FPGA时序问题

Question

我是 FPGA 编程新手，对整体执行时间方面的性能有疑问。

我读到延迟是根据周期时间计算的。因此，总执行时间 = 延迟 * 周期时间。

我想优化处理数据所需的时间，我将测量总体执行时间。

假设我有一个计算 a = b * c * d。

如果我让它在两个周期内计算 (result1 = b * c) & (a = result1 * d)，总体执行时间将是 2 * 周期时间的延迟（由乘法运算的延迟决定，例如值 X）= 2X

如果我在一个周期内进行计算 ( a = b *光盘）。总体执行时间将是 1 * 周期时间的延迟（假设值为 2X，因为由于两次乘法而不是一次，它的延迟是两倍）= 2X

因此，似乎为了在执行时间方面优化性能，如果我仅关注减少延迟，周期时间就会增加，反之亦然。是否存在延迟和周期时间都可以减少，从而导致执行时间减少的情况？我什么时候应该关注优化延迟，什么时候应该关注周期时间？

另外，当我用 C++ 编程时，似乎当我想优化代码时，我想优化延迟（执行所需的周期）。然而，对于 FPGA 编程来说，优化延迟似乎还不够，因为周期时间会增加。因此，我应该专注于优化执行时间（延迟*周期时间）。如果我想提高程序的速度，我的说法正确吗？

希望有人能帮助我解决这个问题。提前致谢。

Answer 1

我倾向于将延迟视为从第一个输入到第一个输出的时间。由于通常存在一系列数据，因此查看逐个处理多个输入所需的时间很有用。

以您的示例为例，要在一个周期内执行 a = bxcxd （一个周期 = 2t）处理 10 个项目将需要 20t。然而，在两个 1t 周期中进行，处理 10 个项目将需要 11t。

希望有帮助。

编辑添加计时。

1个2t周期的计算。 10 次计算。

Time   0  2  2  2  2  2  2  2  2  2  2  = 20t

Input  1  2  3  4  5  6  7  8  9 10
Output    1  2  3  4  5  6  7  8  9 10

两个 1t 周期中的计算，流水线，10 次计算

Time   0  1  1  1  1  1  1  1  1  1  1  1  = 11t

Input  1  2  3  4  5  6  7  8  9 10
Stage1    1  2  3  4  5  6  7  8  9 10
Output       1  2  3  4  5  6  7  8  9 10

两个解决方案的延迟均为 2t，第一个解决方案为一个 2t 周期，第二个为两个 1t 周期。然而，第二个解决方案的吞吐量是第二个解决方案的两倍。一旦考虑到延迟，您每 1t 周期都会得到一个新答案。

因此，如果您有一个复杂的计算，需要 5 个 1t 周期，那么延迟将为 5t，但吞吐量仍为 1t。

Answer 2

除了延迟和周期时间之外，您还需要另一个词，那就是吞吐量。即使需要 2 个周期才能得到答案，如果您可以在每个周期放入新数据并在每个周期将其取出，那么您的吞吐量可以比“在一个周期内完成所有操作”提高 2 倍。

假设您的计算在一个周期内需要 40 ns，因此吞吐量为 2500 万个数据项/秒。

如果你采用流水线方式（这是将计算分成多个周期的技术术语），你可以在 2 批 20ns + 一点的时间内完成它（你在必须输入的额外寄存器中丢失了一点）。假设该位为 10 ns（这个时间很多，但很容易求和）。所以现在需要 2x25+10=50 ns => 2000 万条/秒。更糟糕的是！

但是，如果您可以使 2 个阶段彼此独立（在您的情况下，不共享乘法器），您可以每 25+ 位 ns 将新数据推送到管道中。这个“一点”会比前面的小一点，但即使是整个 10 ns，你也可以以 35ns 次或近 30M items/sec 的速度推送数据，这比你开始的要好和。

在现实生活中，10ns 会少得多，通常是 100s 的 ps，因此增益要大得多。

Answer 3

乔治准确地描述了延迟的含义（这不一定与计算时间有关）。您似乎想优化设计以提高速度。这是非常复杂的，需要很多经验。总运行时间为

execution_time = (latency + (N * computation_cycles) ) * cycle_time

其中 N 是您要执行的计算数量。如果您进行加速开发，则应该只在大型数据集上进行计算，即 N 很大。通常，您对延迟没有要求（这在实时应用程序中可能有所不同）。决定因素是cycle_time 和computation_cycles。这里确实很难优化，因为存在关系。 cycle_time 由设计的关键路径决定，并且其上的寄存器越少，周期时间就越长。时间越长，cycle_time 就越大。但是，您拥有的寄存器越多，您的computation_cycles 就越高（每个寄存器都会将所需的周期数增加一）。

也许我应该补充一点，延迟通常是计算周期的数量（它是造成延迟的第一个计算），但理论上这可能是不同的。