數(shù)據(jù)正在成為人類(lèi)社會(huì)進(jìn)步新的驅(qū)動(dòng)力。有專(zhuān)家預(yù)測(cè)，未來(lái)5年中國(guó)大數(shù)據(jù)產(chǎn)業(yè)規(guī)模年均增長(zhǎng)率將超過(guò)50%，到2020年中國(guó)的數(shù)據(jù)總量將占全球數(shù)據(jù)總量比例的20%，成為世界第一數(shù)據(jù)資源大國(guó)和全球數(shù)據(jù)中心。不過(guò)在垂涎于這個(gè)大數(shù)據(jù)盛宴的同時(shí)，我們也面臨著一個(gè)“成長(zhǎng)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(shù)據(jù)？雖然近年來(lái)數(shù)據(jù)中心的數(shù)量也在快速增加，但是面對(duì)數(shù)據(jù)處理任務(wù)指數(shù)級(jí)的增長(zhǎng)，還是需要從更底層的核心硬件架構(gòu)上尋求解決方案。

通用CPU是傳統(tǒng)數(shù)據(jù)中心的核心，不過(guò)由于它是基于指令譯碼執(zhí)行、共享內(nèi)存的經(jīng)典的馮·諾依曼結(jié)構(gòu)， 注定了其可以完成復(fù)雜性的數(shù)據(jù)處理工作，但是處理大量并行的、重復(fù)性的數(shù)據(jù)并非其強(qiáng)項(xiàng)?！岸嗪恕盋PU是一個(gè)應(yīng)對(duì)之策，但仍然無(wú)法擺脫架構(gòu)的限制，加之摩爾定律日益逼近天花板，依托制程工藝的進(jìn)步帶來(lái)性能上的提升，這條路也越來(lái)越不好走。因此異構(gòu)處理器的概念被提出來(lái)，簡(jiǎn)單地說(shuō)，就是將CPU不擅長(zhǎng)的工作卸載到其他更適合的器件中去處理，不同架構(gòu)的數(shù)據(jù)處理器件協(xié)同工作，各司其職，提升效率。在異構(gòu)數(shù)據(jù)處理中，究竟誰(shuí)適合與CPU“相加”，業(yè)界有不同的思路，通常吞吐率、延遲、功耗和靈活性會(huì)被作為評(píng)估的基本標(biāo)準(zhǔn)。

在異構(gòu)處理器中，“CPU+GPU”是一個(gè)重要選項(xiàng)。GPU采用SIMD（單指令流多數(shù)據(jù)流）的方式讓多個(gè)執(zhí)行單元以同樣的步調(diào)處理不同的數(shù)據(jù)，大大提升了并行數(shù)據(jù)處理的能力，在計(jì)算密集型任務(wù)中可堪重用。不過(guò)GPU有一個(gè)“硬傷”，就是在延遲比較高。這是因?yàn)镚PU雖可實(shí)現(xiàn)數(shù)據(jù)并行但是其流水線深度受限，每個(gè)計(jì)算單元處理不同的數(shù)據(jù)包時(shí)，需要按照統(tǒng)一的步調(diào)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(huì)達(dá)到毫秒級(jí)。

要想克服上述問(wèn)題，就需要今天的主角“FPGA”出場(chǎng)了。FPGA是一種可編程邏輯器件，可以根據(jù)需要通過(guò)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(shù)據(jù)處理架構(gòu)，每個(gè)邏輯單元的功能都是定義好的，無(wú)需指令就可完成工作，也不需要復(fù)雜的共用內(nèi)存的調(diào)度和裁判，擺脫了馮·諾依曼架構(gòu)的牽絆。在延時(shí)方面，F(xiàn)PGA的優(yōu)勢(shì)尤為明顯，其不但可以實(shí)現(xiàn)數(shù)據(jù)并行，還可以實(shí)現(xiàn)流水線并行，流水線的不同級(jí)處理不同的數(shù)據(jù)包，這就使得不同數(shù)據(jù)的處理無(wú)需等待更為便捷，其延時(shí)只有微秒級(jí)。從數(shù)據(jù)吞吐能力上看，新一代FPGA的數(shù)據(jù)處理加速能力理論上已經(jīng)可以與GPU比肩。同時(shí)拜不斷進(jìn)步的半導(dǎo)體工藝所賜，F(xiàn)PGA器件的功率也控制得很好。所以CPU+FPGA這種異構(gòu)處理器組合被越來(lái)越多的人所看好。

還有一種技術(shù)選擇我們不得不提一下，那就是ASIC。單從性能上講，為特定網(wǎng)絡(luò)數(shù)據(jù)加速目的而制造的專(zhuān)用ASIC芯片無(wú)疑在吞吐量、延遲、功耗方面都是最具競(jìng)爭(zhēng)力的，但是有兩個(gè)因素使其被數(shù)據(jù)中心用戶(hù)拒之門(mén)外：一是ASIC的研發(fā)和流片成本越來(lái)越高，除非有足夠的規(guī)模，否則經(jīng)濟(jì)性上沒(méi)有優(yōu)勢(shì)；二是一旦數(shù)據(jù)處理任務(wù)需求發(fā)生變化，功能固化的ASIC就“廢”了，而如果使用FPGA則無(wú)需擔(dān)心這個(gè)問(wèn)題，只要重新編程重新定義器件的功能即可，這對(duì)用戶(hù)的投資是很有效地保障。這就是FPGA在靈活性上的優(yōu)勢(shì)。

表1，幾種數(shù)據(jù)處理架構(gòu)在計(jì)算密集型任務(wù)中的性能比較

可以說(shuō)，在異構(gòu)處理架構(gòu)中，雖然每種技術(shù)都各有千秋，但是FPGA各方面的表現(xiàn)最為均衡，可以令用戶(hù)獲得的效益最大化。由此也就不難理解一年前Intel為什么樂(lè)于花費(fèi)巨資收購(gòu)全球排名第二的FPGA廠商Altera，此舉也無(wú)疑為FPGA未來(lái)在數(shù)據(jù)中心中的地位做了背書(shū)。同時(shí)，在FPGA行業(yè)頭把交椅上的Xilinx近年來(lái)的表現(xiàn)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(kāi)放式的數(shù)據(jù)加速架構(gòu)，打造生態(tài)鏈；縱向上接連綁定亞馬遜、百度等互聯(lián)網(wǎng)巨頭，讓FPGA在人工智能、視頻處理、 自然語(yǔ)言處理、金融分析、網(wǎng)絡(luò)安全等未來(lái)核心數(shù)據(jù)應(yīng)用處理領(lǐng)域，坐實(shí)其核心的位置。顯而易見(jiàn)，大數(shù)據(jù)之“火”，已經(jīng)點(diǎn)著了FPGA，誰(shuí)能抓住機(jī)會(huì)，誰(shuí)就能在大數(shù)據(jù)的熱潮中火一把。

圖1，Xilinx的FPGA被用于百度數(shù)據(jù)中心，未來(lái)會(huì)對(duì)百度的無(wú)人駕駛汽車(chē)提供支撐

圖2，騰訊推出的FPGA云服務(wù)器，可為用戶(hù)提供FPGA云租用服務(wù)