再谈HLS之任务级并行编程

HLS之任务级并行编程

HLS的任务级并行性（Task-level Parallelism）分为两种：一种是控制驱动型；一种是数据驱动型。对于控制驱动型，用户要手工添加DATAFLOW pragma，工具会在该pragma指定的区域内判别任务之间的并行性，生成各进程之间的模块级控制信号。对于数据驱动型，用于需要明确指定可并行执行的任务。

从描述手段来看，控制驱动型本质上是由工具判定各任务能否并行执行。用户在对各函数描述时只要遵守DATAFLOW的要求即可。例如：读取输入数据应该位于DATAFLOW区域的起始位置，写入输出数据应位于该区域的终止位置。DATALOW区域内的所有变量遵循“一次读一次写”原则。除非使用hls::stream，否则不支持反馈支路。不支持在指定条件下才执行函数。不支持for在指定条件下退出（使用break语句）。但控制驱动型比较灵活，这是因为DATAFLOW的作用对象可以是for循环也可以是函数。控制驱动器适合于顺序执行的C函数。控制驱动型模型带来的好处包括：当前函数在结束执行之前后续函数可以开始执行；函数在结束执行之前可以重新开始执行；两个或更多顺序函数可以同时开始执行。我们看一个例子。如下图所示，顶层函数diamond调用了4各函数funcA~funcD。

在没有添加DATAFLOW的情况下，工具能自动探测出funcB和funcC的并行性，这可从Schedule视图中看到，如下图所示。

添加DATAFLOW之后，对两者性能进行对比，如下图所示（NO_TLP为没有添加DATAFLOW的solution），从Latency角度看，两者相当，但从interval角度看，DATAFLOW带来的效果还是很明显的。Interval从457降到了175。

再看数据驱动型。数据驱动型要求任务之前以stream作为接口，允许反馈支路。用户需要明确通过hls::task指定可并行执行的任务。对于上述函数，我们可以将其改造为数据驱动型，如下图所示。代码第98行声明了4个stream，第99行~第102行通过hls::task指定并行任务。

将三者放在一起对比，如下图所示。可以看到数据驱动型无论在性能还是资源上都获得最佳表现。

那么两种类型能否混合使用呢？答案是肯定的，但是有限制的，这源于两者的自身特征。可以在控制驱动型中嵌入数据驱动型，但反过来是不允许的。我们将上面的例子改造为控制驱动型嵌入数据驱动型的模式，如下图所示。这里需要注意的是代码第137行的DATAFLOW pragma，同时代码第141行和第142行都设置了task，task接口为stream。此外也给出了Vitis HLS的Schedule视图和Dataflow视图。Dataflow视图中也显示了KPN。关于KPN可参阅这里。

https://en.wikipedia.org/wiki/Kahn_process_networks

转载事宜请私信 | 获得授权后方可转载