在当前的超大规模数据中心中广泛部署FPGA产品并不是什么新鲜事。得益于自身所特有的可重配置和可重编程特性，FPGA能为复杂多变的超大规模数据中心应用提供所需的灵活性、应用广度和功能速度，而这些正是传统CPU和定制ASIC所无法企及的，也是阿里巴巴、亚马逊、百度、Facebook、谷歌、微软和腾讯这些超大型数据中心公司最为敏感的问题。
继2018年底推出面向数据中心加速的自适应计算加速卡Alveo U250/U280后，赛灵思(Xilinx)持续扩展产品组合的步伐一直没有停歇，最新推出的Alveo U50系列，则被赛灵思数据中心业务部产品规划和市场营销总监Jamon Bowen称之为“业界首款可支持第四代PCIe(PCIe Gen 4)的轻量级自适应计算加速卡。”
赛灵思Alveo产品阵容
快速、灵活应变和方便易用是U50的核心特征。与U200/U250/U280系列相同，Alveo U50卡同样采用赛灵思UltraScale+架构，支持第四代PCIe和CCIX互联标准，并率先使用半高半长的外形尺寸和低于75瓦的低包络功耗。8GB高带宽存储器(HBM2)和QSFP端口则分别提供了超过400Gbps的数据传输速率和高达每秒100Gbps的网络连接速率。此外，高速网络I/O还支持包括NVMe-oF解决方案(NVM Express over Fabrics)、解耦计算存储(Computionial Storage)和专业金融服务在内的各种前沿应用。
Alveo U50系列加速卡
为什么加速在计算、网络和存储领域受到越来越多的重视？Jamon Bowen对此解释称，一方面是因为以AlexNet、GoogleNet、DenseNet为代表的领域专用架构，需要不同的硬件架构和对应的算法来实现高吞吐量、低时延和高效率；另一方面，数据中心要优化性能，需要定制数据路径、定制精度和定制存储器层级，可编程硬件在定制化加速方面具备天然优势。
以GZIP压缩为例，ZS、ZT、LZ、微软Zipline等标准层出不穷，这就需要硬件不但能够加速，还可以实现编程，一旦出现新的算法迭代，厂商就能够充分利用 FPGA的灵活性实现快速部署。
不过，数据中心开发者对FPGA编程始终带有抱怨。为此，Alveo提供了开放的平台和开发环境，让开发者能够更加便捷地使用。这意味着，Alveo平台上的开发者越多，带来的云和相关产品就会越多，从而逐步形成一个全堆栈的解决方案，继而实现原来只有在软件部分才有可能实现的硬件IP的灵活应变能力。数据显示，自2018年10月推出Alveo以来，目前已发布的应用和培训开发者数量分别是当初的2倍和4倍。
Alveo解决方案堆栈
具体来说，Alveo U50的加速解决方案具体可应用于广泛领域，其中包括以下5个领域：
1、深度学习推理加速(如语音翻译)：与纯GPU相比，Alveo U50在语音翻译的性能可降低多达25倍的延迟，提高10倍的吞吐量，并能显著提高每节点的功耗效率。
2、数据分析加速(如数据库查询)：运行TPC-H查询基准时，Alveo U50与存储器内的CPU相比，它每小时的吞吐量可提升4倍，还可将运营成本降低3倍。
3、计算存储加速(如压缩)：与仅使用CPU的节点相比，Alveo U50将每个节点的成本降低了40%，同时它还可将压缩/解压的吞吐量提高20倍，实现更快的Hadoop(分布式计算)和大数据分析。
4、网络加速(如电子交易)：与仅使用CPU的10微秒延迟相比，Alveo U50能将延时降低20%，交易时间低于500纳秒。
5、财务建模(网格计算)：运行蒙特卡罗模拟(Monte Carlo simulation)时，Alveo U50的功耗效率与GPU相比提高7倍，具有更快的分析和判断效率、确定性延时和更低的运营成本。
“提供充分商业化的标准化产品，是调动IT行业积极性最重要的因素之一。”Jamon Bowen说Alveo是一个非常标准化的产品，所以开源框架很容易与Kubernetes和docker这类免费的微服务内容平台实现对接，比如Kubernetes中就直接有插件可以在系统内部反映出有Alveo加速硬件，开发者也可以把Alveo和docker配合起来，通过对Alveo进行编程而在系统中体现出加速应用。
为大规模部署而打造的堆栈
反之，如果没有这样一个标准化的产品配置，客户可能需要花费大量的投资才能够实现这样一个功能，这对于一些超大规模数据中心的应用来说是非常有必要的，既可以在云端，也可以用Alveo在本地进行加速，而且是一个非常开放式的框架，可以进行全面的加速。
- 也出芯片也出应用卡，Xilinx 和 NVIDIA 殊途同归，争相推出自家的终端产品卡，作为上游芯片商，原则上一般不跟下游品牌厂商抢生意，这是个界限，貌似现在这个界限没了
您可能感兴趣
