用动态功能交换构建多用途系统第二部分:资源的捆绑和管理

在我们之前的文章在文章中，我们提到了设计人员最常见的疏忽之一是没有充分利用可用的系统资源，我们向您介绍了动态功能交换(DFX)的概念，这是一种动态地将未使用的系统资源重新分配给其他任务的设计方法。

从技术角度来看，使用捆绑概念实现DFX相对简单。通过捆绑，功能块根据系统的操作模式一起实现。

例如，在自动驾驶汽车中，当汽车停放时，它可以处于“停放”模式，并准备执行无钥匙进入和生物识别等安全流程。“低速”模式的特点是速度较慢，并提供紧密围绕汽车的功能，包括停车辅助和为驾驶员提供360度视野。“高速公路”模式跟踪和预测周围和迎面而来的高速行驶车辆的运动。它还引入了司机监控，以确保司机注意力集中，不会睡着。简而言之，捆绑可以将三个系统的硬件加速功能打包到单个系统的硬件占用空间中(参见图1)。

图1:如图所示，使用动态功能交换(DFX)来基于用例捆绑功能，使得在单个设备中实现多个soc和asic的功能成为可能。

实际上，DFX要比这灵活得多。考虑到先进驾驶辅助系统(ADAS)可以适应不断变化的环境因素，如夜间或白天。当车辆进入隧道时，DFX使系统能够快速切换到夜间功能和算法，以提高安全性。该系统还可以探测雨雪，并根据实时驾驶情况适当调整驾驶员辅助功能，进一步提高安全性和可靠性。

使用DFX，可以使用相同的硬件，同时提供基于硬件的加速以满足实时处理需求。使用GPU和/或自定义SoC方法，硬件被限制在其设计的功能上，这意味着任何专用于很少使用的功能(即雪地驾驶)的硬件大部分时间都将处于空闲状态。

DFX在无线通信和军事应用(如软件定义(SD)无线电)中得到了广泛的应用和验证。一个常见的误解是，SD收音机的灵活性完全来自于软件;对于不同的应用，需要不同的硬件来加速处理。

由于其灵活的设计方法，DFX可以用更少的硬件资源实现复杂的系统。这使得电子系统占地面积更小，能耗更低，运营成本更低，设备成本更低。

更高的质量和可靠性

DFX使系统能够重新分配处理资源并利用未充分利用的情况，这使设计人员能够重新考虑许多系统权衡。考虑一个来自用户的直播视频的内容提供商。在使用高峰期间，特定的服务器可能是传入视频的接收点。当加速作为集成电路在硬件中实现时，硬件被限制在它被设计的任务上。当在非高峰时段输入的视频较少时，IC处于空闲状态。

当使用DFX在自适应计算平台中实现摄取功能时，摄取任务将以硬件级的速度处理。在FPGA接收的数据较少的非峰值期间，系统可以重新配置自身的一部分以执行另一项任务，而不是处于空闲状态。提供商可以获取固定实现(即GPU/SoC)中的空闲资源，并将其分配给另一个任务。这可以采取使用更多计算密集型编码算法来节省带宽或更好的前/后制作处理来提高图像质量并提供更高质量的用户体验。换句话说，原本闲置的资源正在增加交付给客户的价值。

或者，可用的资源可以分配给自我诊断任务，例如监控。监视是维护网络和应用程序运行状况的重要功能。任何具有可用容量的服务器都可以监控自身，执行深层数据包检查等，以提高运行可靠性。

适应性和峰值容量

DFX最重要的好处之一是适应性。固定实现必须过度提供功能以满足峰值容量。当峰值超过一定阈值时，系统将无法再处理传入负载，需要额外的硬件投资。

与一个自适应计算平台结合DFX，设计人员可以灵活地配置资源，随着数据和用户需求的变化实时优化应用程序性能。例如，当系统接近充分利用时，系统可以在不太重要的任务上缩减资源，以释放资源来支持额外的容量。

再来看看直播内容提供商。当网络以平均容量运行时，可以分配可用资源以跨所有流提供优质服务。当网络运行在高峰时，重要的流(即收视率高的流)可以保持其高质量，而系统可以权衡不太重要的流(即收视率低的流)的轻微质量下降，以支持更高的流密度。

另一个好处是能够在瓶颈转移时适应它们。例如，随着流需求的上升和下降，资源可以动态地重新配置，以提供更多或更少的摄取容量。作为自适应计算平台，FPGA成为当前所需应用程序和工作负载所需硬件加速资源的最佳硬件比例。

人工智能

人工智能在几乎所有应用中都是一项越来越重要的技术。例如，在车辆中，将AI引入到雨雪算法中，可以让系统学习适应驾驶员所在的特定天气条件。有了更先进的算法，随着时间的推移，汽车甚至可以学会适应每个司机。

使用专用集成电路的固定硬件加速在适应灵活性方面受到限制。通常，AI推断模型可以更新，只要它们依赖于相同的基础模型技术。人工智能也会受到动态加载的影响。考虑一个基于人工智能的人脸识别应用程序，当办公室处于活动状态时，该应用程序在白天的使用率很高。在晚上，人脸识别需求低得多，固定资源将闲置。

DFX与自适应计算相结合，使系统能够最大限度地利用AI。人工智能算法的进步可以在其发展过程中及时实现。此外，当开发出新的AI算法或模型时，可以在系统中快速实现。新的算法甚至可以用于已经部署在现场的系统，从而实现面向未来的设计。

DFX还通过并行化实现了系统优化的新维度。处理大型数据集可能需要大量时间。使用DFX，可以并行实现动态数量的函数实例，以加速大型数据集的处理。

在我们的最后一篇文章中，您将了解允许用户在其系统中部署DFX的一些工具。