谈第二代异构计算，OpenPOWER有CAPI+FPGA不服来战

OpenPOWER CAPI简介

OpenPOWER是以IBM、NVIDIA、Mellanox、Google、TYAN为首的5家公司，于2013年8月发起的一个技术推广联盟，截止到2015年6月，OpenPOWER会员数量超过了130家，来自于中国的厂商就超过了20家。

OpenPOWER所推广的技术就是基于IBM POWER8及以后的处理器与平台技术，这其中POWER8处理器所具备的一致性加速处理器接口（CAPI，Coherent Accelerator Processor Interface）就是一个重要的技术点，也正是它让FPGA迅速成为了新一代异构计算的亮点。

CAPI的基本原理就是通过在POWER处理器（从POWER8开始）内部设置一致性加速处理器代理（CAPP，Coherent Accelerator Processor Proxy），而在外置的加速卡上，则内置POWER处理器服务层（PSL，POWER Service Layer），其与CAPP配合，为加速卡在CPU上打通了一个"后门"。加速卡（PSL）与CPU（CAPP）之间采用成熟的PCIe总线+CAPI协议进行数据传输，但不用走复杂的PCIe I/O模式，并获得了与CPU对等访问虚拟内存地址的能力。目前POWER8内部共有两个CAPP，每个CPU可外接两个CAPI加速卡

CAPI最为关键的重点就在于一致性（Coherent），确切的说它包含两个概念，它们之间是相辅相成的。第一个就是虚拟地址空间访问的一致性，这与传统的总线地址或物理地址访问的模式有了本质的区别。虚拟地址空间访问的一致性，是CAPI加速器实现与CPU对等访问的根本体现，否则在应用编程上仍然要有较大的调整。

一致性的第二个含义就是缓存一致性，在IBM提供的PSL硬核模块（可以集成于合作伙伴的芯片，或写入FPGA）中包含有256KB的缓存，而在CPU内部，CAPP则负责维护CAPI一侧的缓存行目录，以保证CPU级的缓存一致性（CC，Cache Coherency ）。这就相当于在CPU内部额外增加了一个特殊的处理核心（给CPU开了一个外挂），其对于内存的访问能力与其他"正常的"CPU核心是一致的，纳入到统一的CC体系，这就与传统的通过PCIe插卡实现加速的方式有了本质的不同。

在具体的FPGA加速应用中，应用透过CAPP与PSL的连接，挂载（绑定）加速卡，PSL与CAPP一起协同，让FPGA里的加速功能单元（AFU，Accelerator Functional Unit）实现与CPU的对等访问--可直接看到应用所指向的虚拟内存地址，并通过PCIe总线与应用沟通

在CAPI+FPGA的应用中，用户先将相关应用的加速算法，以HDL（目前主要是Verilog HDL和VHDL）写入FPGA，构成加速功能单元（AFU），它就是上文提到的那个"外挂的特殊CPU核心"。然后再通过PSL与CAPP的协同，将AFU"嵌入"到CPU里，被应用发现并直接调用。AFU可以直接读写应用所管理的虚拟内存空间，以一种嵌入式的外挂处理模式实现应用的加速。从某种意义上说，"外挂"的AFU的作用有点像CPU的加速指令集（比如SSE、MMX等），但可灵活变换且效率明显更高。

在非CAPI加速体系中，传统的加速卡是以一个I/O设备存在的，这必然需要虚拟地址的重新影射，从而在内存中会生成3个数据副本，并需要大量的驱动访问指令，后果就是延迟的增加

在CAPI体系下，CAPI加速器与CPU实现了对等访问，共享虚拟地址，数据无需转手，直接在加速器与应用之间进行沟通。在实际使用时也很简单，CAPI加速卡可以安装在任何提供PCIe3.0接口的OpenPOWER Linux服务器上。应用软件只需要调用一个CAPI函数，即可直接利用CAPI加速，而在对Linux更新驱动后，即可直接调用原有IM/GM等兼容接口函数

由于CAPI接口并非传统意义上的I/O驱动模式，直接走硬件代理与CPU沟通，所以从应用的全局视角，数据的访问步骤明显减少（FPGA与CPU对等访问），让数据访问效率大幅度提高，总延迟约是传统模式的1/36，同时这种应用加速设计，对于应用的编程修改影响最小

CAPI加速器从准备加速到完成加速的沟通流程相当的简洁明了，可以基本总结为--应用：CAPI加速器，我看到你了；CAPI加速器：应用，我已经为你准备好了；应用：我要处理的数据在内存地址AddrX处，剩下的工作就交给你了；CAPI加速器：好的，没问题；（开始循环加速）……CAPI加速器：报告应用，已经处理完毕；应用：好的，你先休息吧，有事我再叫你

从以上图片可以看出，由于一致性特色的加入，让CAPI加速卡避开了传统I/O设备的驱动模式，直接以"硬件代理"的方式嵌入应用的执行，因此在总体的命令开销方面有明显的减少。这直接带来的效果就是延迟大幅降低--总延迟约只有传统加速模式的1/36，并且带来了更大的好处--由于没有了传统I/O设备层，应用平台为了适配加速器的编程修改非常小，应用开