FPGA（Field Programmable Gate Array）现场可编程门阵列，作为ASIC领域中的一种半定制电路而出现已有30年的历史了，它既解决了定制电路的无法改变功能的不足，又克服了原有可编程器件门电路数有限的缺点，可应用的场景也很广泛。
\
就在2017年1月20日，腾讯云推出国内首款高性能异构计算基础设施——FPGA云服务，利用云服务的方式将只有大型公司才能长期支付使用的FPGA服务推广到了更多企业。企业可以通过FPGA云服务器进行FPGA硬件编程，可将性能提升至通用CPU服务器的30倍以上。同时，与已经深入人心的高性能计算的代表GPU相比，FPGA具有硬件可编程、低功耗、低延时的特性，代表了高性能计算的未来发展趋势。
\
而在火热的深度学习领域，企业同样可以将FPGA用于深度学习的检测阶段，与主要用于训练阶段的GPU互为补充，FPGA还可应用于金融分析、图像视频处理、基因组学等需要高性能计算的领域，是这类对效率要求高的行业应用的最佳选择。
\
基于此，InfoQ采访了由腾讯云基础产品中心、腾讯架构平台部组成的腾讯云FPGA联合团队，向读者介绍FPGA的基本原理和设计初衷，应用场景以及它给行业带来的价值。
\
腾讯云FPGA的开发历史及背后的团队力量
\
随着芯片制程逼近理论极限，可以预见通用处理器（CPU）性能提升空间越来越有限。而腾讯自己的业务随着移动互联 的快速增长，数据体量的急剧膨胀，伴随着对这些数据的计算需求也在迅猛上涨。腾讯在2013年开始考虑如何解决计算需求的增长，而FPGA作为一种可编程的加速硬件彼时进入了大家的视野。有了解决计算需求的想法后，需要通过实践验证FPGA实际的能力。
\
腾讯的QQ、微信业务，用户每天产生的图片数量都是数亿级别，常用的图片格式有JPEG格式、WebP格式等，WebP图片格式比JPEG图片格式存储空间小30%。为节省存储空间，降低传输流量，提升用户的图片下载体验，通常采用WebP格式进行存储及传输分发，而图片转码所带来的计算消耗需要上万台CPU机器支撑。自然FPGA开发落地的第一个切入点就是图片转码：将JPEG图片格式转成WebP图片格式。
\
在图片转码的实践中，FPGA联合团队取得了FPGA处理延时相比CPU降低20倍，FPGA处理性能是CPU机器的6倍，验证了FPGA能进行计算加速的能力，同时也增强了FPGA联合团队的自信心。
\
\
（图2）图片转码中FPGA和CPU吞吐率对比
\
图片转码项目完成后，深度学习映入了FPGA联合团队的眼帘，一方面深度学习需要密集的计算，另一方面深度学习在未来应用上有着巨大的商业价值。深度学习基于深度神经 络理论，用在图片分类的神经 络是其中的一个分支：卷积神经 络（CNN）。团队使用FPGA对CNN计算进行加速，增强违规图片检测能力，最终在深度学习的实践中取得了FPGA处理性能是CPU机器4倍的战绩。
\
腾讯云FPGA项目实践的结果，见证了FPGA在数据中心里可以提供强大的计算能力和足够的灵活性，来应对数据中心对硬件加速的挑战。经过之前的FPGA实践，FPGA联合团队获得了在数据中心使用FPGA的经验，未来也将在数据中心的计算、 络、存储三个方向进一步探索，重构数据中心基础架构。
\
云端的数据中心业务日新月异，更需要一种高性能、高灵活的底层硬件结构，所以FPGA联合团队通过云端开放FPGA计算服务，从硬件层面加速云计算在各个场景中的应用，降低企业的使用门槛和成本。
\
FPGA的特点解析
\
2016年3月，英特尔宣布正式停用“Tick-Tock”处理器研发模式，未来研发周期将从两年向三年转变。至此，摩尔定律对英特尔几近失效。一方面处理器性能再无法按照摩尔定律进行增长，另一方面数据增长对计算性能要求超过了按“摩尔定律”增长的速度。
\
CPU本身无法满足高性能计算应用软件的性能需求，导致需求和性能之间出现了缺口。在新的芯片材料等基础技术没有取得突破前，一种有效的解决方法就是采用专用协处理器的异构计算方式来提升处理性能。现有的协处理器主要有FPGA，GPU和ASIC，FPGA由于其独特的架构拥有其他处理器无法比拟的优势。
\
FPGA（Field Programmable Gate Array）现场可编程门阵列，可以通过软件重新配置芯片内部的资源形成不同功能硬件，就像用乐高积木可以搭出航空母舰或变形金刚一样。因此，FPGA不仅有了软件的可编程性和灵活性，同时又有ASIC高吞吐和低延时的特性。而且，由于有丰富的IO，FPGA还非常适合用作协议和接口转换的芯片。
\
FPGA在数据中心最大的特点就在高吞吐的同时能做到低延时。FPGA内部的资源都是可以重配置的，因此它可以很容易进行数据并行和流水并行，且易于在数据并行和流水并行之间平衡。而GPU几乎只能做数据并行。
\
与ASIC相比，FPGA的可编程性体现出很大的优势。现在数据中心的各种算法每时每刻都在更新变化，没有足够稳定的时间让ASIC完成长周期的开发。比如在一种神经 络模型出来之后开始把它做成ASIC，也许还未投片生产，这个神经 络模型已经被另一种神经 络模型所替代。不同的是，FPGA可以在不同的业务需求之间做平衡。比如说白天用于为搜索业务排序的机器；在晚上请求很少的情况下，可以将这些FPGA重新配置成离线数据分析的功能，提供对离线数据进行分析的服务。
\
另外由于FPGA有高速SERDES等丰富的接口，而且能灵活控制实现的粒度和操作数据，因此非常适合进行协议处理和数据格式的转换。比如说FPGA可以很方便的接入以太 数据，并对以太 包进行包过滤等处理。
\
和CPU、GPU、ASIC在设计上的区别
\
\
\
- 图片分类
深度学习近年来在语音识别、图片分类和识别、推荐算法等领域发挥了越来越大的作用。在移动互联时代，为了增强图片检测的处理能力，降低图片检测成本，腾讯使用FPGA对CNN计算进行加速。
\
研发团队使用FPGA完成CNN算法的Alexnet模型，FPGA处理性能是CPU机器的4倍，FPGA机型单位成本是CPU机型的1/3。
\
\
FPGA能让开发者/团队更“任性”
\
对于外部开发者和开发团队来说，首先，腾讯云FPGA提供统一的硬件平台。开发者无需关注 FPGA 基础设施，免去了重复开发硬件平台面临的问题和挑战，快捷部署，几分钟就可以部署完毕一台全新的FPGA平台。FPGA芯片丰富的逻辑资源可以为开发者“任性”实现功能提供保障。统一的平台也便于开发团队快速弹性扩展硬件平台，从而提高业务容灾可靠性。
\
其次，腾讯云FPGA提供完备的开发环境，不需要专门人员开发驱动环境。开发语言多样性，HLS，OPENCL，RTL满足不同类别的开发人员需求，降低学习开发门槛，简单易用。
\
再者，腾讯云FPGA提供丰富的IP功能，不仅有大量免费IP和有偿的IP服务，而且交易流程透明、安全、可靠。加速开发者开发进度的同时也为开发团队提供一个将自己开发的IP进行交易的平台。
\
最后，腾讯云FPGA提供专业安全防护。部署到云上，将享受与云服务器同等的云安全基础防护和高防服务。免去传统FPGA数据存储和传输安全所带来的困扰。
\
可以看到，传统的FPGA开发面临的硬件平台稳定性、开发语言门槛高、调试周期长、驱动软件联合调试等问题都将得到改观，开发者和开发团队能够从繁杂和重复的工作中快速释放出来，有更多的时间和精力投入到创新的工作中去，这将为整个技术研发的氛围增加更多的创新因子，创造更多的价值。
\
未来，FPGA的行业价值
\
当前AI火爆，得益于FPGA的高密度计算能力以及低功耗的特性，FPGA率先在深度学习在线预测方向（广告推荐、图片识别、语音识别等）得到了较大规模的部署。用户也常常将FPGA与GPU进行对比，GPU的易编程性、高吞吐与FPGA的低功耗、易部署等特性也各有千秋。相较于GPU以及ASIC，FPGA的低延时以及可编程性也是其核心竞争能力。
\
对于行业来说，云是一种共享服务的思想，用户不以占有的方式使用硬件和软件，而是共享复用，因此大大降低了使用成本，提升了资源的使用效率。FPGA云服务，可以让行业参与方都获得价值：
\
- 芯片原厂：不需要经过层层代理，增加成本，而是可以通过云提供硬件板卡复用的服务。因为硬件统一采购和维护，也大大提升了稳定性和可靠性。\t
- IP提供商：可以把IP放到云平台的市场中去，最终用户使用时，云平台完成部署和交付，用户不需要接触可执行文件（ 表文件），因此不存在产权泄露的风险。这将鼓励IP提供商的服务方式，可以提供按时长计费，买断计费，乃至试用版免费等方式，用户也可以迅速验证。\t
- 设计和开发：云提供框架方式，封装了常用的系统级操作（DDR内存的访问、DMA、PCIE设备控制等），可以支持硬件描述语言，也支持OPENCL以及类似C的高级语言。提供通用的驱动和调用库，不需要用户编程。对高阶用户而言，也可以使用OPENCL或者硬件描述语言实现自己的功能。
FPGA最初的应用场景是在通信行业，那么其高通信带宽以及实时性处理能力可以为数据中心基础架构带来什么改变呢前，FPGA可以在IDC大显神威的地方，例如低延时 络架构、 络虚拟化、高性能存储以及 络安全等等。可喜的是，我们看到微软以及亚马逊等同行已经使用FPGA在其公有云 络中进行了诸多积极尝试，腾讯云当前也在多个方向进行积极的探索和实践。
\
可以预见的是，借助于FPGA，我们的数据中心会更加的绿色高效。
相关资源：倍速软件,可以加速观看过程_倍速播放学习-图像处理工具类资源…
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！