采用 Xilinx Zynq SoC 为云计算提速 云计算, 英特尔, 数据中心, 处理器, 通用

苹果也疯狂

流视频、社交网络和云计算等新兴 Web 应用亟需能容纳数千台服务器的仓库规模的数据中心。在数据中心和其它计算机集群中，用于处理大数据集的主要编程框架之一即为 MapReduce 框架 [1]。MapReduce 是一种运用大量节点来处理大数据集的编程模型。用户负责设定“Map”和“Reduce”功能，然后由 MapReduce 调度器将任务分配给处理器。

MapReduce框架的主要优势之一在于，其能托管在由不同类型处理器构成的多个异构集群中。大部分数据中心都纷纷采用高性能的通用型器件，如英特尔至强 (Intel Xeon)、AMD 皓龙(AMD Opteron)和 IBM Power 处理器等。但是，即使在应用不属于高计算密集型而属于高I/O密集型的时候，这些处理器也会消耗大量的电力。

为了降低数据中心的功耗，微服务器作为一种替代性平台近期倍受关注。这类低成本服务器通常采用嵌入式系统中使用的低功耗处理器，如ARM处理器等。微服务器主要针对轻量级或并行应用，处理此类应用最行之有效的方法是使用在节点间拥有充足 I/O（而非拥有高性能处理器）的单个服务器。微服务器方案具有众多优势，如可减少购置成本、缩小占用面积，并能降低特定应用类型的功耗。

在过去的几年里，SeaMicro 和Calxeda 等几家厂商已开发出基于嵌入式处理器的微服务器。但是，MapReduce 框架会占用嵌入式处理器的多种资源，从而会降低运行在这些平台上的云计算应用的总体性能。

为了克服这个问题，我们的团队已为 MapReduce 框架开发出一种能在全面可编程平台上与 ARM IP 核实现高效整合的硬件加速单元。为了开发并评估所提议的方案，我们选用了开发板上集成有双核 Cortex-A9处理器的赛灵思 Zynq-7000 All Programmable
SoC。

MapReduce 硬件加速器单元MapReduce 加速单元负责处理Reduce 任务的高效实现。其主要工作是合并来自各个处理器的中间键 / 值对，并为插入新键和更新（累计）键 / 值对提供快速途径。我们将MapReduce 加速器作为协处理器来实现，可通过共享总线作为多核处理器的扩充。