Discussion :

[dourouc05]

Pour effectuer des calculs intenses de manière efficace, tant en temps qu’en consommation d’énergie, rien de tel que de disposer d’un processeur programmable au niveau matériel : c’est ce que proposent les FPGA, qui consistent grosso modo en des processeurs dont on peut adapter le jeu d’instructions pour correspondre parfaitement à ses besoins. Les opérations peuvent alors être implémentées de manière très optimisée, ce qui permet de gagner du temps, mais surtout de l’énergie, par rapport à des processeurs programmables uniquement de manière logicielle, les plus classiques.

Dans le domaine, Intel vient récemment d’annoncer que Dell et Fujitsu fourniront des serveurs équipés de ses derniers FPGA, les Arria 10 GX (issus du rachat d’Altera, en 2015). Ces derniers sont prévus pour tout type de charge de calcul : génomique, calculs séismiques, finance, cybersécurité, encodage vidéo, etc. Intel avait prédit, en 2015, que les FPGA seraient utilisés dans 30 % des centres informatiques dans le monde d’ici à 2020 — et cette annonce s’inscrit directement dans cette droite ligne.

Pour le moment, ces FPGA ne sont pas très utilisés (à quelques exceptions près, comme Microsoft et son projet Brainwave). Le principal problème est la difficulté de leur programmation : on ne peut pas utiliser les langages habituels, puisque l’on travaille à un niveau d’abstraction nettement plus bas. Il ne s’agit pas d’effectuer des instructions prédéfinies sur des registres (comme en assembleur), plutôt de transférer des octets entre des registres pour créer ces instructions (avec des langages comme VHDL ou Verilog). C’est pourquoi Intel livre également son Acceleration Stak, une collection d’outils pour faciliter le développement sur FPGA dans le cadre d’accélération d’applications existantes, avec notamment un SDK OpenCL et Quartus Prime (un environnement VHDL et Verilog). Ces outils traitent bon nombre de difficultés de bas niveau des FPGA, en les faisant plus ressembler à des processeurs standard.

Ainsi, les serveurs PowerEdge R640, R740 et R740XD de Dell et les PRIMERGY de Fujitsu pourront être configurés avec ces accélérateurs d’un genre un peu particulier. Il s’agira à chaque fois de cartes d’extension au format PCIe, liées à au moins un processeur Xeon. Chaque carte contient huit gigaoctets de mémoire vive et cent vingt-huit mégaoctets de mémoire flash (pour stocker les programmes). La puissance est au rendez-vous : avec une puce Arria 10 GX, on peut s’attendre à une puissance d’un téraflops (nombres à virgule flottante sur trente-deux bits) et demi pour une consommation de soixante watts — ce qui se révèle vite intéressant dans un univers limité par la chaleur à dissiper.

Source : Adoption of Intel FPGAs for Acceleration of Enterprise Workloads Goes Mainstream.

[wolinn]

...
La puissance est au rendez-vous : avec une puce Arria 10 GX, on peut s’attendre à une puissant d’un gigaflops (nombres à virgule flottante sur trente-deux bits) et demi pour un consommation de soixante watts — ce qui se révèle vite intéressant dans un univers limité par la chaleur à dissiper.
Source : Adoption of Intel FPGAs for Acceleration of Enterprise Workloads Goes Mainstream.

Ca ne parait pourtant pas si extraordinaire comparé à un Xeon, qui a typiquement une puissance supérieure à 100 Gflops, pour une consommation du même ordre.
Faute de frappe ?

[Jipété]

Ca ne parait pourtant pas si extraordinaire comparé à un Xeon, qui a typiquement une puissance supérieure à 100 Gflops, pour une consommation du même ordre.
Faute de frappe ?

Trouvé là :

hardened floating point (IEEE 754-compliant) enable the Arria 10 to deliver floating-point performance of up to 1.5 TFLOPS.

Le drame de cette page et de toutes les autres sur ce site, du peu que j'en ai regardé, c'est que c'est plein de mots et d'acronymes auxquels on ne comprend rien, si on n'est pas de la partie et d'une manière pointue pointue !
Pourquoi ce site ? Parce que c'est ce qui est marqué sur la carte, en bas à gauche entre les chips de mémoire et l'Arria..

Alors maintenant, si quelqu'un peut m'expliquer en 3 mots ce que c'est qu'une QSFP cage (le long boîtier gris), ainsi qu'un channel GbE, je lui en serai éternellement reconnaissant.

Et sinon,

Source : Adoption of Intel FPGAs for Acceleration of Enterprise Workloads Goes Mainstream.

le titre de ce lien me fait penser à un bête coprocesseur, un bon vieux 80387 multiplié par la complexité croissante de notre époque.
Non ?

[wolinn]

GbE : Gigabit Ethernet ?

Recherche rapide faite, les prix de cette petite merveille vont de 4000 à 10000 €, pour la puce seule, donc encore un peu plus pour la carte complète.
Est-ce compétitif par rapport aux cartes graphiques ?

[Jipété]

Est-ce compétitif par rapport aux cartes graphiques ?

Les cartes graphiques sont-elles équipées de FPGA ? Si "oui", accessibles aussi facilement que les trucs de Bittware ?

Et sinon je devais pas être bien réveillé quand j'ai lu le site que j'ai indiqué, il me suffisait de faire une recherche sur QSFP pour trouver cette page, à partir de là tout s'explique : encore une usine à gaz, avec plein de possibilités de connexions dans un seul machin, le must de l'intégration.

Et aussi, les choses vont maintenant tellement vite que t'as pas fini de lire ou écrire un article qu'il est déjà périmé par des nouveaux composants (j'exagère exprès, mais à peine).

[sbarillet]

Je viens du monde du FPGA ou je suis directement impliqué sur ces sujets et l’accélération d'applications sur ces cartes FPGA.

Je pense que beaucoup de personnes se posent des questions sur ces sujets qui tourne autour FPGA et pourquoi on commence a voir ces cartes dans des serveurs ou dans un cloud (CSP: AWS F1 /OVH FPGA server).
On est dans a un tournant technologique et je serai ravi de vous expliquer tout cela.

Pensez vous qu'un sujet autour du FPGA dans le forum puissent intéresser la communauté?

Pour répondre rapidement a vos questions, oui le coût de ces cartes est élevé (on va dire que c'est l'ordre de prix indiqué).
Les cartes GPU ne contiennent pas de FPGA, c'est un gros CPU pour faire des traitements assez specifique.

Le but est la location de ces serveurs distants, cela veut dire que vous louez les machines, disons $1000 par mois ou entre $1 et $2 de l'heure.
Comme pour location de VM sur un cloud, le but est de s'affranchir de la maintenance et de ne gérer que vos VM et vos applications.

Ce systeme hybride va permettre de faire tourner sur une VM vos applications sur ce serveur et décharger (offloader) certaines partie de votre application afin de les accélérer de manière significative sur le FPGA.

Quand on parle de manière significative, je vous donne quelques exemples:

- compresser un fichier gzip avec des augmentations de x25/x50 avec un taux de compression maximum.
- Faire des search & replace avec des accélérations de x6000 (vraiment!)
- Le décodage de l'ADN (détection de maladie rare) peut être fait en une demi-journée, la ou il faut des semaines sur plusieurs serveurs (The Children's Hospital of Philadelphia & Edico Genome).
- Les deux autres sujets récurrent sont l'IA et le Deep Learning qui peuvent être accélérer car ce sont des traitements qui sont massivement parallèle.

Tout cela dans un FPGA qui peut etre entièrement reprogrammé a la volée avec une autre fonction (ou une somme de fonctions) en quelques secondes.

[wolinn]

Je suis intéressé par le sujet, c'est à suivre.
Une carte accélératrice à 5000 Eur, c'est encore dans mes prix. Mettons 10 k€ max, je ne suis pas une multinationale.
Après, il faut voir comment ça se compare par rapport aux GPU, en Gflop/Euro. Si c'est beaucoup plus cher, je ne vais pas me précipiter dessus.

Mon besoin : calcul scientifique, en virgule flottante double précision.
Comment se programme ce genre de chose, et comment est-ce que ça s'utilise depuis un logiciel écrit en C++ ?
Avantages et inconvénients par rapport aux GPU ?