MENTOR、AMD 和 MICROSOFT 合作開(kāi)展云上 EDA

如果將部分或全部電子設計自動(dòng)化 (EDA) 計算轉移到云上，設計公司將能獲得靈活的資源和 規模經(jīng)濟性，從而縮短產(chǎn)品上市時(shí)間并加快創(chuàng )新速度。Mentor, a Siemens Business (Mentor) 與 Advanced Micro Devices, Inc. (AMD) 和 Microsoft Azure (Azure) 合作，展示了 Calibre? 平臺 結合云計算如何能夠提供更多計算資源，大幅縮短設計收斂時(shí)間，讓設計更快上市。采用 7nm 量產(chǎn)設計，物理驗證周期縮短了 2.5 倍。

CALIBRE 云計算

當進(jìn)入設計流片的緊要關(guān)頭時(shí)，云處理可以為集成電路 (IC) 設計公司提供比通常多得多的 計算資源，使其有機會(huì )縮短產(chǎn)品上市時(shí)間并加快創(chuàng )新速度。高擴展性工具（例如 Calibre 平 臺中的那些工具）可以擴展到數千個(gè)內核以減少運行時(shí)間……但是，誰(shuí)會(huì )有數千個(gè)內核閑 置不用呢？當您承受極大的時(shí)間壓力時(shí)，例如進(jìn)行模塊或全芯片驗證時(shí)，云可提供豐富得 多的硬件資源供您使用。

Calibre 內核技術(shù)多年前就已經(jīng)為云計算做好了準備 [1,2]。云安全性的最新改進(jìn)減輕了業(yè)界 對知識產(chǎn)權 (IP) 保護的擔憂(yōu)，阻礙在云處理模型中實(shí)施和使用 Calibre 技術(shù)的最大障礙已被 消除。

Mentor 與晶圓代工廠(chǎng)、IC 公司和云服務(wù)提供商密切合作，確保從現場(chǎng)網(wǎng)格系統平穩過(guò)渡到 場(chǎng)外云處理。發(fā)現和明確最佳實(shí)踐可以讓過(guò)渡到 “云上 Calibre” 處理模型的公司實(shí)現最大獲 益。IC 公司越來(lái)越多地希望在先進(jìn)工藝節點(diǎn)設計中利用云能力來(lái)縮短周轉時(shí)間，在此背景 下，他們可以確信，運行云上 Calibre 將會(huì )提供他們知道和信任的相同 sign-off 驗證結果， 同時(shí)他們還能調整資源使用，以便最好地服務(wù)其業(yè)務(wù)和市場(chǎng)需求。

CALIBRE  與云服務(wù)器效率

為確保 Calibre 用戶(hù)能以最具成本效益的方式使用云資源，我們制定了云使用指導原則，并 提出了在云上運行 Calibre 操作的最佳實(shí)踐。為了制定和測試這些指導原則與實(shí)踐，我們與 AMD 和 Azure 聯(lián)合開(kāi)展了一個(gè)項目，采用運行在 Azure 云服務(wù)上的 AMD EPYC? 服務(wù)器。結 果表明，EPYC 服務(wù)器和 Calibre 平臺在 Azure 云上展現出強大的能力。

晶圓代工廠(chǎng)規則集

設計公司應始終使用符合晶圓代工廠(chǎng)要求的最新規則集，以確保實(shí)施最新的最佳編碼實(shí)踐。

CALIBRE 軟件版本

Mentor  長(cháng)期致力于優(yōu)化 Calibre  引擎，Calibre  每個(gè)版本都有改進(jìn)，使用最新版本的 Calibre

軟件可確保運行時(shí)間和內存消耗更加優(yōu)化，如圖 1 所示 [3]。

圖 1：（左）歸一化內 存與 Calibre  發(fā)行版，（ 右） 歸一化運行時(shí) 間與 Calibre 發(fā)行版。

云服務(wù)器

市場(chǎng)針對云操作提供了許多不同類(lèi)型的服務(wù)器，“最佳” 選擇取決于客戶(hù)的需求和應用。對 于我們的協(xié)作項目，我們選擇了可用于 Microsoft Azure 公共云的 AMD EPYC 服務(wù)器。不同 類(lèi)型的 EPYC 服務(wù)器有不同的內核、內存、接口和性能特性，云用戶(hù)可以選擇最適合其應 用的 EPYC 服務(wù)器。

AMD EPYC 架構（圖 2）的每個(gè)插槽有 32 個(gè)內核／64 個(gè)線(xiàn)程，為大規模并行計算提供了極 好的媒介，支持重度計算的運行任務(wù)。8 個(gè) DDR4 通道為服務(wù)器增加了新的維度，可進(jìn)一步 優(yōu)化其處理機器密集型計算運行的能力。最后，每 4 個(gè)內核 8MB L3 內存緩存的層次化設計 進(jìn)一步提升了計算速度。

圖 2：AMD EPYC 服務(wù) 器架構（信息來(lái)源： AMD。 已獲得使用許可。）

這些云服務(wù)器用于在云服務(wù)中創(chuàng )建虛擬機（實(shí)例）。針對 Calibre 應用，我們確定了兩種最 適合的 Azure 實(shí)例：HB60rs 和 L80s v2。HB60rs 和 L80s v2 均可在 EPYC 7551 處理器上運 行，但配置和功能不同。

例如，HB60rs 實(shí)例與 Lv2 實(shí)例具有相同的 EPYC 7551 處理器，但前者只能訪(fǎng)問(wèn)雙插槽機器 的 64 個(gè)內核中的 60 個(gè)，并且超線(xiàn)程功能被關(guān)閉。Lv2 實(shí)例旨在支持要求苛刻、存儲密集 型且需要高水平 I/O 的工作負荷，而 HB 系列實(shí)例則針對內存帶寬驅動(dòng)的應用（例如流體動(dòng) 力學(xué)和顯式有限元分析）進(jìn)行了優(yōu)化。表 1 比較了這兩類(lèi)服務(wù)器的主要特性。

表 1 - AMD EPYC 服務(wù)器特性

CALIBRE 云計算

針對該聯(lián)合項目，我們使用了量產(chǎn)型 7nm Radeon Instinct? Vega20 的最終金屬流片數據 庫。該設計是 AMD 最大的 7nm 芯片設計，包含超過(guò) 130 億個(gè)晶體管。

初始設置

Calibre 2019.2 版本與 7nm 工藝 節點(diǎn)的晶圓代工廠(chǎng)規則集的一 個(gè)生產(chǎn)版本配合使用，以對設 計執行設計規則檢查 (DRC)。對 于 Calibre nmDRC? 運行，我們 使用了 Calibre 超遠程分布式計 算功能 [3]，其支持多達 4,000 個(gè) 內核（圖 3）。

像所有 Calibre 分布式計算運行 一樣，分配了一個(gè)主機來(lái)管理運 行中使用的所有其他資源。為 了我們的合作目的，指定的主 機和遠程服務(wù)器均為具有 32 個(gè) CPU 內核和 256 GB RAM 內存的 AMD EPYC 7551 服務(wù)器。

圖 3：Calibre nmDRC 運行時(shí)間與內核數的關(guān)系。（信息來(lái)源：AMD。許可使用）

云設置

Mentor 使用 AMD EPYC 服務(wù)器（主機和遠程服務(wù)器均為這種服務(wù)器）運行了所有實(shí)驗，硬 件配置如下：

■ Microsoft Azure HB60rs 實(shí)例。對于單個(gè) HB60rs，主機與 17、25、34、68 個(gè)遠程 HB60rs 實(shí)例一起運行，每個(gè)實(shí)例均完全專(zhuān)用于運行 Calibre 作業(yè)，使用 Azure CycleCloud 界面 來(lái)調用和管理作業(yè)。

■ 地理位置靠近的服務(wù)器。使用的所有云服務(wù)器均在最靠近用于啟動(dòng)和控制云使用的硬 件物理位置的 Azure Cloud 區域中運行。

■ 為使啟動(dòng)作業(yè)和實(shí)際執行之間的等待時(shí)間最小化，當模塊準備就緒時(shí)，設計便在云上 匯編。

結果

我們的結果展示出以下性能指標：

■ Calibre nmDRC 的運行速度持續提高，直至達到 4K  內核。

–該擴展曲線(xiàn)中總是存在一個(gè) “拐點(diǎn)”，在此點(diǎn)可實(shí)現 “最佳性?xún)r(jià)比”。對于該設計和節 點(diǎn)，拐點(diǎn)在 1.5K 和 2K 內核之間。

■ 主機和遠程服務(wù)器使用的峰值累積內存小于 500GB。

■ 實(shí)際上，隨著(zhù)內核數量的增加，遠程服務(wù)器峰值內存有所降低。

在本地 Calibre nmDRC 運行中，Mentor 一般將 256 個(gè)內核用于全芯片 DRC，因為這是大多 數設計團隊在流片期間通?？梢栽L(fǎng)問(wèn)的現場(chǎng)資源數量。對于大型復雜的 7nm 設計，例如 AMD Radeon VII/MI60 GPU，使用 256 個(gè)內核的周轉時(shí)間可能長(cháng)達 24 小時(shí)。這意味著(zhù)一個(gè)團 隊通常每天只能完成一次設計迭代，這比大多數上市時(shí)間計劃要求的速度要慢很多。

將該數量增加到 2K 個(gè)內核，運行時(shí)間可以減少到 12 小時(shí)，每天可以迭代兩次，而增加到 4K 個(gè)內核的話(huà)，運行時(shí)間將不到 8 小時(shí)，每天可以迭代三次。該實(shí)驗清楚地表明，Calibre 擴展的功能和效率與可用內核數量的顯著(zhù)增加相結合，能讓使用云上 Calibre 軟件的公司減 少運行時(shí)間，從而大幅提高設計收斂率。

如前所述，Mentor 不斷努力提高 Calibre 的性能，并與晶圓代工廠(chǎng)合作以發(fā)現并部署聚焦于 性能的規則集優(yōu)化（同時(shí)確保精度相同或更好）。如圖 3 所示，我們運行了一個(gè)額外的實(shí) 驗，以了解使用最新版本 Calibre 和最新的優(yōu)化規則集是否有任何益處。黃色圓點(diǎn)所示的結 果表明，在擴展曲線(xiàn)的拐點(diǎn)處（大約 2K 個(gè)內核）可以再節省三個(gè)小時(shí)。

云成本最小化

大型片上系統 (SOC) 設計在驗證期間會(huì ) 消耗大量 RAM，而 RAM 是非常昂貴的。 即使在云上，較大的 RAM 實(shí)例也很昂 貴。解決辦法是通過(guò)增加遠程內核的總 數來(lái)減少每個(gè)遠程內核的 RAM 需求， 如圖 4 所示。Calibre 平臺提供一種經(jīng)過(guò) 驗證的超遠程分布式處理模型 [3]，用 戶(hù)可以利用此功能降低云資源的成本， 同時(shí)還能以較少 RAM 的 CPU 實(shí)現更快 的處理速度。

圖 4：峰值內存 (RAM) 消耗與遠程內核使用情況的關(guān)系。

結語(yǔ)

Mentor、AMD 和 Azure 之間的合作表明，通過(guò)實(shí)施 EDA 云計算的最佳實(shí)踐和使用指南，可 以減少運行時(shí)間并降低云使用的成本。公司可以將這些結果作為實(shí)施自己的 “云上 Calibre” 的指南。通過(guò)實(shí)施這些策略和實(shí)踐，公司可以實(shí)現更快的總體運行時(shí)間，縮短產(chǎn)品上市時(shí) 間，加快設計創(chuàng )新，同時(shí)維持或降低運營(yíng)成本。

參考文獻

[1]     Omar El-Sewefy, “Calibre in the cloud: Unlocking massive scaling and cost   efficiencies,”

Mentor, a Siemens Business, July 2019.  https://go.mentor.com/57RKT

[2]     John Ferguson, “New approaches to physical verification closure and cloud computing,”

Mentor, a Siemens Business.March 2020. https://go.mentor.com/5acv3

[3]     John Ferguson, “Ensuring Optimal Performance for Physical Verification,” Mentor, A Siemens   Business.  April  2015. https://go.mentor.com/4gx2a

更多相關(guān)信息，請點(diǎn)擊>> http://share.eepw.com.cn/share/download/id/388591