Monikäyttöisten järjestelmien rakentaminen dynaamisella toimintojen vaihdolla Osa XNUMX: Resurssien niputtaminen ja hallinta

Edellisessä artikkeliMainitsimme, että yksi yleisimmistä laiminlyönneistä, joita suunnittelijat voivat tehdä, on se, että käytettävissä olevia järjestelmäresursseja ei käytetä täysimääräisesti, ja esittelimme sinulle Dynamic Function Exchange (DFX) -konseptin, suunnittelutapa, joka dynaamisesti kohdistaa käyttämättömät järjestelmäresurssit tehtäviä.

Teknisestä näkökulmasta DFX:n toteuttaminen on suhteellisen yksinkertaista käyttämällä niputtamiseksi kutsuttua konseptia. Niputuksessa toimintolohkot toteutetaan yhdessä järjestelmän toimintatavasta riippuen.

Esimerkiksi autonomisessa ajoneuvossa, kun auto on pysäköity, se voi olla "pysäköity"-tilassa ja valmis suorittamaan avaimetonta sisäänkäyntiä ja turvaprosesseja, kuten biometrinen tunnistaminen. "LowSpeed"-tilalle on ominaista hidas nopeus, ja se tarjoaa toimintoja, jotka keskittyvät tiukasti auton ympärille, mukaan lukien pysäköintitutka ja 360-näkymä kuljettajalle. Ja "Highway"-tila seuraa ja ennustaa ympäröivien ja vastaantulevien ajoneuvojen liikettä suurilla nopeuksilla. Se ottaa käyttöön myös kuljettajan valvonnan varmistaakseen, että kuljettaja on tarkkaavainen eikä nukahda. Lyhyesti sanottuna niputtaminen mahdollistaa kolmen järjestelmän laitteistokiihdytetyn toiminnallisuuden pakata yhden järjestelmän laitteistojalanjäljelle (katso kuva 1).

Kuva 1: Dynaamisen funktionvaihdon (DFX) käyttäminen ominaisuuksien yhdistämiseen käyttötapausten perusteella, kuten tässä on esitetty, mahdollistaa useiden SoC- ja ASIC-toimintojen toteuttamisen yhdeksi laitteeksi.

Käytännössä DFX on paljon joustavampi kuin tämä. Ota huomioon, että Advanced Driver Assistance System (ADAS) voi mukautua muuttuviin ympäristötekijöihin, kuten yö tai päivä. Kun ajoneuvo ajautuu tunneliin, DFX mahdollistaa järjestelmän nopean siirtymisen yöpohjaisiin toimintoihin ja algoritmeihin turvallisuuden parantamiseksi. Järjestelmä voisi myös havaita sateen tai lumen ja mukauttaa kuljettajan aputoiminnot asianmukaisesti turvallisuuden ja luotettavuuden lisäämiseksi reaaliaikaisten ajo-olosuhteiden perusteella.

DFX:n kanssa samaa laitteistoa voidaan käyttää ja samalla tarjota laitteistopohjaista kiihdytystä reaaliaikaisten käsittelyvaatimusten täyttämiseksi. GPU- ja/tai mukautetun SoC-lähestymistavan avulla laitteisto on rajoitettu toimintoihin, joita varten se on suunniteltu, mikä tarkoittaa, että mikä tahansa harvoin käytettävään toimintoon (esim. lumiajoon) omistettu laitteisto on käyttämättömänä suurimman osan ajasta.

DFX on laajalti käytetty ja todistettu sovelluksissa, kuten langattomassa viestinnässä ja sotilaallisissa sovelluksissa, kuten ohjelmiston määrittämässä (SD) radiossa. On yleinen väärinkäsitys, että SD-radion joustavuus tulee kokonaan ohjelmistosta; eri sovelluksissa tarvitaan erilaisia ​​laitteita käsittelyn nopeuttamiseksi.

Joustavan suunnittelutavan ansiosta DFX voi toteuttaa monimutkaisia ​​järjestelmiä huomattavasti vähemmillä laitteistoresursseilla. Tämä johtaa elektronisten järjestelmien pienempään jalanjälkeen, pienempään energiankulutukseen, käyttökustannussäästöihin ja laitekustannuksiin.

Korkeampi laatu ja luotettavuus

DFX:n kyky mahdollistaa järjestelmien uudelleenkohdistaminen prosessointiresursseihin ja alikäytön hyödyntäminen mahdollistaa sen, että suunnittelijat voivat harkita uudelleen monia järjestelmän kompromisseja. Harkitse sisällöntarjoajan suoratoistoa käyttäjiltä. Huippukäytön aikana tietty palvelin voi olla saapuvan videon vastaanottopiste. Kun kiihdytys toteutetaan laitteistossa IC:nä, laitteisto rajoittuu tehtävään, jota varten se on suunniteltu. Kun videota on vähemmän ruuhka-aikojen ulkopuolella, IC on tyhjäkäynnillä.

Kun käsittelytoiminto on toteutettu mukautuvassa DFX:ää käyttävässä laskenta-alustassa, käsittelytehtävät käsitellään laitteistotason nopeuksilla. Ruuhkan ulkopuolella, kun FPGA:lla on vähemmän dataa, järjestelmä voi konfiguroida osan itsestään uudelleen suorittamaan toisen tehtävän sen sijaan, että se olisi käyttämättömänä. Palveluntarjoaja voi ottaa käyttämättömät resurssit kiinteässä toteutuksessa (eli GPU/SoC) ja allokoida ne toiselle tehtävälle. Tämä voisi tapahtua käyttämällä enemmän laskentaa vaativia koodausalgoritmeja kaistanleveyden säästämiseksi tai paremman esi-/jälkikäsittelyn avulla kuvanlaadun parantamiseksi ja laadukkaamman käyttökokemuksen tarjoamiseksi. Toisin sanoen, muutoin käyttämättömät resurssit lisäävät asiakkaille toimitettua arvoa.

Vaihtoehtoisesti käytettävissä olevat resurssit voitaisiin osoittaa itsediagnostiikkatehtäviin, kuten seurantaan. Valvonta on tärkeä ominaisuus verkon ja sovellusten kunnon ylläpitämisessä. Mikä tahansa palvelin, jolla on käytettävissä olevaa kapasiteettia, voisi valvoa itseään, suorittaa pakettien syvätarkistuksen jne. toimintavarmuuden lisäämiseksi.

Sopeutumiskyky ja huippukapasiteetti

Yksi DFX:n tärkeimmistä eduista on mukautumiskyky. Kiinteiden toteutusten on yliprovisoitava valmiuksia huippukapasiteettien täyttämiseksi. Kun huippu ylittää tietyn kynnyksen, järjestelmä ei enää pysty käsittelemään tulevaa kuormaa ja lisälaitteistoinvestointeja tarvitaan.

Kanssa mukautuva laskenta-alusta Yhdessä DFX:n kanssa suunnittelijat voivat tarjota resursseja joustavasti optimoidakseen sovellusten suorituskyvyn reaaliajassa tietojen ja käyttäjien vaatimusten muuttuessa. Esimerkiksi kun järjestelmä lähestyy täyttä käyttöä, järjestelmä voi skaalata resursseja vähemmän tärkeisiin tehtäviin vapauttaakseen resursseja lisäkapasiteetin tukemiseksi.

Harkitse jälleen suoratoistosisällön tarjoajaa. Kun verkko toimii keskimääräisellä kapasiteetilla, käytettävissä olevat resurssit voidaan allokoida ylivoimaisen laadun takaamiseksi kaikissa virroissa. Kun verkko toimii korkealla huipulla, tärkeät streamit (eli ne, joilla on korkea katsojamäärä) voivat säilyttää korkean laatunsa, kun taas järjestelmä kompensoi vähäisen laadun heikkenemisen vähemmän tärkeissä streameissa (eli niiden, joilla on alhainen katsojamäärä) tukeakseen korkeampaa virtausten tiheys.

Toinen etu on kyky sopeutua pullonkauloihin niiden siirtyessä. Esimerkiksi kun suoratoiston kysyntä kasvaa ja laskee, resursseja voidaan konfiguroida dynaamisesti uudelleen tarjoamaan enemmän tai vähemmän syöttökapasiteettia. Mukautuvana laskenta-alustana FPGA:sta tulee optimaalinen laitteistokiihdytettyjen resurssien suhde tällä hetkellä tarvittaviin sovelluksiin ja työkuormiin.

Tekoäly

Tekoäly on yhä tärkeämpi teknologia lähes kaikissa sovelluksissa. Ajoneuvoissa esimerkiksi tekoälyn käyttöönotto sade- tai lumialgoritmissa antaa järjestelmän oppia sopeutumaan tiettyihin sääolosuhteisiin, joissa kuljettaja asuu. Edistyneemmillä algoritmeilla ajoneuvo voi jopa oppia mukautumaan jokaiseen yksittäiseen kuljettajaan ajan myötä.

Kiinteä laitteistokiihdytys käyttämällä erikoistuneita IC:itä on rajoitettu joustavuudessaan mukautua. Tekoälyn päättelymalleja voidaan usein päivittää, kunhan ne perustuvat samaan perusmalliteknologiaan. Tekoälyyn kohdistuu myös dynaaminen kuormitus. Harkitse tekoälypohjaista kasvojentunnistussovellusta, jota käytetään paljon päiväsaikaan, kun toimisto on aktiivinen. Iltaisin, kun kasvojentunnistuksen kysyntä on paljon alhaisempi, kiinteät resurssit ovat käyttämättömänä.

DFX yhdistettynä adaptiiviseen tietojenkäsittelyyn mahdollistaa järjestelmän hyödyntää tekoälyä parhaalla mahdollisella tavalla. Tekoälyalgoritmien edistysaskeleet voidaan ottaa käyttöön oikea-aikaisesti niiden kehittyessä. Lisäksi kun uusi tekoälyalgoritmi tai malli kehitetään, se voidaan nopeasti toteuttaa järjestelmissä. Uusia algoritmeja voidaan käyttää jopa kentällä jo käytössä olevissa järjestelmissä, mikä varmistaa tulevaisuuden suunnittelun.

DFX mahdollistaa myös uuden ulottuvuuden järjestelmien optimointiin rinnakkaisuuden avulla. Suurten tietojoukkojen käsittely voi viedä paljon aikaa. DFX:n avulla voidaan toteuttaa dynaaminen määrä funktion esiintymiä rinnakkain suurten tietojoukkojen käsittelyn nopeuttamiseksi.

Viimeisessä artikkelissamme opit joistakin työkaluista, joiden avulla käyttäjät voivat ottaa DFX:n käyttöön järjestelmissään.

Lähde: https://semiengineering.com/building-multipurpose-systems-with-dynamic-function-exchange-part-two-bundling-and-managing-resources/