为软件和硬件平台指定并编译可扩展的参与者网络

《ACM Transactions on Embedded Computing Systems》：Specifying and Compiling Scalable Networks of Actors for Software and Hardware Platforms

针对数据流应用固定网络结构的局限性，本文提出参数化扩展，优化AM中间表示和FPGA控制器设计，提升编译效率和硬件利用率。

　　

摘要

流处理应用程序通常使用具有固定网络结构的数据流演员模型来描述，这使得静态分析和高效的硬件实现成为可能。然而，这种固定的结构限制了可扩展性和设计空间的探索。本文研究了一个典型的数据流工具链——用于CAL演员语言的StreamBlock编译器及其Actor Machine（AM）中间表示（IR），并指出了其在处理参数化应用程序规范时的局限性。

为了解决这些局限性，我们扩展了CAL语言，使其支持参数化的演员和网络规范，从而可以用单一描述来涵盖多种问题规模。我们通过一个参数化的QR分解应用程序以及Savina Actor基准测试套件中的基准测试来演示这些扩展。

在将演员规范编译为软件或硬件时，会使用AM IR进行优化。AM定义了一个控制器，用于指定演员在运行时的行为。我们发现，随着演员复杂性的增加，AM模型的可扩展性变差，导致编译失败。在这项工作中，我们改进了AM模型，使得能够编译比以前大六倍的演员。

对于针对FPGA的规范，我们提供了一种替代方案，该方案旨在更好地利用可用的硬件并行性。我们的结果表明，与AM控制器相比，这种控制器在演员规模增加时具有更好的可扩展性，并且在使用资源略微增加的情况下显著降低了延迟。

这些贡献扩展了CAL的适用性，使得指定和扩展更广泛的流处理应用程序变得更加容易。