關(guān)鍵詞：
內(nèi)核架構(gòu)
摘要：在整個嵌入式領(lǐng)域，“更多內(nèi)核”已經(jīng)成為設(shè)計趨勢，一些硬件架構(gòu)可以提供數(shù)十個內(nèi)核，有些架構(gòu)中的內(nèi)核甚至多達(dá)上千個。然而，多內(nèi)核設(shè)計在軟件方面仍存在諸多挑戰(zhàn)，在不同架構(gòu)間進(jìn)行應(yīng)用程序的移植并不容易。
在低端嵌入式領(lǐng)域，單內(nèi)核解決方案仍然存在。通過采用速度更快或帶寬更寬的處理器仍有可能提升系統(tǒng)的功能和性能曲線。在高端領(lǐng)域，多內(nèi)核是必然的發(fā)展方向。這正是雙精度浮點算法經(jīng)常出現(xiàn)并在超級計算機(jī)中長盛不衰的原因。事實上，臺式機(jī)和機(jī)架安裝系統(tǒng)(比如Nvidia的產(chǎn)品)正在將這種處理能力普及化。
在討論軟件和多內(nèi)核架構(gòu)時經(jīng)常提及的另一個問題是虛擬化。并不是所有多內(nèi)核平臺都支持虛擬化，但虛擬化確實能帶來更好的機(jī)會。雖然虛擬化使得硬件設(shè)計面臨更多的挑戰(zhàn)，但它通常能簡化軟件和應(yīng)用管理。
SMP服務(wù)器
Xeon Nehalem-EX是Intel公司提供的頂級8內(nèi)核對稱多處理(SMP)平臺。像8芯片、64內(nèi)核系統(tǒng)這樣的多芯片解決方案，通常采用高速 QuickPath點到點互連技術(shù)將處理器和外設(shè)控制器鏈接在一起(圖1)。使用過帶HyperTransport鏈路的AMD Opteron處理器的工程師，對這種架構(gòu)非常熟悉。在這兩種情況下，最簡單的配置是單個處理器通過單條高速鏈路鏈接到單個外設(shè)控制器。
除了提供分布式內(nèi)存子系統(tǒng)外，Intel和AMD還實現(xiàn)了連貫緩沖非統(tǒng)一內(nèi)存尋址(ccNUMA)技術(shù)。每個處理器芯片都有自己的內(nèi)存控制器以及一級、二級和三級緩存。任何芯片都可以使用高速鏈路訪問其它任何芯片中的內(nèi)存。當(dāng)然，離請求者越遠(yuǎn)的數(shù)據(jù)訪問時間越長。這些高速鏈路也被用于消費設(shè)備，但只有到 I/O中心的單條鏈路是必需的。換句話說，在共享內(nèi)存訪問時服務(wù)器將在處理器芯片間產(chǎn)生顯著的流量。芯片至芯片流量和緩存管理是高效操作的關(guān)鍵。
HT Assist是AMD最新推出的Istanbul Opteron處理器的一個重要功能，它通過優(yōu)化內(nèi)存請求和響應(yīng)過程來盡量減少相關(guān)事務(wù)處理的數(shù)量，進(jìn)而釋放出大量帶寬用于處理其它業(yè)務(wù)(圖2)。HT Assist實際上會跟蹤數(shù)據(jù)在內(nèi)核和緩存間的移動，允許請求得到具有所需數(shù)據(jù)的最近內(nèi)核的服務(wù)。
最壞的情況是擁有片外存儲器空間的芯片必須從片外存儲器訪問數(shù)據(jù);最好的情況是發(fā)現(xiàn)數(shù)據(jù)正好位于運行著需要這個數(shù)據(jù)的線程的芯片緩存中;中間情況是內(nèi)核從相鄰芯片的緩存中獲取數(shù)據(jù)。使用虛擬化和緩存技術(shù)后系統(tǒng)將變得更加復(fù)雜，并導(dǎo)致數(shù)據(jù)延時更加難以確定。這在確定性嵌入式應(yīng)用中可能是個問題，但在大多數(shù)服務(wù)器應(yīng)用中問題并不十分明顯，因為這種情況下的速度比精細(xì)的確定性更加重要。
編程人員現(xiàn)在都在使用這些平臺，因為它們能大大簡化編程任務(wù)。同樣，應(yīng)用程序可以使用越來越多的內(nèi)核，前提是應(yīng)用程序可高效地利用充足的線程。高效使用多內(nèi)核系統(tǒng)并不像表面看起來那么容易。緩存大小和應(yīng)用程序工作數(shù)據(jù)集中的參考位置會影響特定算法的運行效果。
AMP應(yīng)用處理器
對稱處理(SMP)架構(gòu)對許多嵌入式應(yīng)用來說非常有用，但非對稱多處理(AMP)也有它的用武之地。AMP配置在很多地方都可以看到，從TI的OMAP(開放多媒體應(yīng)用平臺)到飛思卡爾的P4080 QorIQ都有AMP的身影(圖3)。
TI的OMAP 44xx平臺整合了ARM Cortex-A9、PowerVR SGX 540 GPU、C64x DSP和圖像信號處理器。每個內(nèi)核有專門的功能，處理器之間的通信不是對稱的。OMAP只工作在AMP模式，而P4080的內(nèi)核是SMP系統(tǒng)，但也能夠?qū)?nèi)核劃分為AMP模式。8內(nèi)核芯片可以像8個獨立內(nèi)核那樣運行，在許多配置中也可以聯(lián)合起來使用(如一對雙內(nèi)核SMP子系統(tǒng)，或四個單內(nèi)核子系統(tǒng))。
OMAP和P4080在高層架構(gòu)的主要區(qū)別是OMAP功能是固定的，內(nèi)核針對各自的事務(wù)做了優(yōu)化。這將使編程容易得多，因為可以根據(jù)匹配功能將應(yīng)用程序劃分到特定內(nèi)核。
每個子系統(tǒng)的性能水平受架構(gòu)的限制，但P4080可以調(diào)整劃分方案，雖然劃分通常是在系統(tǒng)啟動時完成的。系統(tǒng)設(shè)計師可以調(diào)整P4080中內(nèi)核的分配，前提是有足夠多的內(nèi)核。市場上也有內(nèi)核數(shù)量較少的QorIQ平臺，因此可以選用更經(jīng)濟(jì)的芯片。
IBM的Cell處理器填補了中間的空白。它采用了1個64位的Power內(nèi)核和8個增效處理單元(SPE)。所有SPE都是相同的(每個有256KB的內(nèi)存)，它們工作在隔離狀態(tài)，這與上述討論的共享內(nèi)存SMP系統(tǒng)有所不同。SPE內(nèi)沒有緩存，也不支持虛擬內(nèi)存。
對軟硬件設(shè)計來說，這種方式既有優(yōu)點又有缺點。優(yōu)點為是簡化了硬件實現(xiàn)，但從多個角度看都使軟件復(fù)雜化了。例如，內(nèi)存管理受應(yīng)用程序控制，就像內(nèi)核間的通信一樣。數(shù)據(jù)在能夠操作之前必須要移進(jìn)SPE的本地內(nèi)存。完全開發(fā)Cell這樣的架構(gòu)很花時間，因為它們有別于更傳統(tǒng)的SMP或AMP平臺。多年來在像索尼的PlayStation 3這樣的基于Cell的平臺上所作的軟件改進(jìn)突顯了編程技術(shù)和經(jīng)驗的變化。
GPU等專用處理器
改變編程技術(shù)是使用圖形處理單元(GPU)是否成功的關(guān)健。來自ATI和Nvidia等公司的GPU在單個芯片內(nèi)有上百個內(nèi)核，這些GPU可以被整合進(jìn)多芯片解決方案，向開發(fā)人員提供上千個內(nèi)核。例如，集成進(jìn)1U機(jī)箱的4個Nvidia Tesla T10就可以提供960個內(nèi)核(圖4)。
對Tesla或其它任何兼容的Nvidia GPU芯片進(jìn)行編程都極具挑戰(zhàn)性，但類似Nvidia的CUDA這樣的架構(gòu)或基于CUDA的運行時利用可以使工作變得更加輕松。部分挑戰(zhàn)來自于 Nvidia GPU的單指令、多線程(SIMT)架構(gòu)。與許多高性能系統(tǒng)一樣，這種GPU喜歡處理數(shù)組數(shù)據(jù)。對許多應(yīng)用來說這是不錯的選擇，但并非都是這樣，這正是 GPU經(jīng)常要與多內(nèi)核CPU匹配的原因之一。
本文引用地址：http://www.eepw.com.cn/article/201609/303646.htm
另一種并行編程架構(gòu)，CUDA和OpenCL(開放計算語言)，則完全匹配GPU方法(使用與主處理器分開的存儲器)。這意味著數(shù)據(jù)在能被操作之前必須從一個地方移動到另一個地方。C編程語言有一定擴(kuò)展，但也有限制。例如，它是自由遞歸的，不支持函數(shù)指針。其中一些限制源自SIMT方法。
許多應(yīng)用程序使用CUDA，但與傳統(tǒng)SMP平臺相比，性能增益有很大的變化，從2倍到100倍不等。造成這種變化的原因是，線程以32為組運行時的效率最高。分支不影響性能，前提是32線程組在同一分支內(nèi)。
像GPU這樣的專用處理器，其采用的方案是同時提供圖形和多內(nèi)核處理。另外一種方案是使用許多傳統(tǒng)內(nèi)核，如Intel的Larrabee(圖5)。Larrabee使用專門針對矢量處理優(yōu)化過的x86兼容內(nèi)核。
從某種角度看，Larrabee有點類似于IBM的Cell處理器。Larrabee內(nèi)核只有32KB的一級緩存和256KB的二級緩存可以訪問。如果數(shù)據(jù)不在緩存中，必須從內(nèi)存控制器或系統(tǒng)中的另一個緩存中申請，然后數(shù)據(jù)被放進(jìn)內(nèi)核的緩存中，再由應(yīng)用程序繼續(xù)處理。
環(huán)形總線用于內(nèi)核和控制器之間的通信。IBM的Cell單元互連總線(EIB)也是一種環(huán)形總線，連接著 SPE和內(nèi)存控制器以及外設(shè)接口。從編程角度看，Larabee的緩存和Cell的SRAM有很大的差異。誠然，對編程人員來說，Larrabee看起來更像是一組連貫緩存的x86處理器。由于其GPU定位，編程人員可以充分利用它對DirectX和OpenGL的支持。
多內(nèi)核聯(lián)網(wǎng)
多內(nèi)核芯片也是網(wǎng)絡(luò)基礎(chǔ)設(shè)施中的常見元件。處理10Gps的網(wǎng)絡(luò)對多內(nèi)核芯片來說本身就是很大的挑戰(zhàn)。分析和處理來自線速網(wǎng)絡(luò)連接的數(shù)據(jù)需要大量的處理資源。
Netronome的NFP-3200網(wǎng)絡(luò)流量處理器包含40個1.4GHz的內(nèi)核，每個內(nèi)核可以運行8個線程，因此1個芯片總共可提供320個基于硬件的線程。這個數(shù)量級與GPU相同，但這些處理器主要用于數(shù)據(jù)包處理。
與IBM的Cell一樣，NFP-3200也有一個主CPU型控制器，而且是一個ARM11內(nèi)核。NFP-3200的40個內(nèi)核也叫做微引擎，兼容 Intel的IXP28xx架構(gòu)，主要用于網(wǎng)絡(luò)處理。這種兼容性很重要，因為大量代碼是針對這種架構(gòu)開發(fā)的。較老的芯片具有較少的內(nèi)核，因此在某種意義上 NFP-3200提供的是相同解決方案。
當(dāng)然，為解決問題而簡單地采用更多的內(nèi)核只是其中一種措施。Netronome作了大量改進(jìn)，例如支持TCP任務(wù)卸載的增強(qiáng)型微模塊。互連速度也更高了，內(nèi)核之間的運行速度高達(dá)44Gbps。
Netronome芯片擁有大量的專用處理器，其中包括了用于處理各種安全協(xié)議的加密系統(tǒng)。Netronome的PCI Express接口支持x86處理器經(jīng)常使用的I/O虛擬化功能。它能被移動到NFP-3200旁邊，而不是被另外一條網(wǎng)絡(luò)鏈路隔開。
與其它多內(nèi)核芯片相比，編程NFP-3200通常沒有太大問題，因為針對IXP28xx系列有大量現(xiàn)成代碼。另外，Netronome提供庫，這使得網(wǎng)絡(luò)處理應(yīng)用程序的創(chuàng)建更像是模塊的堆疊。
Cavium的Octeon II是一種更傳統(tǒng)的SMP多內(nèi)核設(shè)計，有2到6個64位 MIPS64內(nèi)核，它們通過一個交叉開關(guān)相連。與Netronome芯片一樣，Octeon II是針對網(wǎng)絡(luò)和存儲設(shè)備設(shè)計的。
Octeon II還有一個RAID 5/6加速器以及用于數(shù)據(jù)包檢查的正則表達(dá)式超有限時序機(jī)(HFA)。編程Octeon II與編程大多數(shù)SMP系統(tǒng)相仿。Octeon II可以運行諸如Linux的操作系統(tǒng)。
其它多內(nèi)核架構(gòu)
采用更激進(jìn)的多內(nèi)核架構(gòu)會增加編程事務(wù)，但它能為開發(fā)人員開啟利用新架構(gòu)的機(jī)會。IntellaSys的SeaFORTH 40C18就屬于這種類型(圖6)。它本身的編程語言是VentrueForth，指令長度實際上是5位，4個指令可以壓縮為單個18位的字(一個指令只有3位長)。40C18有40個內(nèi)核，它們有相同的處理單元，并且都有64個字的RAM和64個字的ROM。
與具有更多存儲空間的芯片(如Intel的Larrabee或IBM的Cell)相比，對40C18進(jìn)行編程顯然有很大的區(qū)別。40C18內(nèi)核的功耗不到9mW，而其它兩種芯片在沒有大散熱器或風(fēng)扇的情況下都無法正常工作。40C18設(shè)計用于嵌入式甚至移動應(yīng)用。
對大多數(shù)開發(fā)人員來說，對40C18進(jìn)行編程將是不同的體驗，這不僅因為Forth是編程語言。每個內(nèi)核的小內(nèi)存容量和矩陣互連改變了程序設(shè)計方法。內(nèi)核通常運行將數(shù)據(jù)傳送到一個或多個相鄰內(nèi)核的小型函數(shù)，因此協(xié)同編程將是大勢所趨。
即使外部存儲器訪問也要求三個內(nèi)核一起工作，當(dāng)有許多內(nèi)核可以一起工作時這種方法很管用。40C18還有一種獨特的能力，它能將4個指令組成的小程序用一個字發(fā)送給相鄰內(nèi)核執(zhí)行，因此就有足夠的空間執(zhí)行塊傳送。
XMOS公司的XS1-G4是一種基于32位整數(shù)Xcores的有趣混合產(chǎn)品。每個Xcore可以處理大量不同的線程，同時還有一個基于硬件的事件系統(tǒng)幫助XMOS的軟外設(shè)。與40C18一樣，XS1-G4可以在I/O端口上等待。區(qū)別是XS1-G4處理多個線程，而IntellaSys芯片處理單個線程。
開發(fā)人員可以使用C語言的擴(kuò)展版本XC發(fā)揮XMOS硬件的最大功效。C語言擴(kuò)展提供了到硬件支持的快捷路徑，其中也包括 Xlinks。Xlinks連接芯片中的4個內(nèi)核，并提供4個片外鏈路，因此可以連接多個芯片。芯片內(nèi)部使用一個開關(guān)用于Xlink連接，但硬件和軟件為處理器間通信提供統(tǒng)一接口。
每個內(nèi)核有64KB的內(nèi)存，這個容量比40C18大，但比本文提到的一些更高性能的芯片的內(nèi)存容量小。同樣，對大部分應(yīng)用代碼來說這個容量是足夠用的，并且允許使用更傳統(tǒng)的線程方法進(jìn)行編程。針對XMOS芯片的大部分編程工作很可能用傳統(tǒng)的C或C++完成，而不是用XC，后者更傾向用于通信和外設(shè)處理。
XS1-G4不會向雙精度浮點GPU或其它高端系統(tǒng)提出挑戰(zhàn)，但它的整數(shù)和定點DSP支持使得它適用于其它許多音頻和視頻處理功能。鏈接好的XMOS芯片早已在內(nèi)部用來驅(qū)動多個大屏幕LCD。
多內(nèi)核架構(gòu)還將繼續(xù)保持高速發(fā)展。高效地對這些內(nèi)核進(jìn)行編程和選擇合適的產(chǎn)品并不容易，但它會變得越來越普及，即使是對嵌入式開發(fā)人員而言。傳統(tǒng)應(yīng)用程序?qū)⒉粩嗟匾浦驳狡ヅ洮F(xiàn)有主機(jī)的架構(gòu)上。當(dāng)應(yīng)用程序被重新設(shè)計或從頭創(chuàng)建時，也許會有更好的方案產(chǎn)生。
