IBM：牵手赛灵思，未来服务器会“少，快，好，省”

物联网被炒得沸沸扬扬，而物联网带来的数据爆增也不容忽视，伴随着数据的成千上万倍地增长，我们会发现数据中心的服务器承载的压力越来越大，用户对CPU的处理能力要求要来越高，服务器加速刻不容缓。

一般要确保数据有冗余的话，每一个大数据架构需要做3个备份，这样所带来的问题是用户需要准备3倍的存储空间，当没办法做在线备份的时候怎么办？有人说可以通过逻辑把硬盘所需要的使用率从3倍降到1.4倍，但是这样CPU的使用率会超过99%，因为CPU要处理逻辑运算。由此可见，这就没有冗余的CPU处理能力去做大数据分析了，我们怎么解决？这就是我们要鼓励第二代分布式计算的原因，我们能通过FPGA加速器进行加速，这样CPU主要是负责通用计算负载，FPGA技术负责大量的重复运算负载，从而把控制分开。

CPU与FPGA怎样跨界融合？它们在服务器加速过程中各自起到什么角色？怎样做到未来服务器的"少，快，好，省"？带着这些问题记者参加了"IBM第二代分布式计算峰会"。

第二代分布式计算联盟启动仪式

当半导体技术发展遭遇瓶颈，服务器如何加速？
从计算机系统的发展可以看出，最初的计算机都是单任务计算，随着数据的增加逐步演进到多任务计算，因此系统中有多个CPU POWER，由于多个CPU POWER可以同时访问内存中的数据，所以首要解决的就是数据一致性问题，当一个POWER对一个数据进行操作了之后，另外一个POWER需要拿到正确的数据。在系统里面一般用硬件来保证数据的一致性，这样保证另外一个线程在读取数据的时候能拿到正确的数据，因此当计算机系统从一个单CPU系统进化到多CPU系统的时候，它的性能功耗比下降了很多，怎样提高CPU的性能并降低功耗成为很多用户的困惑。

IBM全球杰出工程师Bruce Wile解释，"随着互联网数据的增长，对于我们的系统来说，我们需要更强的硬件计算能力来处理更多的数据。一个解决的方案就是我们在一个CPU核上面开辟更多个硬件的线程，用这些线程来提高它的处理能力，来增加它对I/O过来的数据进行更好的处理，同时我们引入了GPU和FPGA，使用这些硬件来帮助我们的系统处理数据，但是传统上GPU和FPGA都是以I/O设备的形式挂载在这个系统上面，我们为了使用这些IO设备，需要工程师具有更多的技能，比如：编程人员需要学习硬件知识，我们需要懂内核的人为这些I/O设备进行驱动开发，同时由于它们是I/O设备，这些IO设备没有和CPU共享内存，所以需要内核代码帮助他们做数据传输。摆在我们面前的另外一个难题就是，半导体技术已经到了一个技术拐点，它的性价比不再持续增长，我们不能依赖于半导体技术的增长使我们的系统更快更强，我们需要从硬件还有它上面的固件、操作系统、设备应用等各个角度综合考虑，来寻求一个更好的解决方案。"

FPGA：让服务器"少，快，好，省"
在大数据膨胀的背景下，数据中心运维人员采用易于编程的多核CPU和GPU来开发应用，但CPU和GPU都遇到了单位功耗性能的瓶颈，此时异构计算的优势突显。赛灵思亚太区通信和数据中心业务拓展高级经理梁晓明介绍，"基本计算形式是在CPU旁边增加一个FPGA加速卡，它针对Workload设计一段硬件程序，基于FPGA的应用加速相比CPU/GPU实现方案，单位功耗性能可提升25倍，而时延则缩短了50到75倍，与此同时还能实现出色的I/O集成（PCIe、DDR4SDRAM接口、高速以太网等）。具体来说，FPGA加速卡不管作为软件的一部分提供给客户，或者是作为数据中心里面1/2、1/3普遍需要附带的一个附加键，外部形式不变，这张卡会随着软件产品、系统服务交给最终用户，它的功能用户可以去定义，也可以在后续的软件运行过程中去重新更改它的属性，更改它的处理能力。FPGA加速卡的功耗不等，功耗小的是20瓦、25瓦，功耗大的是75瓦。对比CPU和GPU单元，有的CPU功耗是145瓦，有的是100多瓦，GPU功耗可达200-300瓦；在计价形式方面，对用户部署供电环境的要求简单，用户不需要为了插4个GPU卡重新定义10千瓦的定价；在处理能力方面，典型性能可以做到5000个DSP，在压缩方面应用广泛；另外，FPGA加速卡配置了存储器，这是自给体系的小系统，业界也有合作伙伴直接把PFGA加速卡变成服务器的标准主件提供给客户。"

根据以上特点可以看出，FPGA加速卡与CUP的协同合作可以使得未来服务器满足"少，快，好，省"的特点，服务器数量减少，运行速度加快，用户体验变好，功耗大大降低，帮助用户节省费用。

FPGA工作人员展示FPGA芯片技术

赛灵思FPGA加速卡更多详细介绍，请参照：软件工程也能跨界玩转FPGA。

CAPI：连通CPU