這一集，我們把其中的算法仿真部分拉出來展開說說。

第三集：算法仿真

算法是對芯片系統(tǒng)進(jìn)行的整體戰(zhàn)略規(guī)劃，決定了芯片各個(gè)模塊功能定義及實(shí)現(xiàn)方式，指引著整個(gè)芯片設(shè)計(jì)的目標(biāo)和方向。可謂，牽一發(fā)而動(dòng)全身。

不管是模擬IC還是數(shù)字IC設(shè)計(jì)，算法仿真都是第一步。通常，會(huì)由算法工程師組成獨(dú)立的算法團(tuán)隊(duì)。

CPU/GPU本應(yīng)該是算法仿真的常客，但因?yàn)闅v史比較悠久，發(fā)展成熟，市場幾乎被英偉達(dá)和AMD壟斷，很多IC設(shè)計(jì)公司選擇直接采購IP的方式跳過這一步。

近幾年，無線通信芯片成為了算法業(yè)務(wù)的最大甲方。因?yàn)檫@類芯片的信號(hào)編解碼與頻譜遷移時(shí)方式十分復(fù)雜，再加上種類繁多，各國的通信協(xié)議、標(biāo)準(zhǔn)、頻率也在不斷變化。隨著我國5G通信標(biāo)準(zhǔn)的放開，算法仿真的地位與日俱進(jìn)。

另一個(gè)涉及大量算法業(yè)務(wù)的場景是AI芯片，應(yīng)用場景小到手機(jī)、智能家電，大至汽車。

跟前兩篇數(shù)字和模擬IC的設(shè)計(jì)場景相比，算法仿真有著非常不一樣的表現(xiàn)。

所以我們單獨(dú)把ta拉出來，結(jié)合一家無線通信芯片公司實(shí)際業(yè)務(wù)場景，看看算法仿真有哪四大特性，以及從動(dòng)態(tài)視角出發(fā)，看我們怎么幫算法工程師解決問題，提高研發(fā)效率。

算法仿真的本質(zhì)

算法（Algorithm），是指在數(shù)學(xué)和計(jì)算機(jī)科學(xué)間，一種被定義好的、計(jì)算機(jī)可施行指示的步驟和次序。算法代表著用系統(tǒng)的方法描述解決問題的策略機(jī)制，解決一個(gè)問題可以有很多種算法。

舉個(gè)栗子。

求解下圖黃色區(qū)域圖形面積，我們有三種算法。

方法一：你可以直接用三角形的面積公式解。這種方法快速、直觀，小學(xué)文化程度即可，但局限性也高、不通用，不適用于圖像復(fù)雜的情況；

方法二：也可以用符號(hào)計(jì)算求不定積分。求解析解方法，適用于各類不定積分中有解析表達(dá)式的函數(shù)圖像。計(jì)算門檻較高，大多手算，很少有計(jì)算工具。而且實(shí)際工程應(yīng)用場景中，很多函數(shù)沒有解析解；

方法三：用數(shù)值計(jì)算方式解積分，求數(shù)值解。數(shù)值計(jì)算法適用范圍最廣，可以求任意函數(shù)曲線的定積分，將函數(shù)一段段分解，再算出面積。不同的分解方法就代表不同的算法。這種方法只能求數(shù)值解，無法求解析解，且計(jì)算量巨大，適合機(jī)器計(jì)算，不適合人工計(jì)算，在工程領(lǐng)域應(yīng)用甚廣。

在芯片設(shè)計(jì)領(lǐng)域，算法仿真的本質(zhì)是評估不同數(shù)值計(jì)算解法的工作量、計(jì)算效率適用范圍，選出最優(yōu)算法，使ta不僅要滿足算得最快、最準(zhǔn)，還要能確保功能、精度、效率、吞吐量等指標(biāo)。

算法仿真是一個(gè)不斷迭代、優(yōu)化的過程，一般都要反復(fù)調(diào)整參數(shù)，進(jìn)行N次回歸測試。

一家算法團(tuán)隊(duì)的小目標(biāo)

一家無線通信芯片公司算法團(tuán)隊(duì)，開局情況如下：

算法部門共有15人，全公司有480核共享本地資源，各部門按需提前申請使用。

根據(jù)公司的業(yè)務(wù)發(fā)展目標(biāo)，大致估算出未來新算法項(xiàng)目任務(wù)總數(shù)為1283980。

假設(shè)一：全公司本地資源均歸他們用，每個(gè)人的資源上限是32核；

假設(shè)二：單case運(yùn)行時(shí)間為10小時(shí)；

假設(shè)三：回歸測試次數(shù)為1次；

假設(shè)四：1個(gè)case只有1個(gè)job，且只用1個(gè)核。

總運(yùn)行時(shí)間達(dá)到3.05年。 ? 啊這。。 可能打開方式不對，再來： 增加假設(shè)五：人均資源上限逐漸提升到120核； 假設(shè)六：算法團(tuán)隊(duì)人數(shù)逐步擴(kuò)張至46人；

總運(yùn)行時(shí)間約96.92天。

嗯，這回挺好。

想得是挺美，小目標(biāo)怎么實(shí)現(xiàn)？

現(xiàn)實(shí)一：公司共享本地資源不可能只歸算法部門專用；

現(xiàn)實(shí)二：單case運(yùn)行時(shí)間，難以估計(jì)；且1個(gè)case往往不止1個(gè)job，且1個(gè)job未必只用1個(gè)核；

現(xiàn)實(shí)三：回歸測試只有1次，幾乎不太可能，總?cè)蝿?wù)數(shù)可能數(shù)倍增長；

現(xiàn)實(shí)四：本地機(jī)房從480核要擴(kuò)張十幾倍，可不止是買買買硬件，機(jī)房建設(shè)、運(yùn)維人力、硬件維保、存儲(chǔ)網(wǎng)絡(luò)、環(huán)境部署等等，都不是小事；

現(xiàn)實(shí)五：算法工程師要求非常高，招聘難度極大。

真是，沒一個(gè)字讓人愛聽的。

但算法仿真這里，此路不通。

我們來看看算法仿真的特性：

算法仿真的四大特性

下圖是這家無線通信芯片公司算法團(tuán)隊(duì)9個(gè)月實(shí)際日平均資源用量波動(dòng)總覽圖：

01

需求不可測

從個(gè)人角度出發(fā)，算法團(tuán)隊(duì)每個(gè)人的算法任務(wù)都是互相獨(dú)立，互不影響的。算法確定之后，每一輪的計(jì)算量基本確定（case分解成的job數(shù)，job占用的核數(shù)基本確定），每個(gè)算法任務(wù)的單次耗時(shí)與回歸測試次數(shù)都是不一樣的，這導(dǎo)致最后的資源需求完全不可測。

如果再疊加團(tuán)隊(duì)使用因素，資源的不可測性也會(huì)被成倍地放大。如果原先個(gè)人的資源使用區(qū)間是0到250核小時(shí)；如果團(tuán)隊(duì)內(nèi)有20人，那不可測區(qū)間就放大至0至5000核小時(shí)。

02

短時(shí)間使用量波動(dòng)巨大

除了算法任務(wù)需求的不可測性，資源使用量的波動(dòng)還受實(shí)際算法任務(wù)的進(jìn)度影響。

每個(gè)算法工程師的工作獨(dú)立且進(jìn)度不一，有時(shí)可能大量任務(wù)同時(shí)批量運(yùn)行，也可能部分在調(diào)試，部分在運(yùn)行，甚至可能一個(gè)在運(yùn)行的任務(wù)都沒有。

不同工程師的工作進(jìn)度差異與所用算法不一，不僅導(dǎo)致了波峰、波谷間的資源使用量差距極大，而且這樣的波動(dòng)可能發(fā)生在極短時(shí)間內(nèi)。

極限情況：所有工程師都在頂格跑任務(wù)，5520核的資源量瞬間拉滿（100%）；而下一刻只有10%的工程師在跑任務(wù)，且每人都只使用自己配額80%的資源量，那總資源僅使用了一部分。

不同公司的算法團(tuán)隊(duì)之間，因?yàn)閳F(tuán)隊(duì)規(guī)模與業(yè)務(wù)差異，資源用量差異也非常大。

03

資源需求類型多樣

算法仿真整體來說，對資源的各方面需求并不算高。

但不同算法的需求都不一樣：

有的需要單核4G內(nèi)存的機(jī)型，有的要單核8G內(nèi)存的機(jī)型；

有的算法對存儲(chǔ)要求高，有的算法對存儲(chǔ)沒要求：

有的涉及圖形計(jì)算，甚至還需要用到GPU機(jī)型。

04

長期可持續(xù)狀態(tài)

上述三大特性，都不是突發(fā)現(xiàn)象，屬于算法團(tuán)隊(duì)的日常工作狀態(tài)。

這一狀態(tài)的長期可持續(xù)性，我們需要對此做好足夠的準(zhǔn)備。

一種動(dòng)態(tài)思路：增加時(shí)間維度

算法仿真的四大特性決定了：按這家公司原來的靜態(tài)處理方式，也就是把任務(wù)量當(dāng)成恒定的，通過加人加機(jī)器的方式來滿足研發(fā)需求，變得很不現(xiàn)實(shí)。哪怕頂格準(zhǔn)備資源，資源利用率也會(huì)長期處于較低狀態(tài)。

那按動(dòng)態(tài)處理方式，也就是隨著時(shí)間變化，靈活根據(jù)需求匹配不同規(guī)模/類型資源的方式來動(dòng)態(tài)滿足研發(fā)需求，從個(gè)人及團(tuán)隊(duì)視角出發(fā)，看我們怎么幫算法工程師解決問題，提高研發(fā)效率。

01

算法工程師視角

1）資源無需申請，即開即用 再也不用跟同事?lián)屬Y源或者漫長的排隊(duì)等待了，也不用走繁瑣的資源申請流程。 ? 2）資源選擇空間變大 選擇空間變大，資源類型變多，可用資源上限變高，可以靈活選擇更加適配算法任務(wù)的資源類型。 ? ? 3）提交任務(wù)立馬就能跑，告別等待 提交任務(wù)立馬就能跑，一整套研發(fā)環(huán)境現(xiàn)成的，即開即用。 靈活切換，今天跑一百，明天跑一萬，無需等待環(huán)境配置。 ? 4）以前怎么用，現(xiàn)在就怎么用 跟本地相比無感知，用戶使用習(xí)慣沒有任何改變，不需要調(diào)整任何腳本。 ? 5）任務(wù)跑得快，效率線性增長 多case高并發(fā)執(zhí)行。同一批算法任務(wù)之間互相獨(dú)立，可以做到效率線性提升。 ?

02

團(tuán)隊(duì)管理視角

1）動(dòng)態(tài)方式解決資源不可測問題 算法任務(wù)的不可預(yù)測且波動(dòng)巨大，導(dǎo)致了資源預(yù)測與規(guī)劃基本不可能。 按傳統(tǒng)靜態(tài)處理方式來解決問題： 按頂格規(guī)劃，這筆賬都不用算，會(huì)造成黃色區(qū)域的巨大浪費(fèi)； 按中間取值準(zhǔn)備，當(dāng)某個(gè)時(shí)間點(diǎn)算法仿真短時(shí)間內(nèi)任務(wù)量激增，就會(huì)出現(xiàn)人機(jī)不匹配，不是有人力沒機(jī)器，就是有機(jī)器沒人力。這種錯(cuò)配導(dǎo)致資源利用率極低，影響研發(fā)進(jìn)度。

圖中3-5月，峰值算力就從200核攀升27倍達(dá)到5520核，隨即又迅速從5520核下跌到500核左右，這波動(dòng)幅度簡直比過山車還劇烈，而且毫無規(guī)律。 ? 我們的動(dòng)態(tài)處理方式，會(huì)隨著時(shí)間變化，靈活根據(jù)當(dāng)前時(shí)間點(diǎn)任務(wù)需求匹配不同規(guī)模/類型資源的方式，動(dòng)態(tài)滿足研發(fā)需求。 不管500核還是5000核，我們都能實(shí)時(shí)根據(jù)需要，滿足整個(gè)團(tuán)隊(duì)的大幅波動(dòng)資源需求，保障日常算力和峰值算力任務(wù)調(diào)度效率。 ? 2）Auto-Scale自動(dòng)伸縮，隨用隨關(guān)不浪費(fèi)? Fsched調(diào)度器的Auto-Scale功能，能解決團(tuán)隊(duì)資源利用率與成本問題。資源“自由”的同時(shí)不浪費(fèi)。 ? 一方面隨用戶任務(wù)需求，設(shè)置自動(dòng)伸縮上下限，自動(dòng)化調(diào)用資源完成任務(wù)； Auto-Scale功能可以根據(jù)任務(wù)運(yùn)算情況動(dòng)態(tài)開啟云端資源，需要多少開多少，并在任務(wù)完成后自動(dòng)關(guān)閉，讓資源的使用緊隨著用戶的需求自動(dòng)擴(kuò)張及縮小，最大程度匹配任務(wù)需求。

這既節(jié)約了用戶成本，不需要時(shí)刻保持開機(jī)，也最大限度保證了任務(wù)最大效率運(yùn)行。中間也不需要用戶干預(yù)，手動(dòng)操作。

另一方面我們還能監(jiān)控用戶提交的任務(wù)數(shù)量和資源需求，在團(tuán)隊(duì)內(nèi)部進(jìn)行資源及時(shí)適配，解決錯(cuò)配問題。 ? ? 3）提升團(tuán)隊(duì)整體運(yùn)營效率 我們的運(yùn)營數(shù)據(jù)dashboard能讓團(tuán)隊(duì)管理者監(jiān)控各個(gè)重要指標(biāo)變化，從全局角度掌握項(xiàng)目的整體任務(wù)及資源情況，為未來項(xiàng)目合理規(guī)劃、集群生命周期管理、成本優(yōu)化提供支持。 還能根據(jù)不同成員或小組的業(yè)務(wù)緊迫程度和業(yè)務(wù)重要性，合理分配與控制用戶使用資源。 ? 4）全球數(shù)據(jù)中心解決資源瓶頸 我們的全球數(shù)據(jù)中心，能持續(xù)穩(wěn)定地提供用戶所需資源類型及數(shù)量，分鐘級(jí)調(diào)度開啟上萬核計(jì)算資源，滿足業(yè)務(wù)緊迫度。 用戶可以選擇自主選擇大內(nèi)存、高主頻等多樣化的資源類型來滿足不同算法需求。一旦發(fā)現(xiàn)所選資源類型與算法任務(wù)不匹配，還可隨時(shí)中止任務(wù)、更換資源類型，任務(wù)進(jìn)度不受影響。 ? ? ?

編輯：黃飛

?