数据处理

作者:Steve Leibson ,蒙面侠客

背景:
在大数据的时代背景下,不仅需要强大的云服务器来进行数据的处理和存储,在数据通道上也需要重兵把控,因为,一不小心数据中心就可能受到恶意数据的侵扰,如果造成了云服务器的网络攻击或者秘密的泄露,那么对云服务器厂家和用户都会带来不可估量的损失。那么,这个“重兵”需要有什么样的素质呢?今天本侠就带各位来领略一下Accolade的新款ANIC-200Kq网卡数据处理适配器。

ANIC-200Kq是一件艺术品,如图.1所示,有两个100G的PCIe接口的适配器,满足了网络监控和安全的应用。Accolade的新款ANIC-200Kq数据流分类、过滤适配器在100GbE的带宽下通过QSFP28光笼进行数据包的处理、存储优化和可扩展数据流的分类。与去年介绍的这家公司的ANIC-200Ku丢失数据包捕获适配器相比较,ANIC-200Kq板卡是基于Xilinx UltraScale+ FPGA的产品,所以它能够运行多种线性速度的数据包处理算法,这包括公司新的数据流分流特色算法。

惊呆! 数据中心加速神器---1680核处理器+FPGA !

作者:蒙面侠客

背景:
数据中心采用FPGA做加速器已经成为主流,像MS的Catapult,Amazon基于Xilinx FPGA的AWS F1,Intel的Altera,Baidu公司等。数据中心具有大规模并行数据处理,高数据吞吐量,低延时,能效高等特点。但是存在两个问题,第一个是软件的问题,软件移植和保证一定加速的工作负荷;第二个是硬件的问题,配备众核处理器,25-100G的网络接口卡,一些DRAM/HBM通道,容易时序收敛等。

现介绍一种GRVI Phalanx FPGA加速器结构。其中,GRVI是一种基于FPGA的有效的RISC-V运算单元,即RISC-V RV321软处理器核;Phalanx是一种并行FPGA加速器框架,由PE集群,SRAM,加速器,DRAM,I/O控制器等组成,减少在开发和管理FPGA加速器时所需付出的消耗和努力;还需要Hoplite NoC,它是一种基于FPGA优化的定向2D环形片上网络系统,用到的技术还有局部内存共享和全局信息流通等。

作者:蒙面侠客

背景:
对大多数数据中心和网络服务供应商来说,如果想要保持竞争力,就必须不断地提高网络速率来满足人们日益增长的网络需求。据权威机构统计,到2018年,全球将会有38%的服务供应商部署100G网络,这意味着100G时代已经到来。传统的以太网升级路径是10G-40G-100G,然而一项新的调研报告表明,最新的服务器升级路径将是10G-25G-100G,甚至未来可升级到400G。但是为什么是25G呢?因为从10G到40G是一次大的跳跃,而且事实表明从10G升级到25G的增量成本并不高。我们需要使用升级的线缆和光模块来支持这个新的以太网速率,而这无疑会推动像QSFP28这种25G光模块和相对应的网络数据处理芯片的发展。

Hitech Global的HTC-910 PCIe:
随着可编程硬件平台的发展,为硬件产品的开发带来了更多便利。来自Hitech Global的HTC-910 PCIe开发平台具有很好的可编程性能,组合了Virtex UltraScale+(VU9P,VU13P)或Virtex UltraScale VU190和两个QSFP28(4x25G)光模块插槽,为100G数据中心网的进展可谓是增加了一名悍将。

为了满足数据处理日益增长的需求,未来的系统应该在计算能力上有阶跃性的提升,传统的解决方案(如X86处理器)在计算带宽上显得捉襟见肘,不再是一种高效的方式,因此系统工程师亟待寻找新的计算平台。FPGA和GPU越来越受到系统工程师的关注,它们作为计算平台能够满足未来计算业务的需求,这篇白皮书以高效灵活的计算需求为背景详细分析了GPU、Xilinx FPGA和SoC器件的各种特性。

惊人!二值神经网络性能提升1000倍!

作者:stark

在很多大型计算数据中心需要完成超大规模的数据处理,这意味着需要大量的计算,因此对于系统性能的要求则不断提升,最开始我们不断提升处理器的运行频率、增加处理器核心数量、采用更多的进程服务,但是这些方法会带来一些其他的问题,比如功耗的增加需要配备更大成本更高的电源、散热量显著增加则需要设置更大更好的散热片或者风扇,这些问题无疑增加了成本。因此最好的方式就是采用FPGA实现硬件加速,然而很多软件工程师对于硬件开发语言VHDL/Verilog不熟悉无法实现开发流程上的衔接,因此Xilinx推出了全新的SDSoC开发环境,软件工程使用C/C++语言就可以实现FPGA的硬件加速。

图1:Xilinx SDSoC从软件到硬件的开发流程

图1:Xilinx SDSoC从软件到硬件的开发流程

“加速界的后起之秀”:Xilinx 可重构加速堆

作者:清风流云

自2012年维克托•迈尔-舍恩伯格及肯尼斯•库克耶编写的《大数据时代》问世之后,大数据这个词就越来越多的被提及,人们用它来描述和定义爆炸时代产生的海量数据。紧随其后数据挖掘,人工智能,机器学习,深度学习这些学科也出现在各大研究所、高校实验室,并迅速获得蓬勃发展。这些学科的出现与发展标志着数据爆炸时代的到来。究其缘由,针对这些学科的研究,不论是算法还是运算都面临着海量数据的处理,这几门学科均不是单纯的单领域的研究,都是多个领域交叉学科的研究,涉及概率论,统计学,逼近论,凸分析,密码学,仿生学等等多门学科。随后,针对这些学科数据处理的算法大量涌现,对算法运行速度的要求也越来越高,所以,对算法的硬件加速器设计,对数据处理的硬件加速器设计就变得十分迫切。

Xilinx 可重构加速堆:

今天,在机器学习、数据分析、实时视频数据流三个超大规模数据中心的加速实现中,为了消除编程障碍,降低工作量,Xilinx的可重构加速度堆找到了用武之地。

一种基于FPGA硬件求解函数的简化方法

作者:乔峰1,张慧欣2 (1. 北京银行博士后工作站,北京,100033;2. 普天信息技术有限公司,北京,100080)

摘 要:本文研究了一种运用FPGA进行数据处理的方法,包括:提取输入数据的高log2M个比特位的数据,作为高有效位,根据预先设置的目标函数的计算表格,查找所述高有效位对应的目标函数值y(n)以及高有效位+1对应的目标函数值y(n+1);提取输入数据的剩余比特位数据,作为低有效位,并将所述低有效位与y(n)和y(n+1)的差值相乘,得到偏移值off(n),将该偏移值与所述高有效位对应的目标函数值y(n)相加,将计算结果作为所述输入数据对应的目标函数值。本方法具有控制简单、结构规则、单运算周期、计算精度较高的特点,适合于FPGA的数据处理实现。

引言
现场可编程门阵列(FPGA)芯片在许多领域均有广泛的应用,尤其是在无线通信领域。FPGA具有极强的实时性和并行处理能力,这使其对信号进行实时处理成为可能。FPGA内部一般都包含逻辑单元(查找表/触发器)、存储单元(BRAM)、乘加单元(MAC)和一些其他的时钟、引脚单元等[1-3]。

融Zynq-7000 All Programmable SoC、 Vivado HLS(高层次综合)、 IP Integrator、 Open CV 库、SmartCoreIP 和视频开发套件为一体,为开发人员提供有意义的市场工具,加速 Smarter 视觉产品的开发。

基于FPGA的高速数据处理系统设计

随着光纤传感技术的发展,光纤传感器已成功应用于周界入侵探测等安全防范领域。目前,已经应用于光纤微扰动传感器或相似系统的数据处理方案比较多,有DSP、FPGA、FPGA+DSP、labview等多种方案。但是目前的解决方案大多是对信号进行前期处理,实现PGC解调或者是滤波等功能,仅仅对实验方案进行验证,扰动判别和定位等工作需要上传到PC机上进行。

同步内容