原标题：FPGA 与 GPU 计算存储加速对比：单位功耗性能考量因素

　　为了提升计算基础设施的性能，并紧跟数据分析与 AI 不断攀升的需求，众多企业将硬件加速视为主要的解决方案。在大多数情况下，先进的可编程硬件（主要是指 GPU 和 FPGA）是加速的主要方式。通过使用这种先进的硬件，企业正在赢得计算优势；然而，对于编程难度，他们仍然存在合理的担忧。

图 1：分析/AI 流水线组件

　　硬件制造商正在将加速方法应用于计算存储，这是专门设计用于包含内嵌计算元素的存储。这种方法已经被证明可以为分析和 AI 应用提供优异的性能（图 1）。使用或者不使用机器学习辅助的分析以及验证，都可以借助计算存储器件进行加速。这些器件提供了一个关键的优势，使得成本高昂的计算被卸载到存储器件上，而不必在服务器 CPU 上完成。与标准的存储/CPU 方法相比，通过计算存储获得的优势包括：

　　1. 借助应用专用编程定制可编程硬件，获得更高性能

　　2. 将计算任务从服务器卸载到存储器件，释放 CPU 资源

　　3. 数据与计算共址，降低数据传输需求

　　这种新颖的方法前景光明。不过，您应根据具体用例评估这种方法，考量性能、成本、功耗和易用性。性价比和单位功耗性能在选择加速硬件评估时，占据主要比率。在本文中，我们将研讨单位功耗性能（另一篇文章则专门研讨性价比）。

　　计算存储功耗比较

　　3种系统

　　在这个场景中，我们将比较以 CSV 数据读取用例为主的三种工具：英伟达 GPUDirect 存储 和RAPIDS存储，以及基于赛灵思技术的三星 SmartSSD 存储。CSV 读取在计算密集型流水线中起着重要的作用（参见图 1）。

　　在下文中，我们将性能定义成 CSV 的处理速率，或处理“带宽”。我们先快速回顾一下三种系统的运行方式。

　　英伟达 GPUDirect 存储

　　• 端到端满足分析和 AI 需求

　　• 将 GPU 用作计算单元，紧贴基于 NVMe 的存储器件布局 (GPUDirect)

　　• 使用 CUDA 进行编程 (RAPIDS)

　　英伟达用其 CSV 数据读取技术衡量相对于标准 SSD 的性能提升。结果如图 1 所示。使用 1 到 8 个加速器时，对应的吞吐量是 4 到 23GB/s。

　　三星 SmartSSD 驱动器

　　• 将赛灵思 FPGA 用作计算单元

　　• 与存储逻辑内嵌驻留在同一个内部 PCIe 互联上

　　• 通过编程在存储平台上开展运算

　　赛灵思数据分析解决方案合作伙伴 Bigstream 与三星合作，为 Apache Spark 设计加速器，包括用于 CSV 和 Parquet 处理的 IP。SmartSSD 的测试使用单机模式的 CSV 解析引擎，以便开展比较。结果如图 2 所示，使用 1 到 12 个加速器时，对应的吞吐量是 4 到 23GB/s，同时也给出英伟达的结果（使用 1 到 8 个加速器）。请注意，本讨论中的所有结果都按 x 轴上的加速器数量进行参数化。

　　这些结果令人振奋，但在选择您的解决方案时，请务必将功耗情况纳入考虑。

图 2：SmartSSD 驱动器的 CSV 解析性能结果

　　单位功耗性能比较

　　图 3 显示了将功耗考虑在内后的分析结果。它们代表单位功耗达到的性能水平，根据上述讨论中引用的相关材料，给出了以下假设：

　　• Tesla V100 GPU：最大功耗 200 瓦

　　• SmartSSD 驱动器 FPGA：最大功耗 30 瓦

图 3：CSV 解析的每瓦功耗带宽比较

　　在这个场景下，计算表明，在全部使用 8 个加速器的情况下，SmartSSD 的单位功耗性能比 GPUDirect Storage 高 25 倍。

　　FPGA 与 GPU 对比：有关单位功耗性能的最终思考

　　计算存储的优势在于能增强数据分析和 AI 应用的性能。然而，要让这种方法具备可实际部署的能力和实用性，就必须在评估时将功耗纳入考虑。

　　针对用于 CSV 数据解析的两种不同的计算存储方法，我们已经提出按功耗参数化的吞吐量性能曲线。结果显示，在使用相似数量的加速器进行比较时，SmartSSD 驱动器的单位功耗性能优于 GPUDirect存储方法。

　　GPUDirect 是英伟达通过 NVIDIA DGX-2 应用平台提供的研究系统。

　　三星 SmartSSD 驱动器是一种可部署的量产型 PCIe 可插拔平台，现在已经通过赛灵思及分销商供货。