة والمبرمجين للوصول إلى مركز بيانات غير متجانس، يضم أنواعًا مختلفة من القدرات الحاسوبية، ويتولى مهام الحوسبة والتخزين والشبكات. يبدو هذا ضروريًا لأن مواكبة قانون مور باستخدام رقائق CMOS المختلفة باتت صعبة بشكل متزايد. في الوقت الحالي، لا تزال لغتنا تتمحور حول وحدة المعالجة المركزية، ولا نزال نتحدث عن "تسريع التطبيقات"، أي أن البرامج تعمل بشكل أفضل مما يمكن إنجازه على وحدة المعالجة المركزية وحدها. في نهاية المطاف، ستصبح مراكز البيانات عبارة عن مجموعات من القدرات الحاسوبية والتخزين والبروتوكولات التي تربط كل شيء معًا، وسنعود إلى مصطلحات مثل "الحوسبة" و"التطبيقات". ستصبح الحوسبة الهجينة أمرًا شائعًا مثل خدمات الحوسبة السحابية اليوم، والتي تعمل على أنظمة تقليدية أو آلة افتراضيةوفي مرحلة ما، سنستخدم ببساطة كلمة "الحوسبة" لوصف عملهم. وفي مرحلة ما - ومن المرجح أن تلعب مصفوفات البوابات المنطقية القابلة للبرمجة دورًا أساسيًا في بدء هذا العصر - سنطلق عليه اسم معالجة البيانات مرة أخرى.
إن إدخال وحدات FPGA إلى مراكز البيانات سيتطلب تغييرًا في طريقة التفكير. "عندما تفكر في طرق لتسريع تطبيقات اليوم، عليك أن تتعمق في أساسيات كيفية تشغيلها، والموارد التي تستخدمها، والمكان الذي تقضي فيه وقتها"، كما يوضح بولسنز. - عليك دراسة المشكلة العامة التي تحاول حلها. تتوسع العديد من التطبيقات التي تعمل في مراكز البيانات اليوم لتشغل كميات كبيرة من الموارد. خذ على سبيل المثال التعلم الآلي، والذي يستخدم عددًا كبيرًا من عقد الحوسبة. ولكن عندما نتحدث عن التسارع، يتعين علينا أن نفكر ليس فقط في تسريع الحوسبة، بل أيضًا في تسريع البنية التحتية".
على سبيل المثال، في نوع عمل التعلم الآلي الذي شاهده بولسنز في الممارسة العملية، يتم قضاء حوالي 50% من الوقت في نقل البيانات ذهابًا وإيابًا بين قوة الحوسبة المنتشرة، مع قضاء النصف المتبقي فقط من الوقت في القيام بالحسابات الفعلية.
أعتقد أن FPGAs قادرة على المساعدة في هذا المجال، إذ تُمكّننا من توفير تحسينات في الجوانب الحسابية والبيانية للتطبيق. ويمكننا القيام بذلك على مستوى البنية التحتية العامة، وعلى مستوى الشريحة. تُعد هذه إحدى المزايا الرائعة لـ FPGAs، إذ تسمح بإنشاء شبكات اتصال تُلبي الاحتياجات المُحددة للتطبيق. بالنظر إلى أنماط حركة البيانات النموذجية في أحمال العمل المتعلقة بالذكاء الاصطناعي، لا أرى حاجةً إلى بنية مُعقدة قائمة على التبديل. من المُمكن بناء شبكة ذات تدفق بيانات كبير. وينطبق الأمر نفسه على مهام تدريب الشبكات العصبية - يُمكنك بناء شبكة شبكية بأحجام حزم تتكيف مع مهمة مُحددة. باستخدام FPGAs، يُمكن تصميم بروتوكولات نقل البيانات وطوبولوجيا الدوائر بدقة عالية وتصميمها خصيصًا لتطبيق مُحدد. وفي حالة التعلم الآلي، من الواضح أيضًا أننا لسنا بحاجة إلى أرقام فاصلة عائمة ذات دقة مُضاعفة، ويمكننا تعديل ذلك أيضًا.
الفرق بين FPGA ووحدة المعالجة المركزية أو ASIC المتخصصة هو أن الأخيرة يتم برمجتها في المصنع، وبعد ذلك لا يمكنك تغيير رأيك حول أنواع البيانات التي يتم حسابها أو العناصر التي يتم حسابها، أو طبيعة تدفق البيانات عبر الجهاز. تتيح لك وحدات FPGA تغيير رأيك إذا تغيرت ظروف التشغيل لديك.
في الماضي، كانت هذه الميزة تأتي بتكلفة عندما لم تكن برمجة FPGA مخصصة للأشخاص ضعيفي القلوب. هناك حاجة إلى فتح مُجمِّعي FPGA بحيث يتكاملون بشكل أفضل مع الأدوات التي يستخدمها المبرمجون لكتابة تطبيقات وحدة المعالجة المركزية المتوازية في C أو C++ أو Python، ولتخفيف بعض العمل إلى المكتبات التي تعمل على تسريع الروتينات على FPGAs. هذا هو ما تفعله مجموعة التعلم الآلي Vitis، والتي تشكل الأساس لمنصات التعلم الآلي مثل Caffe و TensorFlow، ولديها مكتبات لتشغيل نماذج الذكاء الاصطناعي العادية أو إضافة قدرات FPGA إلى مهام مثل تحويل الفيديو، والتعرف على كائنات الفيديو، وتحليلات البيانات، وإدارة المخاطر المالية، وأي مكتبات تابعة لجهات خارجية.
لا يختلف المفهوم كثيرًا عن مشروع CUDA الخاص بشركة Nvidia، والذي تم إطلاقه قبل عشر سنوات، والذي ينقل الحوسبة المتوازية إلى مسرعات وحدة معالجة الرسومات، أو مجموعة أدوات ROCm الخاصة بشركة AMD، أو وعد مشروع OneAPI الخاص بشركة Intel، والذي سيعمل عبر وحدات المعالجة المركزية ووحدات معالجة الرسومات ووحدات FPGA.
السؤال الوحيد هو كيف سيتم ربط كل هذه الأدوات معًا حتى يتمكن أي شخص من برمجة مجموعة قوة الحوسبة التي يريدها. وهذا مهم لأن وحدات FPGA أصبحت أكثر تعقيدًا، وأكثر تعقيدًا بكثير من أي وحدة معالجة مركزية متاحة. يتم تصنيعها باستخدام أحدث عمليات التصنيع وأحدث تقنيات تغليف الرقائق. وسوف يجدون مكانهم المناسب، لأننا لم نعد قادرين على إهدار الوقت والمال والطاقة والذكاء - كل هذه الموارد باهظة الثمن.
ويقول بولسنز: "تقدم FPGA مزايا تكنولوجية". - وهذا ليس مجرد إعلان معتاد حول القدرة على التكيف وإعادة التشكيل. في جميع التطبيقات المهمة - التعلم الآلي، وتحليل الرسوم البيانية، والتجارة عالية السرعة، وما إلى ذلك - لديهم القدرة على التكيف مع مهمة محددة ليس فقط مسار توزيع البيانات، ولكن أيضًا بنية الذاكرة - كيفية انتقال البيانات داخل الشريحة. تحتوي وحدات FPGA أيضًا على ذاكرة مدمجة أكبر بكثير من الأجهزة الأخرى. ومن الجدير أيضًا أن نأخذ في الاعتبار أنه إذا لم تكن المهمة مناسبة لـ FPGA واحدة، فيمكنك توسيع نطاقها إلى عدة شرائح دون مواجهة العيوب التي تنتظرك عند توسيع نطاق المهام إلى عدة وحدات معالجة مركزية أو وحدات معالجة رسومية.
المصدر: www.habr.com
