डेटा केन्द्रहरूमा FPGA प्रवेशको अपरिहार्यता

तपाईं FPGA हरूका लागि प्रोग्राम गर्न चिप डिजाइनर हुनु आवश्यक छैन, जस्तै तपाईं जाभामा कोड लेख्नको लागि C++ प्रोग्रामर हुनु आवश्यक छैन। यद्यपि, दुवै अवस्थामा यो सम्भवतः उपयोगी हुनेछ।

जाभा र FPGA प्रविधिहरू दुवैको व्यापारीकरण गर्ने लक्ष्य पछिल्लो दावीलाई खण्डन गर्नु हो। FPGAs को लागि खुसीको खबर - प्रोग्रामेबल तर्क यन्त्रको आविष्कार पछि 35 वर्षमा सही एब्स्ट्रेक्शन लेयरहरू र टूलसेट प्रयोग गरेर, CPUs, DSPs, GPUs वा अनुकूलन ASIC को अन्य कुनै पनि रूपको सट्टा FPGAs को लागि एल्गोरिदम र डेटा प्रवाहहरू सिर्जना गरिएको छ। बढ्दो सामान्य। सजिलो।

तिनीहरूको सिर्जनाको अद्भुत समयबद्धता यस तथ्यमा प्रस्ट हुन्छ कि CPUs ले धेरै कार्यहरू गर्नको लागि डाटा केन्द्रहरूको एक मात्र कम्प्युटिङ मोड्युल रहन सकेन - विभिन्न कारणहरूका लागि - FPGAs ले तिनीहरूको प्रभावकारिता हासिल गर्यो, गति, कम विलम्बता, नेटवर्किङ क्षमताहरू प्रदान गर्दै। र मेमोरी - आधुनिक FPGA SoCs को विषम कम्प्युटिङ क्षमताहरू, जुन लगभग पूर्ण कम्प्युटिङ प्रणालीहरू हुन्। यद्यपि, FPGA हरू पनि हाइब्रिड प्रणालीहरूमा अन्य उपकरणहरूसँग सफलतापूर्वक जोडिएका छन्, र, हाम्रो विचारमा, तिनीहरूले भर्खरै कम्प्युटिङ पदानुक्रममा आफ्नो सही स्थान खोज्न थालेका छन्।

त्यसैले हामीले जनवरी २२ मा सान जोसमा अर्को FPGA प्लेटफर्म सम्मेलन आयोजना गर्यौं। स्वाभाविक रूपमा, विश्वको मुख्य FPGA आपूर्तिकर्ताहरू मध्ये एक र यस क्षेत्रमा अग्रगामी Xilinx हो। Ivo Bolsens, वरिष्ठ उपाध्यक्ष र Xilinx का प्रमुख टेक्नोलोजी अधिकारी, सम्मेलनमा बोले र Xilinx ले डाटा केन्द्रहरूको लागि परिवर्तनीय कम्प्युटिङ प्रणालीहरू सिर्जना गर्न कसरी मद्दत गरिरहेको छ भनेर आज हामीलाई आफ्ना विचारहरू दिए।

यसले प्रणाली आर्किटेक्टहरू र प्रोग्रामरहरूलाई एक विषम डाटा केन्द्रको साथ आउन धेरै समय लियो, जसले कम्प्युटिङ, भण्डारण र नेटवर्किङमा समस्याहरू समाधान गर्ने विभिन्न प्रकारका कम्प्युटर पावरहरू प्रस्तुत गर्नेछ। विभिन्न CMOS यन्त्रहरू प्रयोग गरेर मूरको कानून पछ्याउन यो झन् कठिन हुँदै गइरहेको तथ्यको कारणले यो आवश्यक देखिन्छ। अहिलेको लागि, हाम्रो भाषा अझै पनि CPU-केन्द्रित छ, र हामी अझै पनि "एप्लिकेशन एक्सेलेरेसन" को बारेमा कुरा गर्छौं, जसको अर्थ CPU मा एक्लै गर्न सकिने भन्दा राम्रो कार्यक्रमहरू चलाउन सकिन्छ। समय बित्दै जाँदा, डाटा केन्द्रहरू कम्प्युटिङ पावर, डाटा भण्डारण, र सबै कुरालाई एकसाथ जोड्ने प्रोटोकलहरूको सङ्ग्रह बन्नेछन्, र हामी "कम्प्युटिङ" र "एप्लिकेशनहरू" जस्ता सर्तहरूमा फर्कनेछौं। हाइब्रिड कम्प्युटिङ डेस्कटप वा भर्चुअल मेसिनहरूमा चलिरहेको आजको क्लाउड सेवाहरू जस्तै सामान्य बन्नेछ, र कुनै बिन्दुमा हामी तिनीहरूले कसरी काम गर्छन् भनेर वर्णन गर्न "कम्प्युटिङ" शब्द प्रयोग गर्नेछौं। केहि बिन्दुमा - र यो सम्भव छ कि FPGAs ले यस युगमा प्रवेश गर्न मद्दत गर्नेछ - हामी यसलाई फेरि डेटा प्रशोधन भन्नेछौं।

डेटा केन्द्रहरूमा FPGA हरू अपनाउने मानसिकतामा परिवर्तन आवश्यक हुनेछ। "आजका अनुप्रयोगहरू गति बढाउने तरिकाहरू बारे सोच्दा, तपाईंले तिनीहरू कसरी चल्छन्, कुन स्रोतहरू प्रयोग गरिन्छ, समय कहाँ खर्च गरिन्छ भन्ने आधारभूत कुराहरूमा जानुपर्छ," बोलसेन्स बताउँछन्। - तपाईंले समाधान गर्न खोज्नु भएको सामान्य समस्याको अध्ययन गर्न आवश्यक छ। आज डाटा केन्द्रहरूमा चलिरहेका धेरै अनुप्रयोगहरूले ठूलो मात्रामा स्रोतहरू खपत गर्न मापन गर्छन्। उदाहरणका लागि, मेसिन लर्निङ लिनुहोस्, जसले कम्प्युटिङ नोडहरूको ठूलो संख्या प्रयोग गर्दछ। तर जब हामी प्रवेगको बारेमा कुरा गर्छौं, हामीले कम्प्युटिङको गति बढाउने मात्र होइन, पूर्वाधारको गति बढाउने बारेमा पनि सोच्नुपर्छ।"

उदाहरणका लागि, बोलसेन्सले अभ्यासमा अध्ययन गरेको मेशिन लर्निङ अपरेसनहरूको प्रकारमा, लगभग 50% समय फैलिएको कम्प्युटिङ पावरको बीचमा डेटा स्थानान्तरण गर्न खर्च हुन्छ, र बाँकी आधा समय मात्र गणनामा खर्च हुन्छ।

"यहाँ मलाई लाग्छ कि FPGA ले मद्दत गर्न सक्छ, किनकि हामी यो सुनिश्चित गर्न सक्छौं कि एप्लिकेसनको कम्प्यूटेशनल र संचार पक्षहरू अनुकूलित छन्। र हामी यसलाई समग्र पूर्वाधार स्तरमा र चिप स्तरमा गर्न सक्छौं। यो FPGAs को ठूलो फाइदाहरू मध्ये एक हो, तपाईंलाई विशेष अनुप्रयोग आवश्यकताहरूको लागि सञ्चार नेटवर्कहरू सिर्जना गर्न अनुमति दिँदै। AI वर्कलोडहरूमा डेटा आन्दोलनको विशिष्ट ढाँचाहरूमा आधारित, मैले जटिल स्विच-आधारित वास्तुकलाको आवश्यकता देख्दिन। तपाईं ठूलो डाटा प्रवाह संग नेटवर्क निर्माण गर्न सक्नुहुन्छ। यो नै तंत्रिका सञ्जाल प्रशिक्षण कार्यहरूमा लागू हुन्छ - तपाइँ प्याकेट आकारहरूसँग जाल नेटवर्क बनाउन सक्नुहुन्छ जुन एक विशेष कार्यमा अनुकूल हुन्छ। FPGA को प्रयोग गरेर, डाटा ट्रान्सफर प्रोटोकल र सर्किट टोपोलोजीहरू धेरै सटीक रूपमा मापन गर्न सकिन्छ र एक विशेष अनुप्रयोगको लागि अनुकूल गर्न सकिन्छ। र मेसिन लर्निङको मामलामा, यो पनि स्पष्ट छ कि हामीलाई डबल-परिशुद्धता फ्लोटिंग पोइन्ट नम्बरहरू आवश्यक पर्दैन, र हामी यसलाई पनि समायोजन गर्न सक्छौं।"

FPGA र CPU वा अनुकूलन ASIC बीचको भिन्नता यो हो कि पछिल्लो फ्याक्ट्रीमा प्रोग्राम गरिएको छ, र त्यस पछि तपाईले डेटाको प्रकारहरू गणना गरिँदैछ वा तत्वहरू गणना गरिँदै छ, वा डेटाको प्रकृतिको बारेमा आफ्नो मन परिवर्तन गर्न सक्नुहुन्न। उपकरण मार्फत प्रवाह। FPGA ले तपाईंलाई आफ्नो मन परिवर्तन गर्न अनुमति दिन्छ यदि अपरेटिङ अवस्थाहरू परिवर्तन हुन्छ।

विगतमा, यो लाभ लागतमा आयो, जब FPGA प्रोग्रामिंग हृदयको बेहोशको लागि थिएन। C, C++, वा पाइथनमा CPU-समानान्तर अनुप्रयोगहरू लेख्नका लागि प्रोग्रामरहरूले प्रयोग गर्ने उपकरणहरूसँग राम्रोसँग एकीकृत गर्न FPGA कम्पाइलरहरू खोल्न र FPGA मा प्रक्रियाहरूलाई गति दिने पुस्तकालयहरूमा केही काम आउटसोर्स गर्न आवश्यक छ। यो Vitis मेसिन लर्निङ स्ट्याकले गर्छ, क्याफे र टेन्सरफ्लो जस्ता ML प्लेटफर्महरूलाई पावर गर्दै, परम्परागत AI मोडेलहरू चलाउनको लागि पुस्तकालयहरू वा भिडियो ट्रान्सकोडिङ, भिडियो वस्तु पहिचान, र डेटा विश्लेषण जस्ता कार्यहरूमा FPGA क्षमताहरू थप्ने, वित्तीय जोखिम व्यवस्थापन र कुनै तेस्रो। - पार्टी पुस्तकालयहरू।

यो अवधारणा Nvidia को CUDA प्रोजेक्ट भन्दा धेरै फरक छैन, जुन एक दशक पहिले सुरु गरिएको थियो, जसले GPU एक्सेलेटरहरूमा समानान्तर कम्प्युटिङ अफलोड गर्दछ, वा AMD को ROCm टूलकिटबाट, वा Intel को OneAPI प्रोजेक्टको वाचाबाट, जुन विभिन्न CPUs, GPUs र FPGA मा चल्नु पर्छ।

केवल प्रश्न यो हो कि यी सबै उपकरणहरू कसरी एकसाथ जोडिनेछन् ताकि कुनै पनि व्यक्तिले आफ्नो विवेकमा कम्प्युटिङ शक्तिहरूको सेट प्रोग्राम गर्न सक्छ। यो महत्त्वपूर्ण छ किनभने FPGA हरू कुनै पनि उपलब्ध CPU हरू भन्दा धेरै जटिल भएका छन्। तिनीहरू सबैभन्दा उन्नत उत्पादन प्रक्रियाहरू र सबैभन्दा आधुनिक चिप प्याकेजिङ प्रविधिहरू प्रयोग गरेर निर्मित छन्। र तिनीहरूले आफ्नो ठाउँ भेट्टाउनेछन्, किनकि हामी अब समय, पैसा, ऊर्जा र बुद्धि बर्बाद गर्न सक्दैनौं - यी सबै धेरै महँगो स्रोतहरू छन्।

"FPGAs ले प्राविधिक फाइदाहरू प्रदान गर्दछ," बोलसेन्स भन्छन्। - र यो अनुकूलनता र पुन: कन्फिगरेबिलिटीको बारेमा सामान्य विज्ञापन मात्र होइन। सबै महत्त्वपूर्ण अनुप्रयोगहरूमा - मेसिन लर्निङ, ग्राफ विश्लेषण, उच्च-गति व्यापार, आदि। - तिनीहरूसँग डेटा वितरण पथ मात्र होइन, तर मेमोरी आर्किटेक्चर पनि - डेटा चिप भित्र कसरी सर्छ भन्ने विशेष कार्यमा अनुकूलन गर्ने क्षमता छ। FPGA हरूमा अन्य यन्त्रहरू भन्दा धेरै मेमोरी बनाइएको छ। यो पनि ध्यानमा राख्नु पर्छ कि यदि कुनै कार्य एउटै FPGA मा फिट हुँदैन भने, तपाईले धेरै CPUs वा GPU हरूमा कार्यहरू स्केल गर्दा तपाईलाई पर्खने हानिहरूको सामना नगरी धेरै चिपहरूमा मापन गर्न सक्नुहुन्छ।"

स्रोत: www.habr.com