1. 片上多核系統(tǒng)與片上網(wǎng)絡(luò)的發(fā)展中的

1.1 片上多核系統(tǒng)發(fā)展的兩條演進(jìn)路線

系統(tǒng)級芯片也被稱為片上系統(tǒng)，是指在單個芯片內(nèi)部實現(xiàn)大部分甚至完整的電子系統(tǒng)功能的一種芯片。這種芯片是高端電子系統(tǒng)的核心，隨著集成電路工藝技術(shù)的發(fā)展也逐步向中低端電子系統(tǒng)發(fā)展。如今，很多諸如腕表、手環(huán)之類的可穿戴設(shè)備以及智能玩具等低端嵌入式設(shè)備也都以系統(tǒng)級芯片為核心來開展設(shè)計。可以說片上系統(tǒng)已經(jīng)成為集成電路，尤其是數(shù)字集成電路的主要實現(xiàn)形式。

由于集成電路工藝在摩爾定律的驅(qū)使下飛速發(fā)展，單位面積上的晶體管數(shù)量不斷增加。根據(jù)登納德縮放比例（晶體管面積的縮小使得其所消耗的電壓以及電流會以差不多相同的比例縮小。也就是說，如果晶體管的大小減半而時鐘頻率不變，該晶體管的功耗將會降至四分之一）。，使用新的集成電路工藝可以讓設(shè)計者可以大大地提高芯片的時鐘頻率，因為提高頻率所帶來的更多的功耗會與晶體管縮放減少的功耗抵消，芯片的性能可以依靠不斷的提升時鐘頻率來獲得提高（當(dāng)然，也要配合架構(gòu)設(shè)計的改進(jìn)，例如利用增加的晶體管設(shè)計更多而且更為合理的高速緩存）。這樣在芯片內(nèi)部集成更多的晶體管的時候，提高芯片時鐘頻率成為了一個“免費的午餐”。

而2005年前后，晶體管微縮到一定程度以后量子隧穿效應(yīng)（指像電子等微觀粒子能夠穿入或穿越位勢壘的量子行為）開始慢慢介入，使得晶體管漏電現(xiàn)象開始嚴(yán)重。漏電現(xiàn)象的出現(xiàn)打破了原先登納德所提出的定律。單純提高時鐘頻率將造成芯片功耗難以控制。功耗增大除了更費電不環(huán)保之外，帶來的最大問題是增加的功耗會轉(zhuǎn)化為熱量。在微小的芯片面積上大量功耗密集堆積會導(dǎo)致溫度急劇增加。如果散熱做的不好，芯片的壽命將大大減少甚至變得不穩(wěn)定。在這種情況下，提高芯片的時鐘頻率不再是免費的午餐。在沒有解決晶體管漏電的問題之前，單純的增加芯片的時鐘頻率因為隨之而來的散熱問題而變得不再現(xiàn)實。于是芯片研究商們開始紛紛停止高頻芯片的研發(fā)，轉(zhuǎn)而向低頻多核的架構(gòu)開始研究，用更多但頻率更低的核心來替代一個高頻率的核心。這種具備多個運算核心的片上系統(tǒng)就是片上多核系統(tǒng)。

近10年來片上多核系統(tǒng)一直是數(shù)字集成電路領(lǐng)域的熱點，經(jīng)過眾多研究者的不斷努力誕生了大量很有意義的研究成果。片上網(wǎng)絡(luò)，本質(zhì)上是為了解決片上多核系統(tǒng)中不同的核心之間，核心與非核心（Un-Core）硬件單元之間數(shù)據(jù)傳輸問題的一種“片上通信”方案。因此要理解清楚片上系統(tǒng)的發(fā)展脈絡(luò)，必須要先從片上多核系統(tǒng)的發(fā)展入手。否則就會出現(xiàn)“無的放矢”和“盲人摸象”的問題。但由于片上多核系統(tǒng)的研究者背景和應(yīng)用領(lǐng)域不同導(dǎo)致發(fā)展演進(jìn)過程較為復(fù)雜而難以理解。2012年本人及所在研究小組開始切入片上網(wǎng)絡(luò)相關(guān)時，由于對于片上多核系統(tǒng)的理解不深，導(dǎo)致研究出現(xiàn)了諸多波折與困擾，導(dǎo)致在一年多的時間中整體研究徘徊不前。

為減少這一問題對于大家理解片上網(wǎng)絡(luò)的影響，作為我們系列文章的開頭，本文將首先總結(jié)片上多核系統(tǒng)的演進(jìn)歷史與現(xiàn)狀。從而讓大家理解出現(xiàn)片上網(wǎng)絡(luò)這一技術(shù)背后的推動力，也可以看出片上網(wǎng)絡(luò)多年來一直徘徊不前的原因。

下面就開始進(jìn)入我們的正題：

第一款被大眾所熟知的商用化片上多核系統(tǒng)是著名處理器芯片提供商之一的AMD公司面向個人電腦推出的ATHLON X2雙核中央處理器Central Processing Unit (CPU)，該款CPU在商業(yè)上大獲成功。此后商用化片上多核系統(tǒng)的研制開始進(jìn)入高潮。2005 年Intel發(fā)布了64位雙核處理器Montecito[1]，而IBM公司則發(fā)布了具有9個核心的Cell處理器[2]。此后的10年間，片上多核系統(tǒng)開始大量的被應(yīng)用于各種信息基礎(chǔ)設(shè)備，成為高性能電子設(shè)備的核心器件。

但實際上片上多核系統(tǒng)的研究開始于上個世紀(jì)90年代中期，在過去的20多年中片上多核系統(tǒng)架構(gòu)一直處于不斷發(fā)展和演進(jìn)中。由于應(yīng)用領(lǐng)域和研究人員的學(xué)術(shù)背景不同，片上多核系統(tǒng)的研究從一開始就有著明顯的“流派”之分。隨著研究的持續(xù)深入，片上多核系統(tǒng)出現(xiàn)了越來越多的技術(shù)分支。這不但讓廣大吃瓜群眾難以辨識，對于很多剛接觸片上多核系統(tǒng)研究的碩士生和低年級博士生而言，搞清楚這些技術(shù)分支的區(qū)別與聯(lián)系也并不是一件輕松的工作。

簡單來說，片上多核系統(tǒng)由于起源不同、應(yīng)用領(lǐng)域不同以及研究者的學(xué)術(shù)背景不同等原因，發(fā)展出了不同的技術(shù)路線。上文提到的Intel公司發(fā)布的Montecito處理器[1]和IBM公司發(fā)布的Cell處理器[2]就代表了兩種最主要的技術(shù)路線。

Montecito處理器這一類片上多核系統(tǒng)源于Symmetric Multi-Processing System (SMP)系統(tǒng)，被稱之為Chip Multiprocessors (CMP)（國內(nèi)一般翻譯為單芯片多處理器），主要用于高性能通用計算領(lǐng)域。Cell處理器這一類片上多核系統(tǒng)則由片上系統(tǒng)Systemon-Chip (SoC)演進(jìn)而來，被稱為Multi-Processors System-on-Chip (MPSoC)。這類片上多核系統(tǒng)主要作為一種高端的嵌入式處理器被應(yīng)用于通信、信號處理、多媒體處理等領(lǐng)域。為方便行文，后文中直接使用CMP和MPSoC來指代這兩類處理器。

采用CMP架構(gòu)的片上多核系統(tǒng)通常被應(yīng)用于工作站、服務(wù)器、云計算平臺等通用計算設(shè)備，所運行的主要應(yīng)用通常是以科學(xué)計算、仿真模擬為代表的大數(shù)據(jù)量通用計算。這類片上多核系統(tǒng)大多采用數(shù)據(jù)并行的并行程序開發(fā)模式，以共享存儲器的方式來交換數(shù)據(jù)。這樣的好處在于開發(fā)難度較低、程序的通用性較好，可以借用類似于OpenMP[3]這樣已經(jīng)較為成熟的并行編程模型加以開發(fā)。又由于科學(xué)計算、仿真模擬這類應(yīng)用的特點通常是數(shù)據(jù)量超大，但不同處理器上所運行的核心程序往往是相同的。因此采用共享存儲的方式可以使得多個處理器核心可以很容易共享同一塊虛擬地址空間，這使得同一程序可以很方便的同時運行在不同的核心上，也可以很方便的共享同一個操作系統(tǒng)或管理程序。

Hydra處理器是1996年美國斯坦福大學(xué)研制集成了4個核心的處理器[4]，它被認(rèn)為是首款具備CMP性質(zhì)的片上多核系統(tǒng)。

圖1 Hydra處理器架構(gòu)圖，它被認(rèn)為是首款具備CMP性質(zhì)的片上多核系統(tǒng)

Hydra處理器采用了四個MIPS 處理核心，每個核心擁有私有的指令緩存（I-Cache）和數(shù)據(jù)緩存（D-Cache）。二級緩存為四個核心共享，通過核心自身的存儲控制器（Memory Controller, MC）及一組總線與二級緩存（L2 Cache）、主存儲器接口（Main Memory Interface）和輸入輸出總線接口（I/O Bus Interface）互連。由于片上的二級緩存為四個核心所共享，因此四個核心實質(zhì)上在邏輯上具備單一的內(nèi)存地址空間。這也使得共享同一個操作系統(tǒng)或管理程序成為可能。Hydra處理器為后續(xù)CMP架構(gòu)片上多核系統(tǒng)的發(fā)展奠定了基礎(chǔ)，這一架構(gòu)的片上多核系統(tǒng)在后續(xù)的演進(jìn)過程中始終被Hydra處理器的初始設(shè)計所影響。

而MPSoC誕生初期的主要代表是一些集成了多個數(shù)字信號處理器(Digital Signal Processor DSP)和微處理器(Microprocessor Unit MPU)的專用芯片。這些芯片主要被應(yīng)用于數(shù)字電視、多媒體播放器等信號處理設(shè)備。與追求高性能的通用計算不同，MPSoC 主要應(yīng)用領(lǐng)域所面臨的主要問題是計算的實時性。由于計算任務(wù)的確定性更強(qiáng)，使得MPSoC的設(shè)計者和使用者能夠也必須要精確的劃分任務(wù)并合理的分配任務(wù)以應(yīng)對各種挑戰(zhàn)。

圖2所示的Viper處理器[5]，即為最早的一批MPSoC之一。

圖2 Viper處理器架構(gòu)示意圖，它是早期MPSoC的代表之一

從圖2中可以看出，整個芯片可以被劃分為兩個相對獨立的子系統(tǒng)。分別以MIPS（PR3940）CPU和TriMedia（TM32）CPU為核心。圖左側(cè)為以MIPS（PR3940）CPU為核心的子系統(tǒng)，這部分子系統(tǒng)的架構(gòu)類似于一個通用的嵌入式SoC芯片，集成了如UART、IEEE 1394協(xié)議控制器之類的接口模塊。圖右側(cè)為以TriMedia（TM32）CPU為核心，在這一子系統(tǒng)中集成了如MPEG-2視頻解碼器、視頻輸入處理器等多媒體處理單元，實質(zhì)上構(gòu)成了一個專用的多媒體處理器。因此可以很清楚的判斷Viper處理器中以MIPS（PR3940）CPU為核心的子系統(tǒng)主要負(fù)責(zé)通用處理器控制和數(shù)據(jù)傳輸方面的功能，而以MIPS（PR3940）CPU為核心的子系統(tǒng)則主要負(fù)責(zé)多媒體信號處理。兩個子系統(tǒng)相對獨立，通過Fast C-Bridge、MIPS C-Bridge以及C-Bridge三個總線橋相互連接。

Viper處理器的架構(gòu)很清晰的體現(xiàn)了MPSoC的一些典型特點：按任務(wù)需求劃分為若干獨立的子系統(tǒng)，每個子系統(tǒng)完成一個專門的功能，子系統(tǒng)之間相對獨立等。這種架構(gòu)設(shè)計方法充分體現(xiàn)了嵌入式系統(tǒng)的特性，因而被后來的研究者所繼承和發(fā)揚。

RAW[6]是一代具有劃時代意義的片上多核系統(tǒng)。雖然它被發(fā)表于1997年，但它卻奠定了今后20年采用片上網(wǎng)絡(luò)互聯(lián)的CMP的基本架構(gòu)。

圖3 首次采用Tile結(jié)構(gòu)和網(wǎng)絡(luò)化互聯(lián)的CMP架構(gòu)芯片：RAW

RAW是由美國麻省理工學(xué)院于1997年提出并流片驗證（從這里也可以看出美國在于高端系統(tǒng)芯片領(lǐng)域的積累深厚，回想我們1997年的芯片設(shè)計水平也才剛剛進(jìn)入到能把EDA工具流程用起來，開始做ASIC的水平。龍芯等一大批處理器芯片設(shè)計都要等到2000以后）。

RAW微處理器架構(gòu)采用了一種被稱為Tile（國內(nèi)有國內(nèi)文獻(xiàn)有直譯為瓦片，為避免歧義本文中均使用英文原文指代）的模塊劃分方式。這種劃分方法把CPU、私有Cache（L1 Cache）、共享Cache（L2 Cache）的一個Bank（一直不知道這個該怎么翻譯……）、網(wǎng)絡(luò)接口（Network Interface NI)等硬件資源構(gòu)建為一個獨立的Tile。在不同的Tile在芯片規(guī)劃的平面內(nèi)按一定的規(guī)律整齊排列，Tile和Tile之間通過NoC加以互聯(lián)。這種采用Tile來劃分和組織片上多核系統(tǒng)的方式優(yōu)勢在于每個核心比較規(guī)整，有利于芯片后端設(shè)計并具備較好的可擴(kuò)展性。此后雖然有一些其它形式的核心劃分與組織方式的論文發(fā)表，但基于Tile的劃分與組織方式始終被絕對部分研究者（灌水者）所繼承。

接下來看一看比較近的一點的CMP架構(gòu)的片上多核系統(tǒng)，32核心SPARC M7處理器[7]。發(fā)布于2015年的ISSCC上。

圖4 32核心SPARC M7處理器邏輯結(jié)構(gòu)圖

該款處理器共有32個核心，每4個核心構(gòu)成一個組（文章中稱其為SCC），總共8個組。每個組內(nèi)部共享L2 Cache，但其它組不能訪問。L3 Cache為全局共享Cache，可以被所有的所有核心訪問。L3 Cache同樣被劃分為8個獨立的bank，和對應(yīng)的每個組一起組成了一個完整的Tile。

為了更有效的互聯(lián)各個不同的Tile，研究者為SPARC M7處理器設(shè)計了三套不同的片上網(wǎng)絡(luò)。分別是采用環(huán)網(wǎng)（Ring）結(jié)構(gòu)的請求網(wǎng)絡(luò)（Request Network），采用廣播（Broadcasting）結(jié)構(gòu)的響應(yīng)網(wǎng)絡(luò)（Responses Network）以及采用網(wǎng)格（Mesh）結(jié)構(gòu)的數(shù)據(jù)網(wǎng)絡(luò)（Data Network）。不同的片上網(wǎng)絡(luò)分別傳送不同的控制信息和數(shù)據(jù)，從而使得訪問Cache的效率能最大限度的提高。

片上網(wǎng)絡(luò)成為CMP架構(gòu)的片上多核系統(tǒng)內(nèi)部互聯(lián)的主流方式之后，片上緩存的組織方式也相應(yīng)的發(fā)生了改變。在使用總線或交換結(jié)構(gòu)的時代，CPU訪問不同Cache Bank的時間是基本保持一致的。但在使用片上網(wǎng)絡(luò)作為內(nèi)部互聯(lián)以后，CPU訪問不同的Cache Bank的時間已經(jīng)不可能保持一致了。因此一種被稱為非均勻高速緩存體系結(jié)構(gòu)(Non-uniform Cache Architecture, NUCA)的概念被提出。NUCA是基于片上網(wǎng)絡(luò)的CMP片上多核系統(tǒng)所必然要面臨的問題，但對NUMA的研究也推動了基于片上網(wǎng)絡(luò)的CMP片上多核系統(tǒng)向前持續(xù)演進(jìn)。改進(jìn)NUMA條件下CMP架構(gòu)片上多核系統(tǒng)的訪存效率，也成為提升CMP架構(gòu)片上多核系統(tǒng)性能的主要途徑。由于這部分內(nèi)容涉及到較多存儲體系結(jié)構(gòu)方面的研究，在計算機(jī)系統(tǒng)結(jié)構(gòu)的研究中屬于另外一個領(lǐng)域。超出了本文甚至本系列文章所討論的范圍，因而在此不再進(jìn)一步展開討論。

當(dāng)然，也不是所有的CMP架構(gòu)的片上多核系統(tǒng)從此就走上了依靠NoC互聯(lián)的道路。當(dāng)核心數(shù)量不多的時候確實沒有必要考慮使用NoC。例如AMD的Zen就是沒有依靠NoC而采用了一種叫Core Complex (CCX)的方式互聯(lián)[8]。

圖5 采用CCX互聯(lián)的Zen，依然具備CMP架構(gòu)的基本特征

從圖5可以看出，Zen雖然核心比較少，但仍然是典型的CMP架構(gòu)。

談了很久的CMP，我們回頭再來看一看MPSoC。相比于CMP的規(guī)整、對稱的架構(gòu)，MPSoC是由若干個獨立的子系統(tǒng)構(gòu)成的。圖6是Intel在今年ISSCC上發(fā)布的面向機(jī)器人的Robot SoC[9]。

圖6 面向機(jī)器人的Robot SoC，典型的MPSoC架構(gòu)

圖6中有若干個子系統(tǒng)。左邊第一個是以X86處理器為核心的實時子系統(tǒng)，主要負(fù)責(zé)對外接口通信與控制，所以和SPI、I2C等外設(shè)接口劃分到一起了。Tensilica DSP則是負(fù)責(zé)信號處理運算的一個子系統(tǒng)。有一個Always on子系統(tǒng)是常開的，主要負(fù)責(zé)音頻方面的處理，應(yīng)該是用于芯片的喚醒。還有路徑規(guī)劃硬件加速器、運動控制硬件加速器等一系列加速器以及由X86處理器配合CNN加速的應(yīng)用子系統(tǒng)，用于實現(xiàn)人工智能算法。

圖7是Robot SoC[9]所實現(xiàn)的算法，可以看出是由多個獨立任務(wù)構(gòu)成的。這種形式的應(yīng)用比較容易被劃分為若干個獨立子系統(tǒng)來實現(xiàn)。這也是MPSoC主要應(yīng)用領(lǐng)域里的各種算法 的基本特征。

圖7 Robot SoC所需要實現(xiàn)的算法

如果芯片內(nèi)部的子系統(tǒng)較多，關(guān)系復(fù)雜，當(dāng)然也可以依靠NoC來互聯(lián)。比如剛剛被收購的sonics公司就給了這么一個例子[10]。

圖8 Sonics公司給出的高性能片上網(wǎng)絡(luò)在SoC中的應(yīng)用

可以看出，在MPSoC中有多個獨立的子系統(tǒng)時，使用片上網(wǎng)絡(luò)是一種必要的片上通信方式。

最后，我們稍作總結(jié)：

1.片上多核系統(tǒng)是現(xiàn)在系統(tǒng)級集成電路的主要實現(xiàn)形式；

2.片上多核系統(tǒng)分為CMP和MPSoC兩種架構(gòu)；

3.CMP主要用于通用計算，大多采用數(shù)據(jù)并行的并行程序開發(fā)模式，以共享存儲器的方式來交換數(shù)據(jù)，通常以對稱的Tile形式來組織芯片硬件結(jié)構(gòu)；

4.MPSoC主要用于嵌入式設(shè)備，大多是由多個相對獨立的子系統(tǒng)構(gòu)成，一般“按需設(shè)計”，結(jié)構(gòu)極不對稱。

本次先談到這里，下回來談一下不同片上多核系統(tǒng)的互聯(lián)需求。也講一下片上多核系統(tǒng)的發(fā)展如何引導(dǎo)片上網(wǎng)絡(luò)的發(fā)展的。

參考文獻(xiàn)：

[1] C. Mcnairy, R. Bhatia. Montecito: A Dual-Core, Dual-Thread Itanium Processor[J]. IEEE Micro, 2005, 25(2):10–20

[2] J. Kahle. The cell processor architecture[C]. 38th annual IEEE/ACM International Symposium on Microarchitecture, Washington, DC, 2005, 49–56

[3] Dagum L, Menon R. OpenMP: an industry standard API for shared-memory programming[J]. IEEE computational science and engineering, 1998, 5(1): 46-55.

[4]K. Olukotun, B. A. Nayfeh, L. Hammond, et al. The case for a single-chip multiprocessor[C]. Seventh international conference on Architectural support for programming languages and operating systems, New York, 1996, 2–11

[5]S. Dutta, R. Jensen, A. Rieckmann. Viper: A multiprocessor SOC for advanced set-top box and digital TV systems[J]. IEEE Design Test of Computers, 2001, 18(5):21–31

[6]J. Babb, M. Frank, V. Lee, et al. The RAW benchmark suite: computation structures for general purpose computing[C]. The 5th Annual IEEE Symposium on Field-Programmable Custom Computing Machines, Vancouver, 1997, 134 – 143

[7] Oracle, Redwood Shores, CA：A 20nm 32-Core 64MB L3 Cache SPARC M7 Processor 2015 IEEE International Solid-State Circuits Conference

[8] Singh, Teja, et al. "3.2 Zen: A next-generation high-performance× 86 core." 2017 IEEE International Solid-State Circuits Conference (ISSCC). IEEE, 2017.

[9] Honkote, Vinayak, et al. "2.4 A Distributed Autonomous and Collaborative Multi-Robot System Featuring a Low-Power Robot SoC in 22nm CMOS for Integrated Battery-Powered Minibots." 2019 IEEE International Solid-State Circuits Conference-(ISSCC). IEEE, 2019.

[10]NoC | The Traffic Cop