淺析HLS的任務級并行性

HLS的任務級并行性（Task-level Parallelism）分為兩種：一種是控制驅動型；一種是數(shù)據(jù)驅動型。對于控制驅動型，用戶要手工添加DATAFLOWpragma，工具會在該pragma指定的區(qū)域內判別任務之間的并行性，生成各進程之間的模塊級控制信號。對于數(shù)據(jù)驅動型，用于需要明確指定可并行執(zhí)行的任務。

從描述手段來看，控制驅動型本質上是由工具判定各任務能否并行執(zhí)行。用戶在對各函數(shù)描述時只要遵守DATAFLOW的要求即可。例如：讀取輸入數(shù)據(jù)應該位于DATAFLOW區(qū)域的起始位置，寫入輸出數(shù)據(jù)應位于該區(qū)域的終止位置。DATALOW區(qū)域內的所有變量遵循“一次讀一次寫”原則。除非使用hls::stream，否則不支持反饋支路。不支持在指定條件下才執(zhí)行函數(shù)。不支持for在指定條件下退出（使用break語句）。但控制驅動型比較靈活，這是因為DATAFLOW的作用對象可以是for循環(huán)也可以是函數(shù)。

控制驅動器適合于順序執(zhí)行的C函數(shù)?？刂乞寗有湍Ｐ蛶淼暮锰幇ǎ寒斍昂瘮?shù)在結束執(zhí)行之前后續(xù)函數(shù)可以開始執(zhí)行；函數(shù)在結束執(zhí)行之前可以重新開始執(zhí)行；兩個或更多順序函數(shù)可以同時開始執(zhí)行。我們看一個例子。如下圖所示，頂層函數(shù)diamond調用了4各函數(shù)funcA~funcD。

在沒有添加DATAFLOW的情況下，工具能自動探測出funcB和funcC的并行性，這可從Schedule視圖中看到，如下圖所示。

添加DATAFLOW之后，對兩者性能進行對比，如下圖所示（NO_TLP為沒有添加DATAFLOW的solution），從Latency角度看，兩者相當，但從interval角度看，DATAFLOW帶來的效果還是很明顯的。Interval從457降到了175。

再看數(shù)據(jù)驅動型。數(shù)據(jù)驅動型要求任務之前以stream作為接口，允許反饋支路。用戶需要明確通過hls::task指定可并行執(zhí)行的任務。對于上述函數(shù)，我們可以將其改造為數(shù)據(jù)驅動型，如下圖所示。代碼第98行聲明了4個stream，第99行~第102行通過hls::task指定并行任務。

將三者放在一起對比，如下圖所示。可以看到數(shù)據(jù)驅動型無論在性能還是資源上都獲得最佳表現(xiàn)。

那么兩種類型能否混合使用呢？答案是肯定的，但是有限制的，這源于兩者的自身特征?？梢栽诳刂乞寗有椭星度霐?shù)據(jù)驅動型，但反過來是不允許的。我們將上面的例子改造為控制驅動型嵌入數(shù)據(jù)驅動型的模式，如下圖所示。這里需要注意的是代碼第137行的DATAFLOWpragma，同時代碼第141行和第142行都設置了task，task接口為stream。此外也給出了Vitis HLS的Schedule視圖和Dataflow視圖。Dataflow視圖中也顯示了KPN。

審核編輯：劉清