基于三層級(jí)低開銷的系統(tǒng)性的緩解FPGA中MBU問題的技術(shù)框架

商用現(xiàn)貨型FPGA被認(rèn)為是解決目前空間應(yīng)用對(duì)處理能力需求不斷增加的唯一途徑，由于其對(duì)多比特翻轉(zhuǎn)的敏感性，需要針對(duì)空間應(yīng)用的單粒子效應(yīng)采取專門的設(shè)計(jì)加固技術(shù)。提出了基于用戶邏輯層、配置存儲(chǔ)器層和控制層3個(gè)層級(jí)的容錯(cuò)技術(shù)框架。在用戶邏輯層，提出了一種新型的低開銷的FTR策略用于用戶邏輯的錯(cuò)誤檢測(cè)；在配置存儲(chǔ)器級(jí)，提出了基于模塊和幀的動(dòng)態(tài)部分可重構(gòu)策略用于處理配置存儲(chǔ)器的錯(cuò)誤；在控制級(jí)，以Xilinx ZYNQ片上系統(tǒng)型FPGA為目標(biāo)，利用其嵌入的硬核處理器進(jìn)行基于檢查點(diǎn)和卷回體制的電路狀態(tài)保存和恢復(fù)。整個(gè)容錯(cuò)技術(shù)框架在7級(jí)流水的LEON3開源器處理器中進(jìn)行了故障注入的試驗(yàn)驗(yàn)證，試驗(yàn)結(jié)果顯示在增加85%的LUT資源和125%的觸發(fā)器資源使用條件下，99.997%注入的故障得到了及時(shí)糾正。

0 引言

商用芯片擁有比宇航級(jí)芯片更強(qiáng)的處理能力，但是容易受到單粒子效應(yīng)的影響。已經(jīng)有不少學(xué)者開展了相關(guān)的研究工作，主要是通過持續(xù)的全局配置刷新來緩解配置存儲(chǔ)器中的錯(cuò)誤數(shù)據(jù)位。在此基礎(chǔ)上，提出基于動(dòng)態(tài)部分重構(gòu)(Dynamic Partial Reconfiguration，DPR)技術(shù)對(duì)特定區(qū)域電路進(jìn)行重配置，既減少了配置時(shí)間，又提高了效率。

另一種可行的處理方式就是在配置存儲(chǔ)器內(nèi)部進(jìn)行錯(cuò)誤檢測(cè)和編碼糾正，通?？梢詸z測(cè)2位錯(cuò)誤糾正1位錯(cuò)誤(Single Error Correction and Double-Error Detection，SEC-DED)，但是無法應(yīng)對(duì)多比特翻轉(zhuǎn)(Multiple bit Upset，MBU)的情況[5]。對(duì)于用戶邏輯電路的容錯(cuò)設(shè)計(jì)主要有兩種方式：一種是進(jìn)行三模冗余(Triple Modular Redundancy，TMR)設(shè)計(jì)，主要缺點(diǎn)是代價(jià)大；另一種方法是在用戶邏輯電路中只進(jìn)行錯(cuò)誤檢測(cè)，采用復(fù)制比較（Duplication With Comparison，DWC)技術(shù)，對(duì)所有邏輯資源進(jìn)行復(fù)制，增加比較器對(duì)結(jié)果進(jìn)行比較。為了進(jìn)一步減少資源利用，提出在用戶邏輯電路中進(jìn)行錯(cuò)誤檢測(cè)的同時(shí)，通過增加一個(gè)層級(jí)對(duì)電路狀態(tài)進(jìn)行保存和恢復(fù)。

根據(jù)上面的分析，目前針對(duì)FPGA的軟錯(cuò)誤技術(shù)主要涉及用戶邏輯層、配置存儲(chǔ)器層和控制層，不同的技術(shù)可針對(duì)不同的場(chǎng)景，在資源、功耗之間沒有針對(duì)特殊應(yīng)用實(shí)現(xiàn)針對(duì)性的優(yōu)化。因此，本文在此基礎(chǔ)上提出了基于三層級(jí)低開銷的系統(tǒng)性的緩解FPGA中MBU問題的技術(shù)框架，并通過Xilinx ZYNQ平臺(tái)針對(duì)開源的LEON3處理器軟核進(jìn)行了故障注入的仿真驗(yàn)證。

1 三層級(jí)軟錯(cuò)誤緩解技術(shù)框架

以最少的資源開銷、最低功耗和最短的處理延遲時(shí)間為優(yōu)化目標(biāo)，通過在用戶邏輯層、配置存儲(chǔ)器層和控制層3個(gè)層級(jí)的有效協(xié)同，提出了系統(tǒng)性的緩解商用現(xiàn)貨型FPGA空間應(yīng)用面臨的MBU能力問題的軟錯(cuò)誤緩解技術(shù)框架，其基于Xilinx ZYNQ SoC(System-on-Chip)的容錯(cuò)技術(shù)框架如圖1所示。

用戶邏輯層選擇的冗余策略直接影響上層的架構(gòu)。例如，使用TMR技術(shù)進(jìn)行軟錯(cuò)誤緩解，需要200%以上的資源開銷，不太適用于對(duì)資源和功耗都嚴(yán)格受限的空間應(yīng)用環(huán)境，需要以面積和功耗的降低為優(yōu)化目標(biāo)，同時(shí)盡可能地減少延遲。

配置存儲(chǔ)器層選擇的策略的延遲和功耗主要依賴于重配置的粒度和檢糾錯(cuò)能力，后者主要取決于是對(duì)整個(gè)配置數(shù)據(jù)還是只是對(duì)內(nèi)置的糾錯(cuò)編碼的冗余信息進(jìn)行讀取和寫回。

在控制層，主要考慮的因素也是延遲和功耗，可采用檢查點(diǎn)（check pointing）和卷回（rollback）體制，主要的設(shè)計(jì)參數(shù)就是檢查點(diǎn)設(shè)置的周期。

2 用戶邏輯層

在用戶邏輯層，有兩種較為通用的錯(cuò)誤檢測(cè)方法是：一種是DWC技術(shù)，這是一種全硬件備份策略；另一種就是時(shí)間冗余（Temporal Redundancy，TR)技術(shù)。圖2中的組合邏輯和時(shí)序邏輯都有兩個(gè)獨(dú)立的路徑，可以在每個(gè)觸發(fā)器的輸出進(jìn)行比較，這樣檢測(cè)延遲時(shí)間最短。圖3中采用的是TR技術(shù)體制，只對(duì)時(shí)序邏輯進(jìn)行冗余，通常是基本電路采用一個(gè)時(shí)鐘，一個(gè)延遲時(shí)間d的時(shí)鐘提供給冗余的觸發(fā)器，這樣整個(gè)電路的保持時(shí)間約束最壞情況是d，建立時(shí)間約束不變。該策略可用于在組合邏輯資源開銷很低的情況下同時(shí)檢測(cè)時(shí)序邏輯中的單粒子翻轉(zhuǎn)和組合邏輯中的單粒子瞬態(tài)現(xiàn)象(Single-Event Transients，SET)造成的錯(cuò)誤。

延遲時(shí)間d首先要保證能夠檢測(cè)到組合邏輯中全部的SET，因此必須大于SET的最大持續(xù)時(shí)間。隨著工藝尺寸的減少，SET持續(xù)時(shí)間在增加，對(duì)于30 MeV·cm2/mg的LET和130 nm工藝，SET的持續(xù)時(shí)間為0.2～0.8 ns，Xilinx ZYNQ采用了28 nm工藝技術(shù)，延遲在2 ns左右。同時(shí)，隨著延遲d的增加，需要增加更多延遲布線資源，容易造成競(jìng)爭(zhēng)冒險(xiǎn)現(xiàn)象，極大地降低了最高時(shí)鐘工作頻率。因此，對(duì)于高達(dá)2 ns的延遲，TR策略的使用十分受限。

為了改進(jìn)TR策略的適用范圍，提出了圖4所示的前向時(shí)間冗余（Forward Temporal Redundancy，F(xiàn)TR)策略，其與TR的主要區(qū)別是延遲是反向的，用于觸發(fā)器比較的時(shí)鐘相位提前，電路的保持時(shí)間沒有變化，但是建立時(shí)間約束更加嚴(yán)酷。因此，從clk到clk′時(shí)鐘域的最大傳播延遲減少了d。FTR是一種低功耗和低面積的解決方案，不存在冒險(xiǎn)競(jìng)爭(zhēng)條件。

3 配置存儲(chǔ)器層

對(duì)于配置存儲(chǔ)器的重構(gòu)或者刷新主要有3種不同粒度的操作，如圖5所示，第一種就是完全重配置或者刷新，效率比較低；第二種是基于模塊的部分重構(gòu)，適用電路局限在部分重構(gòu)區(qū)域(Partially Reconfigurable Region，PRR)；第三種是最好的操作粒度，即基于幀的部分重構(gòu)，幀是基于地址表的最小單位，對(duì)于Xilinx ZYNQ平臺(tái)，包括101個(gè)32 bit字，每一個(gè)幀通過對(duì)應(yīng)的幀地址(Frame Address Register，F(xiàn)AR)進(jìn)行訪問，可提供最快的錯(cuò)誤檢測(cè)能力。

為提高檢糾錯(cuò)效率，提出了在配置存儲(chǔ)器層組合使用基于模塊和基于幀的DPR方法：首先，準(zhǔn)確定位用戶邏輯電路的資源位置，同時(shí)提取相應(yīng)部分的比特流信息，然后實(shí)現(xiàn)快速的檢錯(cuò)?；趲幕刈x可以用于檢測(cè)PRR內(nèi)部所有錯(cuò)誤。比特流信號(hào)中不僅包括配置位，也包括用戶存儲(chǔ)器單元，這些都可能在電路運(yùn)行過程中狀態(tài)進(jìn)行改變。這些對(duì)應(yīng)比特位必須在回讀時(shí)通過.mask文件進(jìn)行屏蔽。

上述方法特別適用于用戶電路可以分成多個(gè)獨(dú)立的小PRR的情況，對(duì)區(qū)域位置定位越準(zhǔn)確，PRR越小，延遲就越少，電路的性能也越穩(wěn)定。

同時(shí)，對(duì)于硬件錯(cuò)誤的處理可以通過比特流的重定位技術(shù)，只需要小容量的外部存儲(chǔ)器對(duì)部分比特流進(jìn)行存儲(chǔ)。

另一種通用的配置存儲(chǔ)器保護(hù)策略是Xilinx提供的IP核，對(duì)整個(gè)配置存儲(chǔ)器進(jìn)行監(jiān)視和錯(cuò)誤糾正，這個(gè)核在Xilinx ZYNQ中不進(jìn)行容錯(cuò)設(shè)計(jì)就需要900個(gè)查找表和 700個(gè)觸發(fā)器，資源開銷較大。

Xilinx的FPGA支持多種刷新和配置途徑，為了盡可能減少延遲，提高系統(tǒng)的可靠性，優(yōu)選ICAP接口。

4 控制層

控制層主要完成兩個(gè)任務(wù)：協(xié)調(diào)處理和狀態(tài)保存。協(xié)調(diào)處理功能主要分為兩部分，一部分與用戶邏輯層有關(guān)，用于處理用戶邏輯中檢測(cè)到的錯(cuò)誤；另一部分與配置存儲(chǔ)層有關(guān)，用于配置存儲(chǔ)器中錯(cuò)誤的糾正。狀態(tài)保存專門用于支持檢查點(diǎn)和回滾操作，圖6所示為基于Xilinx ZYNQ平臺(tái)的完整算法描述。

檢查點(diǎn)和回滾操作可以通過3種方式實(shí)現(xiàn)。第一種是利用FPGA的BRAM存儲(chǔ)狀態(tài)信息，為保證這些信息不會(huì)被更改，必須采用合適的保護(hù)機(jī)制，通常采用內(nèi)建的SEC-DED-EDAC，不能針對(duì)MBU情況。第二種方法是在更高層級(jí)進(jìn)行處理，使用回讀捕獲特性，通過處理器直接從配置邏輯單元中重新獲取狀態(tài)信息。但是這種方法需要進(jìn)行專門的布局設(shè)計(jì)，否則可能造成大的延遲開銷。最后一種方法是通過內(nèi)部數(shù)據(jù)總線進(jìn)行傳輸，比如AXI，可以在多PRR的模塊設(shè)計(jì)中進(jìn)行共享，與第二種方法類似，重新獲取的狀態(tài)數(shù)據(jù)可以使用具備更高糾錯(cuò)能力的軟件編碼進(jìn)行糾錯(cuò)，或者存儲(chǔ)到對(duì)單粒子免疫的存儲(chǔ)器中來保證數(shù)據(jù)的正確性，這些數(shù)據(jù)也可以傳回來支持卷回操作。

根據(jù)延遲和功耗的折中，選擇一個(gè)優(yōu)化的檢查點(diǎn)的周期參數(shù)，處理器按照時(shí)間周期執(zhí)行任務(wù)，這個(gè)參數(shù)需要根據(jù)應(yīng)用需求進(jìn)行調(diào)整。對(duì)于硬實(shí)時(shí)系統(tǒng)，檢查點(diǎn)周期可以減少為0，最小的延遲邊界通過回讀的時(shí)間確定。使用硬核處理器進(jìn)行控制的方法由于減少了對(duì)單粒子敏感的FPGA資源的使用，可提高系統(tǒng)整體的可靠性。

5 利用開源的LEON3處理器核的測(cè)試結(jié)果

本文采用開源LEON3處理器軟核作為基本程序進(jìn)行測(cè)試，其狀態(tài)單元主要包括程序計(jì)數(shù)器、寄存器文件和數(shù)據(jù)存儲(chǔ)器，需要通過檢查點(diǎn)和回滾操作進(jìn)行保護(hù)?；赬ilinx ZYNQ XC7Z010-1CLG400C平臺(tái)進(jìn)行測(cè)試。

在用戶邏輯層對(duì)不同的冗余策略進(jìn)行量化比較，表1所示為比較的結(jié)果。從表中可以看出，F(xiàn)TR策略的結(jié)果最好，功耗低，面積開銷低，適合空間應(yīng)用，實(shí)現(xiàn)了性能和代價(jià)之間的最好平衡。由于更加嚴(yán)格地建立時(shí)間約束，與TR相比，F(xiàn)TR策略可以運(yùn)行的最高工作頻率更大。

圖7所示為全部緩解技術(shù)實(shí)現(xiàn)需要的資源開銷比較，從圖中可以看出采用FTR策略，只增加了63%的組合邏輯和101%的時(shí)序邏輯資源。

在配置存儲(chǔ)器層，位置確定更準(zhǔn)確，更能體現(xiàn)FTR的優(yōu)勢(shì)，只需要34 μs就可以糾正一個(gè)幀中的錯(cuò)誤，LEON3處理器包括2 640幀，在90 ms內(nèi)就可以實(shí)現(xiàn)整個(gè)PRR的回讀，通過優(yōu)化ICAP端口的速度可以進(jìn)一步減少時(shí)間，最高可以運(yùn)行到300 MHz。

在控制層，狀態(tài)信息保存在程序計(jì)數(shù)器中，寄存器文件和數(shù)據(jù)存儲(chǔ)器中，通過檢查點(diǎn)和卷回操作進(jìn)行保護(hù)，并通過AXI總線與硬核處理器連接。這種策略對(duì)需要傳輸?shù)臄?shù)據(jù)量比較敏感，通常片上數(shù)據(jù)存儲(chǔ)器只有幾KB，更大的容量需求通過片外存儲(chǔ)器提供，片外存儲(chǔ)器可以采用復(fù)雜檢糾錯(cuò)編碼。

圖8顯示22%的組合邏輯和24%的時(shí)序邏輯開銷用于檢查點(diǎn)和卷回處理程序。

通過故障注入對(duì)整個(gè)軟件緩解技術(shù)框架的有效性進(jìn)行了驗(yàn)證。首先讀取幀對(duì)應(yīng)的地址信息，然后對(duì)其中的一個(gè)比特位進(jìn)行翻轉(zhuǎn)，最后把幀數(shù)據(jù)寫回，從而產(chǎn)生一個(gè)錯(cuò)誤。通過Xilinx產(chǎn)生的.ebd和.ll文件可以找出有效使用的比特信息，試驗(yàn)結(jié)果表明99.997%注入的軟錯(cuò)誤得到糾正。

6 結(jié)論

為了滿足低成本高性能空間應(yīng)用處理平臺(tái)的面積和功耗要求，提出了基于三層級(jí)的以功耗、面積、可靠性和延遲特性為目標(biāo)的優(yōu)化模型。以LEON3開源處理器軟核為基準(zhǔn)程序，通過增加85%的組合邏輯和125%時(shí)序邏輯資源開銷，實(shí)現(xiàn)了冗余和狀態(tài)的保存，比單純的DWC體制更優(yōu)。通過故障注入的仿真實(shí)驗(yàn)，驗(yàn)證了該框架可有效糾正99.997%的軟錯(cuò)誤，具備MBU的緩解能力。