從云而上，以邊緣為終。

計(jì)算支持的層面上云計(jì)算、霧計(jì)算、邊緣計(jì)算等相繼而起，從場景層面上，智能家居、工業(yè)制造、交通政務(wù)、環(huán)境勘測等各自芬芳。我們能看到的算力形態(tài)已開始百花爭艷，而在我們看不到的地方，依然有著旺盛的算力需求。

隨著“十四五”計(jì)劃的不斷落地，加快數(shù)字化發(fā)展，大力發(fā)展數(shù)字經(jīng)濟(jì)，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群，全面實(shí)施智能制造行動(dòng)計(jì)劃，業(yè)已成為我國當(dāng)前發(fā)展的重點(diǎn)之一。而企業(yè)想要從中脫穎而出，如何突破算力的迷局，找到更加高效的算力形態(tài)，就變得至關(guān)重要。據(jù)英特爾預(yù)測，全球的算力需求預(yù)計(jì)到 2025 年將提升 1000 倍。那么算力需求如此旺盛，哪里才能得到這樣的算力呢?算力的形態(tài)如此豐富，最終的答案究竟是什么?是 CPU?GPU?ASIC?還是 FPGA?近年來，我們看到了一個(gè)更加可靠的答案，那就是：“我全都要。”

異構(gòu)計(jì)算：不僅僅是多面手

“我全都要”并非一種貪心，而是一種趨勢。

數(shù)字化建設(shè)的根源在數(shù)據(jù)，也在智能。而各行業(yè)日趨復(fù)雜的大數(shù)據(jù)和 AI 應(yīng)用環(huán)境下，算力需求爆發(fā)式增長，這不僅是量在增加，形態(tài)也在變化。但是，作為一家企業(yè)，算力與架構(gòu)及系統(tǒng)的綁定關(guān)系使得他們不可能頻繁更換底層，因此，當(dāng)算力的供給增長無法跟上算力需求的腳步，多元化算力的概念就被人開始提起。

異構(gòu)計(jì)算是多元算力的典型?？缭綐?biāo)量(CPU)、矢量(GPU)、矩陣(ASIC)、空間(FPGA)的異構(gòu)計(jì)算，如今已經(jīng)成為企業(yè)推動(dòng) IT 基礎(chǔ)設(shè)施重構(gòu)的重要力量。其能夠?qū)⒉煌軜?gòu)的運(yùn)算單元整合到一起進(jìn)行并行計(jì)算，以最適合的專用硬件去做最適合的事如密集計(jì)算或外設(shè)管理等，從而達(dá)到性能和成本的最優(yōu)化。因此很多企業(yè)開始嘗試使用異構(gòu)計(jì)算來化解算力瓶頸，挖掘和實(shí)現(xiàn)算力增長。

多元算力的應(yīng)用場景正在變得越發(fā)廣泛，以快手為例，其在內(nèi)容生產(chǎn)、內(nèi)容理解、內(nèi)容分發(fā)、內(nèi)容消費(fèi)等過程中都多元算力有著大量需求。尤其是在推薦系統(tǒng)方面，快手采用了計(jì)算與存儲(chǔ)分離的架構(gòu)模式，推薦系統(tǒng)中的存儲(chǔ)型服務(wù)主要是用來存儲(chǔ)和實(shí)時(shí)更新上億規(guī)模的用戶畫像、數(shù)十億規(guī)模的短視頻特征、以及千億規(guī)模的排序模型參數(shù)。其中參數(shù)服務(wù)器是一個(gè)容量和帶寬受限的系統(tǒng)，需要支撐每秒數(shù)億次的KV請求;參數(shù)服務(wù)器的KV請求也高達(dá)每秒數(shù)億次，大規(guī)模查表會(huì)消耗大量 CPU 資源，成為其性能的主要瓶頸。

異構(gòu)計(jì)算正是快手與英特爾聯(lián)手給出的答案，通過將負(fù)載卸載到專門優(yōu)化的芯片上，將有助于消除性能瓶頸，在吞吐量與延時(shí)方面實(shí)現(xiàn)顯著改善。

快手 LaoFe NDP 異構(gòu)計(jì)算架構(gòu)

快手可提供異構(gòu)加速選項(xiàng)的 LaoFe NDP 架構(gòu)在計(jì)算層采用英特爾 CPU、FPGA、PMEM 等器件，實(shí)現(xiàn)了基于 LaoFeNDP 架構(gòu)的 FPGA based KVS 實(shí)踐落地，進(jìn)一步提升快手在推薦、搜索、廣告、風(fēng)控等各種場景的應(yīng)用性能。同時(shí)，其通過計(jì)算體系結(jié)構(gòu)創(chuàng)新、軟硬一體化、領(lǐng)域?qū)Ｓ眉铀倨髟O(shè)計(jì)，通過網(wǎng)絡(luò)存、存儲(chǔ)、計(jì)算三重加速來提供低延遲、高并發(fā)、高吞吐、低總體擁有成本(TCO)的基礎(chǔ)資源。

三重加速，正是異構(gòu)計(jì)算獨(dú)有的魅力所在。

快手 LaoFe NDP 架構(gòu)圖網(wǎng)絡(luò)方面，LaoFe NDP 架構(gòu)將 CPU 收發(fā)網(wǎng)絡(luò)數(shù)據(jù)操作，卸載到 FPGA 上。Client 發(fā)送的請求包直接發(fā)送給 FPGA。相比 gRPC 基于 TCP/IP，功能過于復(fù)雜，性能和延時(shí)方案無法保證。而使用基于 FPGA 實(shí)現(xiàn)了一套 SD-RDMA 協(xié)議，通過應(yīng)用層添加字段的方式，保證了類似 gRPC 的可靠性傳輸，這大大降低了請求時(shí)延。

存儲(chǔ)方面，LaoFe NDP 架構(gòu)將 CPU 存儲(chǔ)操作也卸載到 FPGA 上。為了可以最大程度發(fā)揮 FPGA 的能力，快手基于通用 KV 存儲(chǔ)場景定制了一套易于 FPGA 訪問的 KV(Key-Value)引擎。同時(shí)，其支持 SSD/英特爾® 傲騰™ 持久內(nèi)存/DRAM 內(nèi)存、基于 hash 的 Key-Value 存儲(chǔ)引擎，能夠有效加速存儲(chǔ)性能。通過實(shí)戰(zhàn)檢驗(yàn)，使用 KV 查表的吞吐相比 CPU 方案提升了足足 5 倍以上。

計(jì)算方面，LaoFe NDP 架構(gòu)通過 DSA 的方式將計(jì)算操作卸載到 FPGA 上，實(shí)現(xiàn)了一個(gè)領(lǐng)域?qū)Ｓ锰幚砥?。領(lǐng)域?qū)Ｓ锰幚砥魇且活愥槍μ囟I(lǐng)域量身定制的處理器。它針對特定領(lǐng)域可編程，同時(shí)在特定領(lǐng)域問題處理上能帶來顯著的性能和效率的提升。再加上英特爾® 至強(qiáng)® 可擴(kuò)展處理器、英特爾® FPGA 等設(shè)備，可以幫助快手將 LaoFe NDP 架構(gòu)優(yōu)勢發(fā)揮到極致。

網(wǎng)絡(luò)、存儲(chǔ)、計(jì)算加速后示意圖

異構(gòu)計(jì)算背后，一場性能的變局

事實(shí)上，異構(gòu)計(jì)算并非新的概念，其早在上世紀(jì) 80 年代中期就已經(jīng)被踢出，當(dāng)時(shí)便被認(rèn)為有著計(jì)算能力強(qiáng)、可擴(kuò)展性好、資源利用率高等特點(diǎn)。但是，為什么異構(gòu)計(jì)算時(shí)至今日，才再次發(fā)揮出巨大作用呢?

我們知道技術(shù)是發(fā)展的，很多在以往無法實(shí)現(xiàn)的構(gòu)思，可能在若干年后發(fā)光發(fā)熱。就比如 1956 年提出的人工智能技術(shù)，在半個(gè)世紀(jì)后才發(fā)展壯大并成為了社會(huì)生活必不可缺的一部分。支撐起其變化的一方面是數(shù)據(jù)處理技術(shù)的成熟，另一方面就是算力自身的發(fā)展。異構(gòu)計(jì)算也是如此，英特爾在其發(fā)展的過程中起到的關(guān)鍵作用。

在快手的 LaoFe NDP 架構(gòu)中，英特爾® Stratix® 10 FPGA 表現(xiàn)十分出眾。全新的英特爾 Hyperflex™ FPGA 架構(gòu)相比前一代時(shí)鐘頻率提高了 2 倍，功耗降低了 70%。此外，更快的時(shí)鐘頻率減小了總線寬度和知識(shí)產(chǎn)(IP)的規(guī)模，釋放了更多分 FPGA 資源，以添加更強(qiáng)大的功能。同時(shí)它采用了超感知設(shè)計(jì)工具，減少了布線擁塞和設(shè)計(jì)迭代，提高了設(shè)計(jì)工作的效率。

一只蝴蝶都可能引發(fā)一場風(fēng)暴，更何況是產(chǎn)品效能的全面提升。當(dāng)英特爾® Stratix® 10 FPGA 在 LaoFe NDP 每個(gè)環(huán)節(jié)中頻繁出現(xiàn)，其帶來的影響是巨大的。

1. 通過將負(fù)載從 CPU 卸載到 FPGA 中，并采用 Hash 表查找優(yōu)化、隨機(jī)訪存、讀寫分離等方式，快手將單節(jié)點(diǎn)參數(shù)服務(wù)器的吞吐性能提升了 5-6 倍，整體請求延時(shí)則降低 70%-80% ，這有助于提升上層應(yīng)用的實(shí)時(shí)性，提供更佳的用戶交互體驗(yàn)。

2. 由于 FPGA based KVS 方案能夠在單節(jié)點(diǎn)服務(wù)器中提供遠(yuǎn)超傳統(tǒng)方案的吞吐性能，因此僅需要部署少量的服務(wù)器就能夠滿足特定的性能指標(biāo)要求(替代比可達(dá) 1:5)，從而降低參數(shù)服務(wù)器的 TCO。

3. 通過使用 FPGA 來進(jìn)行查表，能夠有效地降 CPU 由于高頻率更新而產(chǎn)生的性能抖動(dòng)。

總結(jié)一下，英特爾® Stratix® 10 FPGA 為快手 LaoFe NDP 架構(gòu)提供了富于彈性的可編程硬件能力，減少延時(shí)，實(shí)現(xiàn)精確控制，而且其單位算力功耗低、片上內(nèi)存大，能夠適用于延時(shí)要求高、批處理(Batch)比較小、并發(fā)性和重復(fù)性強(qiáng)的應(yīng)用場景。

FPGA based KVS 方案與傳統(tǒng)方案性能對比

英特爾® 至強(qiáng)® 可擴(kuò)展處理器針對眾多工作負(fù)載類型和性能等級(jí)而優(yōu)化的平衡架構(gòu)，其對于 LaoFe NDP 非常重要，能夠?yàn)橹峁﹥?nèi)置的人工智能加速和高級(jí)安全功能，可提供無縫性能基礎(chǔ)，幫助從邊緣到云加快數(shù)據(jù)的變革性影響。除此以外它橫跨計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)的平臺(tái)創(chuàng)新和硬件增強(qiáng)虛擬化，均支持新型內(nèi)存創(chuàng)新，促進(jìn)以經(jīng)濟(jì)實(shí)惠、靈活、可擴(kuò)展的方式實(shí)現(xiàn)邊緣到云的傳輸，從而一致地提供出色的企業(yè)對企業(yè)(B2B)和企業(yè)對消費(fèi)者(B2C)體驗(yàn)。同時(shí)英特爾硬件增強(qiáng)的安全性有助于抵御惡意攻擊，同時(shí)保持工作負(fù)載的完整性和性能。

英特爾® 傲騰™ 持久內(nèi)存集高速、高性價(jià)比、大容量、持久數(shù)據(jù)保護(hù)和高級(jí)加密等優(yōu)勢于一體，在其推出之時(shí)便引發(fā)了巨大反響。它能夠?yàn)?LaoFe NDP 增加全新的內(nèi)存和存儲(chǔ)層級(jí)，縮小內(nèi)存和存儲(chǔ)層次架構(gòu)之間的關(guān)鍵差距，從而實(shí)現(xiàn)更智能、更靈活的架構(gòu)。其能實(shí)現(xiàn)每臺(tái)服務(wù)器的內(nèi)存容量翻倍，且每臺(tái)虛擬機(jī)的成本降低達(dá) 25%，在進(jìn)行實(shí)時(shí)分析和 AI 工作負(fù)載等需要處理大量數(shù)據(jù)集的服務(wù)，性能提升可高達(dá) 2 倍。除此以外它還提供了內(nèi)存模式(Memory Mode)和應(yīng)用直接訪問模式(App Direct Mode)兩種模式。在內(nèi)存模式下，英特爾® 傲騰™ 持久內(nèi)存可作為經(jīng)濟(jì)高效的 DRAM 替代品。CPU 內(nèi)存控制器會(huì)把持久內(nèi)存視作易失性的系統(tǒng)內(nèi)存，表現(xiàn)與 DRAM 類似，同時(shí) CPU 內(nèi)存控制器會(huì)將 DRAM 內(nèi)存用作持久內(nèi)存的高速緩存。該模式能夠提供更大的內(nèi)存容量，這對于異構(gòu)計(jì)算的提升效果是巨大的。

軟硬并進(jìn)，異構(gòu)即兼容

你見，或者不見，算力就在那里。異構(gòu)計(jì)算衍生發(fā)展數(shù)十年，其就像一座礦山，等待用戶的去發(fā)掘。寶劍贈(zèng)英雄，開發(fā)者們?nèi)绾纬浞滞诰颥F(xiàn)有異構(gòu)硬件的性能，獲得最優(yōu)性價(jià)比的 IT 資源才是關(guān)鍵。

“軟硬兼施”才能更好的應(yīng)對異構(gòu)計(jì)算的需求。

在硬件層面，英特爾提出 XPU 戰(zhàn)略，完善在 CPU、GPU、ASIC、FPGA 領(lǐng)域的產(chǎn)品線。不僅通過性能核心和能效核心戰(zhàn)略，使CPU中不同核心負(fù)責(zé)不同工作負(fù)載，實(shí)現(xiàn) CPU 集群自身的異構(gòu)，同時(shí)通過 AMX、SSE、AVX、AVX-512 等指令集擴(kuò)展，大幅度提升 CPU 的 AI 運(yùn)算性能。在全新的第四代英特爾®至強(qiáng)®可擴(kuò)展處理器中，加入了更多異構(gòu)加速引擎，比如加速內(nèi)存拷貝的 DSA，加速網(wǎng)絡(luò)處理的 DLB，加速大數(shù)據(jù)分析的 IAA，加速數(shù)據(jù)加解密、壓縮解壓縮的 QAT，使 CPU 彈性進(jìn)一步提升，輕松應(yīng)對多種工作負(fù)載的性能加速需求。

除了 CPU，英特爾還提供面向云游戲、視頻處理、虛擬桌面和 AI 推理的 Flex 系列 GPU，面向 HPC 和 AI 訓(xùn)練/推理的 GPU Ponte Vecchio。而針對特定的 AI 加速，英特爾還打造了面向AI訓(xùn)練和推理的專用人工智能處理器 Habana，豐富 ASIC AI 芯片的生態(tài)系統(tǒng)。

針對數(shù)據(jù)中心部署和應(yīng)用中的數(shù)據(jù)流處理、計(jì)算加速和存儲(chǔ)加速等問題，英特爾® Stratix® 10 和最新的 Agilex™ FPGA 芯片，以編程的靈活性、高并發(fā)、高吞吐性能和低延遲特性，被廣泛使用在各大云計(jì)算公司的數(shù)據(jù)中心中。值得一提的是，為了幫助云服務(wù)提供商轉(zhuǎn)移基礎(chǔ)設(shè)施功能任務(wù)，最大化 CPU 資源，獲得更多收入，英特爾還提供能夠清晰隔離基礎(chǔ)設(shè)施功能和租戶工作負(fù)載的，且基于 FPGA 和 ASIC 的 IPU，以滿足用戶的多樣化需求。

在軟件層面，英特爾也在持續(xù)發(fā)力，最大化硬件性能。其重磅推出的 oneAPI，作為統(tǒng)一的軟件編程架構(gòu)，可以支持多種異構(gòu)計(jì)算單元， 為上層的軟件開發(fā)者提供一套應(yīng)用開發(fā)接口，以解決未來應(yīng)用功能在 CPU、GPU 等因?yàn)榉植蓟蚴怯布?jí)后需要重寫軟件代碼的問題。OneAPI 不局限于支持英特爾硬件，也支持其他廠商的硬件。同時(shí)提供基于 API 的各種高性能庫，可以在多種異構(gòu)平臺(tái)上運(yùn)行并提供極高的性能，其中很多庫將開源，英特爾鼓勵(lì)生態(tài)協(xié)作創(chuàng)新，共同推動(dòng)異構(gòu)計(jì)算的發(fā)展與演進(jìn)。

我們不難發(fā)現(xiàn)，異構(gòu)計(jì)算的網(wǎng)，正在鋪成智能時(shí)代的路。英特爾對于異構(gòu)計(jì)算架構(gòu)在軟硬件層面不斷進(jìn)行調(diào)優(yōu)與支持，軟硬兼?zhèn)?，幫助開發(fā)者更加高效地進(jìn)行數(shù)據(jù)的存儲(chǔ)與處理，推動(dòng)智能化發(fā)展進(jìn)程。LaoFeNDP 架構(gòu)就是英特爾與快手的一次成功嘗試，其證明了通過異構(gòu)計(jì)算來加速不同的負(fù)載，能夠顯著提升在推薦等場景下的系統(tǒng)吞吐與延時(shí)表現(xiàn)。

面向未來，為構(gòu)建高性能、低成本、靈活高效的異構(gòu)計(jì)算平臺(tái)，需要更多的技術(shù)協(xié)同應(yīng)用，共同推進(jìn)數(shù)據(jù)中心升級(jí)?？梢灶A(yù)見，PCIe 5.0、DDR5、Scalable IOV、虛擬內(nèi)存共享技術(shù) SVM、CXL 等技術(shù)都將發(fā)光發(fā)熱。當(dāng) CPU、XPU、共享內(nèi)存、共享存儲(chǔ)等技術(shù)將通過智能網(wǎng)絡(luò)架構(gòu)和 IPU 互聯(lián)，更加強(qiáng)大的異構(gòu)計(jì)算能力和數(shù)據(jù)中心必將為數(shù)字化的世界提供源源不斷的算力支撐。

觀看英特爾聯(lián)合國際學(xué)術(shù)期刊《科學(xué)》共同推出的“架構(gòu)師成長計(jì)劃” 第六期《異構(gòu)計(jì)算 數(shù)據(jù)中心“芯”變革》精彩回放點(diǎn)擊鏈接：https://bizwebcast.intel.cn/planlist.aspx?tc=7guw8u19br&frm=wechatkol