FPGA 與 GPU 計算存儲加速對比：單位功耗性能考量因素

為了提升計算基礎設施的性能，并緊跟數據分析與 AI 不斷攀升的需求，眾多企業將硬件加速視為主要的解決方案。在大多數情況下，先進的可編程硬件（主要是指 GPU 和 FPGA）是加速的主要方式。通過使用這種先進的硬件，企業正在贏得計算優勢；然而，對于編程難度，他們仍然存在合理的擔憂。 

圖1 分析/AI 流水線組件

硬件制造商正在將加速方法應用于計算存儲，這是專門設計用于包含內嵌計算元素的存儲。這種方法已經被證明可以為分析和 AI 應用提供優異的性能（圖 1）。使用或者不使用機器學習輔助的分析以及驗證，都可以借助計算存儲器件進行加速。這些器件提供了一個關鍵的優勢，使得成本高昂的計算被卸載到存儲器件上，而不必在服務器 CPU 上完成。與標準的存儲/CPU 方法相比，通過計算存儲獲得的優勢包括： 

1. 借助應用專用編程定制可編程硬件，獲得更高性能

2. 將計算任務從服務器卸載到存儲器件，釋放 CPU 資源

3. 數據與計算共址，降低數據傳輸需求

這種新穎的方法前景光明。不過，您應根據具體用例評估這種方法，考量性能、成本、功耗和易用性。性價比和單位功耗性能在選擇加速硬件評估時，占據主要比率。在本文中，我們將研討單位功耗性能（另一篇文章則專門研討性價比）。

計算存儲功耗比較

3種系統

在這個場景中，我們將比較以 CSV 數據讀取用例為主的三種工具：英偉達 GPUDirect 存儲 和RAPIDS存儲，以及基于賽靈思技術的三星 SmartSSD 存儲。CSV 讀取在計算密集型流水線中起著重要的作用（參見圖 1）。

在下文中，我們將性能定義成 CSV 的處理速率，或處理“帶寬”。我們先快速回顧一下三種系統的運行方式。

英偉達 GPUDirect 存儲

●   端到端滿足分析和 AI 需求

●   將 GPU 用作計算單元，緊貼基于 NVMe 的存儲器件布局 (GPUDirect)

●   使用 CUDA 進行編程(RAPIDS)

英偉達用其 CSV 數據讀取技術衡量相對于標準 SSD 的性能提升。結果如圖 1 所示。使用 1 到 8 個加速器時，對應的吞吐量是 4 到 23GB/s。 

三星 SmartSSD 驅動器

●   將賽靈思 FPGA 用作計算單元

●   與存儲邏輯內嵌駐留在同一個內部 PCIe 互聯上

●   通過編程在存儲平臺上開展運算

賽靈思數據分析解決方案合作伙伴 Bigstream 與三星合作，為 Apache Spark 設計加速器，包括用于 CSV 和 Parquet 處理的 IP。SmartSSD 的測試使用單機模式的 CSV 解析引擎，以便開展比較。結果如圖 2 所示，使用 1 到 12 個加速器時，對應的吞吐量是 4 到 23GB/s，同時也給出英偉達的結果（使用 1 到 8 個加速器）。請注意，本討論中的所有結果都按 x 軸上的加速器數量進行參數化。

這些結果令人振奮，但在選擇您的解決方案時，請務必將功耗情況納入考慮。

圖2 SmartSSD 驅動器的 CSV 解析性能結果

單位功耗性能比較

圖 3 顯示了將功耗考慮在內后的分析結果。它們代表單位功耗達到的性能水平，根據上述討論中引用的相關材料，給出了以下假設：

●   Tesla V100 GPU：最大功耗 200 瓦

●   SmartSSD 驅動器 FPGA：最大功耗 30 瓦

圖3 CSV 解析的每瓦功耗帶寬比較

在這個場景下，計算表明，在全部使用 8 個加速器的情況下，SmartSSD 的單位功耗性能比 GPUDirect Storage 高 25 倍。 

FPGA 與 GPU 對比：有關單位功耗性能的最終思考

計算存儲的優勢在于能增強數據分析和 AI 應用的性能。然而，要讓這種方法具備可實際部署的能力和實用性，就必須在評估時將功耗納入考慮。

針對用于 CSV 數據解析的兩種不同的計算存儲方法，我們已經提出按功耗參數化的吞吐量性能曲線。結果顯示，在使用相似數量的加速器進行比較時，SmartSSD 驅動器的單位功耗性能優于 GPUDirect存儲方法。 

GPUDirect 是英偉達通過 NVIDIA DGX-2 應用平臺提供的研究系統。