英特尔FPGA：理想的加速器之选-电子发烧友网

自2015年底，Altera被英特尔收购之后成为英特尔的可编程解决方案事业部，除延续原本的产品线之外，一个比较新的产品线策略就是针对于数据中心、计算业务、网络和存储开发新的加速产品。直至去年10月，英特尔发布了搭载Arria 10GX FPGA芯片的可编程加速卡（PAC）；时隔半年，2018年4月，英特尔宣布领先的原始设备制造商戴尔和富士通均在其服务器系列中采用了英特尔的FPGA加速产品。这是可重新编程芯片的首次重要使用，旨在加速现代数据中心中的主流应用。

英特尔 FPGA：理想的加速器之选

据英特尔可编程解决方案事业部亚太区市场拓展经理刘斌介绍，英特尔公司一个重要战略就是从PC为中心逐渐转移成以数据为中心的企业，且英特尔向客户提供数据的价值不单指数据存储或转移，而是能够将数据快速地转移成信息，帮助用户进行下一步的决策。在这个过程中，如何快速地进行数据分析是首要的难题。对此，单纯的CPU已经无法满足需求，CPU+GPU、CPU+ASSP/ASIC、CPU+FPGA等异构架构的组合更为人所青睐。其中FPGA由于兼具硬件高性能和软件可编程能力，在异构计算中优势尤为明显。

对于FPGA加速在数据中心中的应用，英特尔主要做了三方面的工作。其一是推出FPGA可编程加速卡；其二是将加速卡扩展为至强CPU+FPGA的加速平台，内含加速堆栈。除此之外，英特尔还邀请各种类型的伙伴，包括FPGA内部加速器的开发伙伴、系统集成商、软件应用集成商等，合力去支持不用垂直领域的加速方案建设，携手创建FPGA加速应用的生态系统。

刘斌表示：“由于数据正呈指数级增长，数据中心运营商需要保持大规模性能需求和运营效率之间的平衡。为了提升性能与功效，数据中心运营商纷纷寻求有效的加速手段。随着FPGA加速的优势越来越得到认可，我们也发现很多数据中心的用户，想要采购FPGA加速卡，实际上是需要通过主流的OEM厂商所提供的服务器资源来实现的，只有这样FPGA加速器才能实现量产，才能保证在英特尔的质量标准上提供可编程加速卡，并且通过这些顶级OEM的认证也是一个非常重要的步骤。这同样是我们客户能够大规模采用FPGA加速的一个很重要的前提。”

此次，戴尔和富士通这两家OEM厂商率先将英特尔可编程加速卡大规模集成到自家主流服务器当中，目前，戴尔 EMC PowerEdge R640、R740 和 R740XD 服务器已可以进行大规模部署，未来更多服务器将支持这一功能；而在富士通也在PRIMERGY 服务器中部署采用 Arria 10 GX FPGA 的英特尔可编程加速卡，以吸引重要客户。英特尔 FPGA 可为新型数据中心奠定坚实基础，凭借出色的多功能性和速度可支持处理从数据分析到金融服务的各种工作负载。这是英特尔可编程芯片快速发展进程中的又一座里程碑。

加速堆栈：有效降低客户应用门槛

无论从开发社区还是生态环境来看，FPGA都不像计算领域那么广泛。如何提升FPGA的应用性，降低客户的应用门槛是一个非常重要的任务。

因此，英特尔在FPGA加速卡上，配套地推出了一套英特尔至强处理器和FPGA协同工作的叫加速堆栈（或称加速软件栈，英文：Acceleration Stack），它能够为软件开发人员提供强大的支持，目标是希望更多用户来使用这样的加速平台，能够降低他们在使用这个加速平台时候的应用门槛。

刘斌称：“加速堆栈从意义上来讲非常重要，我们希望业内人士在做FPGA加速的时候可以有一个参照物，加速堆栈就是这样一个存在。”它的特点在于它并不和一个特定的加速功能或者一个垂直领域的加速需求绑定，而是具有通用性。例如运行在处理器上的软件需要访问FPGA加速器，或是配置FPGA里面的加速器，或者对虚拟机的支持、对安全性的要求、对用户数据的隔离要求等，所有这些通用的功能，集合在一起，做成一个软件栈，即加速堆栈。它和加速卡、至强处理器一起构成FPGA在更广泛的云数据中心上或通用加速平台上工作的一个前提。

以前FPGA没有一个标准的加速卡，或者没有一组标准的软件应用访问接口，每一个公司都要自己开发自己的东西，所以互相之间是不互通的。现在有了这样一套相对通用的加速堆栈，不同的合作伙伴开发出来的加速器也好和应用软件，都可以比较好地在不同平台上做移植，极大地扩展了用户去代码复用、IP复用的能力。对于英特尔来说，也希望这个加速堆栈提供的功能可以降低用户使用FPGA加速卡的门槛。

FPGA加速应用蓝海广阔

为了有力支持英特尔 FPGA加速的应用效果，刘斌介绍了英特尔 FPGA加速面向财务风险分析和数据库加速的全新高性能解决方案。

财务风险分析在金融市场是非常重要的一个环节，尤其是在股市动荡比较激烈或是全球部分地区政治动荡比较激烈的时候，更是如此。财务风险分析市场增长是非常快的，复合增长率在15%左右。本质上来讲，财务的风险分析是一个大数据问题，数据量大至TB级别，且是计算密集型，非常耗费计算力的。另一方面，风险评估模型在不断的演进中，且演进速度也非常快，模型的变化也相应增加了计算复杂度。基于以上分析，如果用纯粹软件的方式来处理财务风险分析的问题，不仅性能上存在限制，且反应的时间不足以让人满意。而将FPGA加速应用于财务风险分析，以期权计算为例，可将每符号算法加速850%，端到端期权交易模拟加速可提速2倍以上。

不同于财务风险分析是一个非常垂直市场的模型，数据库广泛地应用在不同的领域，甚至针对同样一个数据库的部署，不同的用户使用的方式也是不一样的。因此数据库中，FPGA加速所要解决的问题也是不一样的。数据库加速所面临的主要挑战有用于交易和分析的混合数据库阻碍实时分析、与多个数据库相关的基础设施成文问题、查询耗时过长、新旧数据库无法应对同类型查询等。以FPGA加速来增强数据库性能，主要从两个环节下手，一个是说FPGA可以非常快速地把大量的查询指令进行转化，二是FPGA通过人工智能、深度学习对实时分析阶段的加速。数据表明，应用FPGA加速数据库，可将实时数据分析加速20倍，将传统数据仓储加速2倍，将存储压缩加速3倍。