片上多核系統(tǒng)與片上網(wǎng)絡(luò)的發(fā)展

1. 片上多核系統(tǒng)與片上網(wǎng)絡(luò)的發(fā)展中的

1.1 片上多核系統(tǒng)發(fā)展的兩條演進(jìn)路線

系統(tǒng)級(jí)芯片也被稱為片上系統(tǒng)，是指在單個(gè)芯片內(nèi)部實(shí)現(xiàn)大部分甚至完整的電子系統(tǒng)功能的一種芯片。這種芯片是高端電子系統(tǒng)的核心，隨著集成電路工藝技術(shù)的發(fā)展也逐步向中低端電子系統(tǒng)發(fā)展。如今，很多諸如腕表、手環(huán)之類的可穿戴設(shè)備以及智能玩具等低端嵌入式設(shè)備也都以系統(tǒng)級(jí)芯片為核心來(lái)開(kāi)展設(shè)計(jì)?？梢哉f(shuō)片上系統(tǒng)已經(jīng)成為集成電路，尤其是數(shù)字集成電路的主要實(shí)現(xiàn)形式。

由于集成電路工藝在摩爾定律的驅(qū)使下飛速發(fā)展，單位面積上的晶體管數(shù)量不斷增加。根據(jù)登納德縮放比例（晶體管面積的縮小使得其所消耗的電壓以及電流會(huì)以差不多相同的比例縮小。也就是說(shuō)，如果晶體管的大小減半而時(shí)鐘頻率不變，該晶體管的功耗將會(huì)降至四分之一）。，使用新的集成電路工藝可以讓設(shè)計(jì)者可以大大地提高芯片的時(shí)鐘頻率，因?yàn)樘岣哳l率所帶來(lái)的更多的功耗會(huì)與晶體管縮放減少的功耗抵消，芯片的性能可以依靠不斷的提升時(shí)鐘頻率來(lái)獲得提高（當(dāng)然，也要配合架構(gòu)設(shè)計(jì)的改進(jìn)，例如利用增加的晶體管設(shè)計(jì)更多而且更為合理的高速緩存）。這樣在芯片內(nèi)部集成更多的晶體管的時(shí)候，提高芯片時(shí)鐘頻率成為了一個(gè)“免費(fèi)的午餐”。

而2005年前后，晶體管微縮到一定程度以后量子隧穿效應(yīng)（指像電子等微觀粒子能夠穿入或穿越位勢(shì)壘的量子行為）開(kāi)始慢慢介入，使得晶體管漏電現(xiàn)象開(kāi)始嚴(yán)重。漏電現(xiàn)象的出現(xiàn)打破了原先登納德所提出的定律。單純提高時(shí)鐘頻率將造成芯片功耗難以控制。功耗增大除了更費(fèi)電不環(huán)保之外，帶來(lái)的最大問(wèn)題是增加的功耗會(huì)轉(zhuǎn)化為熱量。在微小的芯片面積上大量功耗密集堆積會(huì)導(dǎo)致溫度急劇增加。如果散熱做的不好，芯片的壽命將大大減少甚至變得不穩(wěn)定。在這種情況下，提高芯片的時(shí)鐘頻率不再是免費(fèi)的午餐。在沒(méi)有解決晶體管漏電的問(wèn)題之前，單純的增加芯片的時(shí)鐘頻率因?yàn)殡S之而來(lái)的散熱問(wèn)題而變得不再現(xiàn)實(shí)。于是芯片研究商們開(kāi)始紛紛停止高頻芯片的研發(fā)，轉(zhuǎn)而向低頻多核的架構(gòu)開(kāi)始研究，用更多但頻率更低的核心來(lái)替代一個(gè)高頻率的核心。這種具備多個(gè)運(yùn)算核心的片上系統(tǒng)就是片上多核系統(tǒng)。

近10年來(lái)片上多核系統(tǒng)一直是數(shù)字集成電路領(lǐng)域的熱點(diǎn)，經(jīng)過(guò)眾多研究者的不斷努力誕生了大量很有意義的研究成果。片上網(wǎng)絡(luò)，本質(zhì)上是為了解決片上多核系統(tǒng)中不同的核心之間，核心與非核心（Un-Core）硬件單元之間數(shù)據(jù)傳輸問(wèn)題的一種“片上通信”方案。因此要理解清楚片上系統(tǒng)的發(fā)展脈絡(luò)，必須要先從片上多核系統(tǒng)的發(fā)展入手。否則就會(huì)出現(xiàn)“無(wú)的放矢”和“盲人摸象”的問(wèn)題。但由于片上多核系統(tǒng)的研究者背景和應(yīng)用領(lǐng)域不同導(dǎo)致發(fā)展演進(jìn)過(guò)程較為復(fù)雜而難以理解。2012年本人及所在研究小組開(kāi)始切入片上網(wǎng)絡(luò)相關(guān)時(shí)，由于對(duì)于片上多核系統(tǒng)的理解不深，導(dǎo)致研究出現(xiàn)了諸多波折與困擾，導(dǎo)致在一年多的時(shí)間中整體研究徘徊不前。

為減少這一問(wèn)題對(duì)于大家理解片上網(wǎng)絡(luò)的影響，作為我們系列文章的開(kāi)頭，本文將首先總結(jié)片上多核系統(tǒng)的演進(jìn)歷史與現(xiàn)狀。從而讓大家理解出現(xiàn)片上網(wǎng)絡(luò)這一技術(shù)背后的推動(dòng)力，也可以看出片上網(wǎng)絡(luò)多年來(lái)一直徘徊不前的原因。

下面就開(kāi)始進(jìn)入我們的正題：

第一款被大眾所熟知的商用化片上多核系統(tǒng)是著名處理器芯片提供商之一的AMD公司面向個(gè)人電腦推出的ATHLON X2雙核中央處理器Central Processing Unit (CPU)，該款CPU在商業(yè)上大獲成功。此后商用化片上多核系統(tǒng)的研制開(kāi)始進(jìn)入高潮。2005 年Intel發(fā)布了64位雙核處理器Montecito[1]，而IBM公司則發(fā)布了具有9個(gè)核心的Cell處理器[2]。此后的10年間，片上多核系統(tǒng)開(kāi)始大量的被應(yīng)用于各種信息基礎(chǔ)設(shè)備，成為高性能電子設(shè)備的核心器件。

但實(shí)際上片上多核系統(tǒng)的研究開(kāi)始于上個(gè)世紀(jì)90年代中期，在過(guò)去的20多年中片上多核系統(tǒng)架構(gòu)一直處于不斷發(fā)展和演進(jìn)中。由于應(yīng)用領(lǐng)域和研究人員的學(xué)術(shù)背景不同，片上多核系統(tǒng)的研究從一開(kāi)始就有著明顯的“流派”之分。隨著研究的持續(xù)深入，片上多核系統(tǒng)出現(xiàn)了越來(lái)越多的技術(shù)分支。這不但讓廣大吃瓜群眾難以辨識(shí)，對(duì)于很多剛接觸片上多核系統(tǒng)研究的碩士生和低年級(jí)博士生而言，搞清楚這些技術(shù)分支的區(qū)別與聯(lián)系也并不是一件輕松的工作。

簡(jiǎn)單來(lái)說(shuō)，片上多核系統(tǒng)由于起源不同、應(yīng)用領(lǐng)域不同以及研究者的學(xué)術(shù)背景不同等原因，發(fā)展出了不同的技術(shù)路線。上文提到的Intel公司發(fā)布的Montecito處理器[1]和IBM公司發(fā)布的Cell處理器[2]就代表了兩種最主要的技術(shù)路線。

Montecito處理器這一類片上多核系統(tǒng)源于Symmetric Multi-Processing System (SMP)系統(tǒng)，被稱之為Chip Multiprocessors (CMP)（國(guó)內(nèi)一般翻譯為單芯片多處理器），主要用于高性能通用計(jì)算領(lǐng)域。Cell處理器這一類片上多核系統(tǒng)則由片上系統(tǒng)Systemon-Chip (SoC)演進(jìn)而來(lái)，被稱為Multi-Processors System-on-Chip (MPSoC)。這類片上多核系統(tǒng)主要作為一種高端的嵌入式處理器被應(yīng)用于通信、信號(hào)處理、多媒體處理等領(lǐng)域。為方便行文，后文中直接使用CMP和MPSoC來(lái)指代這兩類處理器。

采用CMP架構(gòu)的片上多核系統(tǒng)通常被應(yīng)用于工作站、服務(wù)器、云計(jì)算平臺(tái)等通用計(jì)算設(shè)備，所運(yùn)行的主要應(yīng)用通常是以科學(xué)計(jì)算、仿真模擬為代表的大數(shù)據(jù)量通用計(jì)算。這類片上多核系統(tǒng)大多采用數(shù)據(jù)并行的并行程序開(kāi)發(fā)模式，以共享存儲(chǔ)器的方式來(lái)交換數(shù)據(jù)。這樣的好處在于開(kāi)發(fā)難度較低、程序的通用性較好，可以借用類似于OpenMP[3]這樣已經(jīng)較為成熟的并行編程模型加以開(kāi)發(fā)。又由于科學(xué)計(jì)算、仿真模擬這類應(yīng)用的特點(diǎn)通常是數(shù)據(jù)量超大，但不同處理器上所運(yùn)行的核心程序往往是相同的。因此采用共享存儲(chǔ)的方式可以使得多個(gè)處理器核心可以很容易共享同一塊虛擬地址空間，這使得同一程序可以很方便的同時(shí)運(yùn)行在不同的核心上，也可以很方便的共享同一個(gè)操作系統(tǒng)或管理程序。

Hydra處理器是1996年美國(guó)斯坦福大學(xué)研制集成了4個(gè)核心的處理器[4]，它被認(rèn)為是首款具備CMP性質(zhì)的片上多核系統(tǒng)。

圖1 Hydra處理器架構(gòu)圖，它被認(rèn)為是首款具備CMP性質(zhì)的片上多核系統(tǒng)

Hydra處理器采用了四個(gè)MIPS 處理核心，每個(gè)核心擁有私有的指令緩存（I-Cache）和數(shù)據(jù)緩存（D-Cache）。二級(jí)緩存為四個(gè)核心共享，通過(guò)核心自身的存儲(chǔ)控制器（Memory Controller, MC）及一組總線與二級(jí)緩存（L2 Cache）、主存儲(chǔ)器接口（Main Memory Interface）和輸入輸出總線接口（I/O Bus Interface）互連。由于片上的二級(jí)緩存為四個(gè)核心所共享，因此四個(gè)核心實(shí)質(zhì)上在邏輯上具備單一的內(nèi)存地址空間。這也使得共享同一個(gè)操作系統(tǒng)或管理程序成為可能。Hydra處理器為后續(xù)CMP架構(gòu)片上多核系統(tǒng)的發(fā)展奠定了基礎(chǔ)，這一架構(gòu)的片上多核系統(tǒng)在后續(xù)的演進(jìn)過(guò)程中始終被Hydra處理器的初始設(shè)計(jì)所影響。

而MPSoC誕生初期的主要代表是一些集成了多個(gè)數(shù)字信號(hào)處理器(Digital Signal Processor DSP)和微處理器(Microprocessor Unit MPU)的專用芯片。這些芯片主要被應(yīng)用于數(shù)字電視、多媒體播放器等信號(hào)處理設(shè)備。與追求高性能的通用計(jì)算不同，MPSoC 主要應(yīng)用領(lǐng)域所面臨的主要問(wèn)題是計(jì)算的實(shí)時(shí)性。由于計(jì)算任務(wù)的確定性更強(qiáng)，使得MPSoC的設(shè)計(jì)者和使用者能夠也必須要精確的劃分任務(wù)并合理的分配任務(wù)以應(yīng)對(duì)各種挑戰(zhàn)。

圖2所示的Viper處理器[5]，即為最早的一批MPSoC之一。

圖2 Viper處理器架構(gòu)示意圖，它是早期MPSoC的代表之一

從圖2中可以看出，整個(gè)芯片可以被劃分為兩個(gè)相對(duì)獨(dú)立的子系統(tǒng)。分別以MIPS（PR3940）CPU和TriMedia（TM32）CPU為核心。圖左側(cè)為以MIPS（PR3940）CPU為核心的子系統(tǒng)，這部分子系統(tǒng)的架構(gòu)類似于一個(gè)通用的嵌入式SoC芯片，集成了如UART、IEEE 1394協(xié)議控制器之類的接口模塊。圖右側(cè)為以TriMedia（TM32）CPU為核心，在這一子系統(tǒng)中集成了如MPEG-2視頻解碼器、視頻輸入處理器等多媒體處理單元，實(shí)質(zhì)上構(gòu)成了一個(gè)專用的多媒體處理器。因此可以很清楚的判斷Viper處理器中以MIPS（PR3940）CPU為核心的子系統(tǒng)主要負(fù)責(zé)通用處理器控制和數(shù)據(jù)傳輸方面的功能，而以MIPS（PR3940）CPU為核心的子系統(tǒng)則主要負(fù)責(zé)多媒體信號(hào)處理。兩個(gè)子系統(tǒng)相對(duì)獨(dú)立，通過(guò)Fast C-Bridge、MIPS C-Bridge以及C-Bridge三個(gè)總線橋相互連接。

Viper處理器的架構(gòu)很清晰的體現(xiàn)了MPSoC的一些典型特點(diǎn)：按任務(wù)需求劃分為若干獨(dú)立的子系統(tǒng)，每個(gè)子系統(tǒng)完成一個(gè)專門的功能，子系統(tǒng)之間相對(duì)獨(dú)立等。這種架構(gòu)設(shè)計(jì)方法充分體現(xiàn)了嵌入式系統(tǒng)的特性，因而被后來(lái)的研究者所繼承和發(fā)揚(yáng)。

RAW[6]是一代具有劃時(shí)代意義的片上多核系統(tǒng)。雖然它被發(fā)表于1997年，但它卻奠定了今后20年采用片上網(wǎng)絡(luò)互聯(lián)的CMP的基本架構(gòu)。

圖3 首次采用Tile結(jié)構(gòu)和網(wǎng)絡(luò)化互聯(lián)的CMP架構(gòu)芯片：RAW

RAW是由美國(guó)麻省理工學(xué)院于1997年提出并流片驗(yàn)證（從這里也可以看出美國(guó)在于高端系統(tǒng)芯片領(lǐng)域的積累深厚，回想我們1997年的芯片設(shè)計(jì)水平也才剛剛進(jìn)入到能把EDA工具流程用起來(lái)，開(kāi)始做ASIC的水平。龍芯等一大批處理器芯片設(shè)計(jì)都要等到2000以后）。

RAW微處理器架構(gòu)采用了一種被稱為Tile（國(guó)內(nèi)有國(guó)內(nèi)文獻(xiàn)有直譯為瓦片，為避免歧義本文中均使用英文原文指代）的模塊劃分方式。這種劃分方法把CPU、私有Cache（L1 Cache）、共享Cache（L2 Cache）的一個(gè)Bank（一直不知道這個(gè)該怎么翻譯……）、網(wǎng)絡(luò)接口（Network Interface NI)等硬件資源構(gòu)建為一個(gè)獨(dú)立的Tile。在不同的Tile在芯片規(guī)劃的平面內(nèi)按一定的規(guī)律整齊排列，Tile和Tile之間通過(guò)NoC加以互聯(lián)。這種采用Tile來(lái)劃分和組織片上多核系統(tǒng)的方式優(yōu)勢(shì)在于每個(gè)核心比較規(guī)整，有利于芯片后端設(shè)計(jì)并具備較好的可擴(kuò)展性。此后雖然有一些其它形式的核心劃分與組織方式的論文發(fā)表，但基于Tile的劃分與組織方式始終被絕對(duì)部分研究者（灌水者）所繼承。

接下來(lái)看一看比較近的一點(diǎn)的CMP架構(gòu)的片上多核系統(tǒng)，32核心SPARC M7處理器[7]。發(fā)布于2015年的ISSCC上。

圖4 32核心SPARC M7處理器邏輯結(jié)構(gòu)圖

該款處理器共有32個(gè)核心，每4個(gè)核心構(gòu)成一個(gè)組（文章中稱其為SCC），總共8個(gè)組。每個(gè)組內(nèi)部共享L2 Cache，但其它組不能訪問(wèn)。L3 Cache為全局共享Cache，可以被所有的所有核心訪問(wèn)。L3 Cache同樣被劃分為8個(gè)獨(dú)立的bank，和對(duì)應(yīng)的每個(gè)組一起組成了一個(gè)完整的Tile。

為了更有效的互聯(lián)各個(gè)不同的Tile，研究者為SPARC M7處理器設(shè)計(jì)了三套不同的片上網(wǎng)絡(luò)。分別是采用環(huán)網(wǎng)（Ring）結(jié)構(gòu)的請(qǐng)求網(wǎng)絡(luò)（Request Network），采用廣播（Broadcasting）結(jié)構(gòu)的響應(yīng)網(wǎng)絡(luò)（Responses Network）以及采用網(wǎng)格（Mesh）結(jié)構(gòu)的數(shù)據(jù)網(wǎng)絡(luò)（Data Network）。不同的片上網(wǎng)絡(luò)分別傳送不同的控制信息和數(shù)據(jù)，從而使得訪問(wèn)Cache的效率能最大限度的提高。

片上網(wǎng)絡(luò)成為CMP架構(gòu)的片上多核系統(tǒng)內(nèi)部互聯(lián)的主流方式之后，片上緩存的組織方式也相應(yīng)的發(fā)生了改變。在使用總線或交換結(jié)構(gòu)的時(shí)代，CPU訪問(wèn)不同Cache Bank的時(shí)間是基本保持一致的。但在使用片上網(wǎng)絡(luò)作為內(nèi)部互聯(lián)以后，CPU訪問(wèn)不同的Cache Bank的時(shí)間已經(jīng)不可能保持一致了。因此一種被稱為非均勻高速緩存體系結(jié)構(gòu)(Non-uniform Cache Architecture, NUCA)的概念被提出。NUCA是基于片上網(wǎng)絡(luò)的CMP片上多核系統(tǒng)所必然要面臨的問(wèn)題，但對(duì)NUMA的研究也推動(dòng)了基于片上網(wǎng)絡(luò)的CMP片上多核系統(tǒng)向前持續(xù)演進(jìn)。改進(jìn)NUMA條件下CMP架構(gòu)片上多核系統(tǒng)的訪存效率，也成為提升CMP架構(gòu)片上多核系統(tǒng)性能的主要途徑。由于這部分內(nèi)容涉及到較多存儲(chǔ)體系結(jié)構(gòu)方面的研究，在計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)的研究中屬于另外一個(gè)領(lǐng)域。超出了本文甚至本系列文章所討論的范圍，因而在此不再進(jìn)一步展開(kāi)討論。

當(dāng)然，也不是所有的CMP架構(gòu)的片上多核系統(tǒng)從此就走上了依靠NoC互聯(lián)的道路。當(dāng)核心數(shù)量不多的時(shí)候確實(shí)沒(méi)有必要考慮使用NoC。例如AMD的Zen就是沒(méi)有依靠NoC而采用了一種叫Core Complex (CCX)的方式互聯(lián)[8]。

圖5 采用CCX互聯(lián)的Zen，依然具備CMP架構(gòu)的基本特征

從圖5可以看出，Zen雖然核心比較少，但仍然是典型的CMP架構(gòu)。

談了很久的CMP，我們回頭再來(lái)看一看MPSoC。相比于CMP的規(guī)整、對(duì)稱的架構(gòu)，MPSoC是由若干個(gè)獨(dú)立的子系統(tǒng)構(gòu)成的。圖6是Intel在今年ISSCC上發(fā)布的面向機(jī)器人的Robot SoC[9]。

圖6 面向機(jī)器人的Robot SoC，典型的MPSoC架構(gòu)

圖6中有若干個(gè)子系統(tǒng)。左邊第一個(gè)是以X86處理器為核心的實(shí)時(shí)子系統(tǒng)，主要負(fù)責(zé)對(duì)外接口通信與控制，所以和SPI、I2C等外設(shè)接口劃分到一起了。Tensilica DSP則是負(fù)責(zé)信號(hào)處理運(yùn)算的一個(gè)子系統(tǒng)。有一個(gè)Always on子系統(tǒng)是常開(kāi)的，主要負(fù)責(zé)音頻方面的處理，應(yīng)該是用于芯片的喚醒。還有路徑規(guī)劃硬件加速器、運(yùn)動(dòng)控制硬件加速器等一系列加速器以及由X86處理器配合CNN加速的應(yīng)用子系統(tǒng)，用于實(shí)現(xiàn)人工智能算法。

圖7是Robot SoC[9]所實(shí)現(xiàn)的算法，可以看出是由多個(gè)獨(dú)立任務(wù)構(gòu)成的。這種形式的應(yīng)用比較容易被劃分為若干個(gè)獨(dú)立子系統(tǒng)來(lái)實(shí)現(xiàn)。這也是MPSoC主要應(yīng)用領(lǐng)域里的各種算法 的基本特征。

圖7 Robot SoC所需要實(shí)現(xiàn)的算法

如果芯片內(nèi)部的子系統(tǒng)較多，關(guān)系復(fù)雜，當(dāng)然也可以依靠NoC來(lái)互聯(lián)。比如剛剛被收購(gòu)的sonics公司就給了這么一個(gè)例子[10]。

圖8 Sonics公司給出的高性能片上網(wǎng)絡(luò)在SoC中的應(yīng)用

可以看出，在MPSoC中有多個(gè)獨(dú)立的子系統(tǒng)時(shí)，使用片上網(wǎng)絡(luò)是一種必要的片上通信方式。

最后，我們稍作總結(jié)：

1.片上多核系統(tǒng)是現(xiàn)在系統(tǒng)級(jí)集成電路的主要實(shí)現(xiàn)形式；

2.片上多核系統(tǒng)分為CMP和MPSoC兩種架構(gòu)；

3.CMP主要用于通用計(jì)算，大多采用數(shù)據(jù)并行的并行程序開(kāi)發(fā)模式，以共享存儲(chǔ)器的方式來(lái)交換數(shù)據(jù)，通常以對(duì)稱的Tile形式來(lái)組織芯片硬件結(jié)構(gòu)；

4.MPSoC主要用于嵌入式設(shè)備，大多是由多個(gè)相對(duì)獨(dú)立的子系統(tǒng)構(gòu)成，一般“按需設(shè)計(jì)”，結(jié)構(gòu)極不對(duì)稱。

本次先談到這里，下回來(lái)談一下不同片上多核系統(tǒng)的互聯(lián)需求。也講一下片上多核系統(tǒng)的發(fā)展如何引導(dǎo)片上網(wǎng)絡(luò)的發(fā)展的。

參考文獻(xiàn)：

[1] C. Mcnairy, R. Bhatia. Montecito: A Dual-Core, Dual-Thread Itanium Processor[J]. IEEE Micro, 2005, 25(2):10–20

[2] J. Kahle. The cell processor architecture[C]. 38th annual IEEE/ACM International Symposium on Microarchitecture, Washington, DC, 2005, 49–56

[3] Dagum L, Menon R. OpenMP: an industry standard API for shared-memory programming[J]. IEEE computational science and engineering, 1998, 5(1): 46-55.

[4]K. Olukotun, B. A. Nayfeh, L. Hammond, et al. The case for a single-chip multiprocessor[C]. Seventh international conference on Architectural support for programming languages and operating systems, New York, 1996, 2–11

[5]S. Dutta, R. Jensen, A. Rieckmann. Viper: A multiprocessor SOC for advanced set-top box and digital TV systems[J]. IEEE Design Test of Computers, 2001, 18(5):21–31

[6]J. Babb, M. Frank, V. Lee, et al. The RAW benchmark suite: computation structures for general purpose computing[C]. The 5th Annual IEEE Symposium on Field-Programmable Custom Computing Machines, Vancouver, 1997, 134 – 143

[7] Oracle, Redwood Shores, CA：A 20nm 32-Core 64MB L3 Cache SPARC M7 Processor 2015 IEEE International Solid-State Circuits Conference

[8] Singh, Teja, et al. "3.2 Zen: A next-generation high-performance× 86 core." 2017 IEEE International Solid-State Circuits Conference (ISSCC). IEEE, 2017.

[9] Honkote, Vinayak, et al. "2.4 A Distributed Autonomous and Collaborative Multi-Robot System Featuring a Low-Power Robot SoC in 22nm CMOS for Integrated Battery-Powered Minibots." 2019 IEEE International Solid-State Circuits Conference-(ISSCC). IEEE, 2019.

[10]NoC | The Traffic Cop