FPGA为什么比CPU和GPU快，原因是什么？

在这篇文章中，小编将为大家带来FPGA的相关报道。如果你对本文即将要讲解的内容存在一定兴趣，不妨继续往下阅读哦。

一、FPGA

从本质上讲，FPGA(Field-Programmable Gate Array，可编程门阵列)是一种半导体设备，由可配置的逻辑块和互连组成，可以编程实现各种数字电路。

FPGA常常与专用集成电路(ASIC)和微控制器进行比较。ASIC专门为特定任务定制，提供了优化的性能，但缺乏灵活性。另一方面，微控制器是通用设备，通常用于较简单的任务，并通过软件控制。

FPGA的优势在于其在保持高性能的同时适应各种任务的能力。FPGA可以动态重新配置，非常适合需要灵活性和快速开发周期的应用。

FPGA主要由以下部分组成：

1、逻辑块

逻辑块是FPGA的基本构建块，包含可编程逻辑元素，可以配置为执行各种数字功能，如与、或和异或门。这些逻辑块可以通过编程来定义其功能和连接方式，从而实现所需的数字电路。

逻辑块的可编程性是FPGA的特点之一，这使FPGA具备了高度的灵活性和可定制性。

2、互连

互连是将逻辑块连接在一起的"线路"。它们构成可编程的路由矩阵，允许不同的逻辑块之间进行灵活的连接，并最终定义FPGA的功能。

3、输入/输出块

输入/输出(I/O)块使FPGA能够与外部设备(如传感器、开关或其他集成电路)进行通信。它们可配置以支持各种电压级别、标准和协议。

4、配置存储器

配置存储器存储定义FPGA的逻辑块和互连如何配置的编程数据。当FPGA上电时，这些数据被加载到设备中，使其能够执行其预定功能。

二、FPGA为什么比CPU和GPU快，原因是什么?

CPU和GPU都属于冯·诺依曼结构，指令译码执行，共享内存。FPGA之所以比CPU、GPU更快，本质上是因为其无指令，无共享内存的体系结构所决定的。

冯氏结构中，由于执行单元可能执行任意指令，就需要有指令存储器、译码器、各种指令的运算器、分支跳转处理逻辑。而FPGA的每个逻辑单元的功能在重编程时就已经确定，不需要指令。

冯氏结构中使用内存有两种作用：①保存状态。②执行单元间的通信。

1)保存状态：FPGA中的寄存器和片上内存(BRAM)是属于各自的控制逻辑的，无需不必要的仲裁和缓存。

2)通信需求：FPGA每个逻辑单元与周围逻辑单元的连接在重编程时就已经确定了，并不需要通过共享内存来通信。

计算密集型任务中：

在数据中心，FPGA相比GPU的核心优势在于延迟。FPGA为什么比GPU的延迟低很多?本质上是体系结构的区别。FPGA同时拥有流水线并行和数据并行，而GPU几乎只有数据并行(流水线深度受限)。

处理一个数据包有10个步骤，FPGA可以搭建一个10级流水线，流水线的不同级在处理不同的数据包，每个数据包流经10级之后处理完成。每个处理完成的数据包可以马上输出。而GPU的数据并行方法是做10个计算单元，每个计算单元也在处理不同的数据包，但是所有的计算单元必须按照统一的步调，做相同的事情(SIMD)。这就要求10个数据包必须同进同出。当任务是逐个而非成批到达的时候，流水线并行比数据并行可实现更低的延迟。因此对流水式计算的任务，FPGA比GPU天生有延迟方面的优势。

ASIC在吞吐量、延迟、功耗单个方面都是最优秀的。但是其研发成本高，周期长。FPGA的灵活性可以保护资产。数据中心是租给不同租户使用的。有的机器上有神经网络加速卡，有的有bing搜索加速卡，有的有网络虚拟加速卡，任务的调度和运维会很麻烦。使用FPGA可以保持数据中心的同构性。

通信密集型任务中，FPGA相比GPU、CPU的优势更大。

①吞吐量：FPGA可以直接接上40Gbps或者100Gbps的网线，以线速处理任意大小的数据包;而CPU则需要网卡把数据包接收过来;GPU也可以高性能处理数据包，但GPU没有网口，同样需要网卡，这样吞吐量受到网卡和(或)者CPU的限制。

②延迟:网卡把数据传给CPU，CPU处理后传给网卡，再加上系统中的时钟中断和任务调度增加了延迟的不稳定性。

综上所述，在数据中心里 FPGA 的主要优势是稳定又极低的延迟，适用于流式的计算密集型任务和通信密集型任务。

上述所有信息便是小编这次为大家推荐的有关FPGA的内容，希望大家能够喜欢，想了解更多有关它的信息或者其它内容，请关注我们网站哦。