嵌入式開(kāi)發(fā)技巧：利用編程技術(shù)發(fā)揮多內核架構優(yōu)勢

另一種并行編程架構，CUDA和OpenCL(開(kāi)放計算語(yǔ)言)，則完全匹配GPU方法(使用與主處理器分開(kāi)的存儲器)。這意味著(zhù)數據在能被操作之前必須從一個(gè)地方移動(dòng)到另一個(gè)地方。C編程語(yǔ)言有一定擴展，但也有限制。例如，它是自由遞歸的，不支持函數指針。其中一些限制源自SIMT方法。

許多應用程序使用CUDA，但與傳統SMP平臺相比，性能增益有很大的變化，從2倍到100倍不等。造成這種變化的原因是，線(xiàn)程以32為組運行時(shí)的效率最高。分支不影響性能，前提是32線(xiàn)程組在同一分支內。

像GPU這樣的專(zhuān)用處理器，其采用的方案是同時(shí)提供圖形和多內核處理。另外一種方案是使用許多傳統內核，如Intel的Larrabee(圖5)。Larrabee使用專(zhuān)門(mén)針對矢量處理優(yōu)化過(guò)的x86兼容內核。

從某種角度看，Larrabee有點(diǎn)類(lèi)似于IBM的Cell處理器。Larrabee內核只有32KB的一級緩存和256KB的二級緩存可以訪(fǎng)問(wèn)。如果數據不在緩存中，必須從內存控制器或系統中的另一個(gè)緩存中申請，然后數據被放進(jìn)內核的緩存中，再由應用程序繼續處理。

環(huán)形總線(xiàn)用于內核和控制器之間的通信。IBM的Cell單元互連總線(xiàn)(EIB)也是一種環(huán)形總線(xiàn)，連接著(zhù) SPE和內存控制器以及外設接口。從編程角度看，Larabee的緩存和Cell的SRAM有很大的差異。誠然，對編程人員來(lái)說(shuō)，Larrabee看起來(lái)更像是一組連貫緩存的x86處理器。由于其GPU定位，編程人員可以充分利用它對DirectX和OpenGL的支持。

多內核聯(lián)網(wǎng)

多內核芯片也是網(wǎng)絡(luò )基礎設施中的常見(jiàn)元件。處理10Gps的網(wǎng)絡(luò )對多內核芯片來(lái)說(shuō)本身就是很大的挑戰。分析和處理來(lái)自線(xiàn)速網(wǎng)絡(luò )連接的數據需要大量的處理資源。

Netronome的NFP-3200網(wǎng)絡(luò )流量處理器包含40個(gè)1.4GHz的內核，每個(gè)內核可以運行8個(gè)線(xiàn)程，因此1個(gè)芯片總共可提供320個(gè)基于硬件的線(xiàn)程。這個(gè)數量級與GPU相同，但這些處理器主要用于數據包處理。

與IBM的Cell一樣，NFP-3200也有一個(gè)主CPU型控制器，而且是一個(gè)ARM11內核。NFP-3200的40個(gè)內核也叫做微引擎，兼容 Intel的IXP28xx架構，主要用于網(wǎng)絡(luò )處理。這種兼容性很重要，因為大量代碼是針對這種架構開(kāi)發(fā)的。較老的芯片具有較少的內核，因此在某種意義上 NFP-3200提供的是相同解決方案。

當然，為解決問(wèn)題而簡(jiǎn)單地采用更多的內核只是其中一種措施。Netronome作了大量改進(jìn)，例如支持TCP任務(wù)卸載的增強型微模塊?；ミB速度也更高了，內核之間的運行速度高達44Gbps。

Netronome芯片擁有大量的專(zhuān)用處理器，其中包括了用于處理各種安全協(xié)議的加密系統。Netronome的PCI Express接口支持x86處理器經(jīng)常使用的I/O虛擬化功能。它能被移動(dòng)到NFP-3200旁邊，而不是被另外一條網(wǎng)絡(luò )鏈路隔開(kāi)。

與其它多內核芯片相比，編程NFP-3200通常沒(méi)有太大問(wèn)題，因為針對IXP28xx系列有大量現成代碼。另外，Netronome提供庫，這使得網(wǎng)絡(luò )處理應用程序的創(chuàng )建更像是模塊的堆疊。

Cavium的Octeon II是一種更傳統的SMP多內核設計，有2到6個(gè)64位 MIPS64內核，它們通過(guò)一個(gè)交叉開(kāi)關(guān)相連。與Netronome芯片一樣，Octeon II是針對網(wǎng)絡(luò )和存儲設備設計的。

Octeon II還有一個(gè)RAID 5/6加速器以及用于數據包檢查的正則表達式超有限時(shí)序機(HFA)。編程O(píng)cteon II與編程大多數SMP系統相仿。Octeon II可以運行諸如Linux的操作系統。

其它多內核架構

采用更激進(jìn)的多內核架構會(huì )增加編程事務(wù)，但它能為開(kāi)發(fā)人員開(kāi)啟利用新架構的機會(huì )。IntellaSys的SeaFORTH 40C18就屬于這種類(lèi)型(圖6)。它本身的編程語(yǔ)言是VentrueForth，指令長(cháng)度實(shí)際上是5位，4個(gè)指令可以壓縮為單個(gè)18位的字(一個(gè)指令只有3位長(cháng))。40C18有40個(gè)內核，它們有相同的處理單元，并且都有64個(gè)字的RAM和64個(gè)字的ROM。

與具有更多存儲空間的芯片(如Intel的Larrabee或IBM的Cell)相比，對40C18進(jìn)行編程顯然有很大的區別。40C18內核的功耗不到9mW，而其它兩種芯片在沒(méi)有大散熱器或風(fēng)扇的情況下都無(wú)法正常工作。40C18設計用于嵌入式甚至移動(dòng)應用。

對大多數開(kāi)發(fā)人員來(lái)說(shuō)，對40C18進(jìn)行編程將是不同的體驗，這不僅因為Forth是編程語(yǔ)言。每個(gè)內核的小內存容量和矩陣互連改變了程序設計方法。內核通常運行將數據傳送到一個(gè)或多個(gè)相鄰內核的小型函數，因此協(xié)同編程將是大勢所趨。

即使外部存儲器訪(fǎng)問(wèn)也要求三個(gè)內核一起工作，當有許多內核可以一起工作時(shí)這種方法很管用。40C18還有一種獨特的能力，它能將4個(gè)指令組成的小程序用一個(gè)字發(fā)送給相鄰內核執行，因此就有足夠的空間執行塊傳送。

XMOS公司的XS1-G4是一種基于32位整數Xcores的有趣混合產(chǎn)品。每個(gè)Xcore可以處理大量不同的線(xiàn)程，同時(shí)還有一個(gè)基于硬件的事件系統幫助XMOS的軟外設。與40C18一樣，XS1-G4可以在I/O端口上等待。區別是XS1-G4處理多個(gè)線(xiàn)程，而IntellaSys芯片處理單個(gè)線(xiàn)程。

開(kāi)發(fā)人員可以使用C語(yǔ)言的擴展版本XC發(fā)揮XMOS硬件的最大功效。C語(yǔ)言擴展提供了到硬件支持的快捷路徑，其中也包括 Xlinks。Xlinks連接芯片中的4個(gè)內核，并提供4個(gè)片外鏈路，因此可以連接多個(gè)芯片。芯片內部使用一個(gè)開(kāi)關(guān)用于Xlink連接，但硬件和軟件為處理器間通信提供統一接口。

每個(gè)內核有64KB的內存，這個(gè)容量比40C18大，但比本文提到的一些更高性能的芯片的內存容量小。同樣，對大部分應用代碼來(lái)說(shuō)這個(gè)容量是足夠用的，并且允許使用更傳統的線(xiàn)程方法進(jìn)行編程。針對XMOS芯片的大部分編程工作很可能用傳統的C或C++完成，而不是用XC，后者更傾向用于通信和外設處理。

XS1-G4不會(huì )向雙精度浮點(diǎn)GPU或其它高端系統提出挑戰，但它的整數和定點(diǎn)DSP支持使得它適用于其它許多音頻和視頻處理功能。鏈接好的XMOS芯片早已在內部用來(lái)驅動(dòng)多個(gè)大屏幕LCD。

多內核架構還將繼續保持高速發(fā)展。高效地對這些內核進(jìn)行編程和選擇合適的產(chǎn)品并不容易，但它會(huì )變得越來(lái)越普及，即使是對嵌入式開(kāi)發(fā)人員而言。傳統應用程序將不斷地移植到匹配現有主機的架構上。當應用程序被重新設計或從頭創(chuàng )建時(shí)，也許會(huì )有更好的方案產(chǎn)生。