????? 流處理是指以足夠維持連續采集或信號生成的高速率將數據傳輸至儀器或從儀器輸出。這就意味著任一項流處理應用的性能總是受限于數據的大小和傳輸速度。許多工程師利用了“流處理”技術，但是在很多應用中，數據無法以足夠快的速率被生成或采集。在這些情況下，工程師們必須折衷處理，或者以足夠低的采樣率對要通過總線傳輸的數據進行采樣，或者以所需的高速率進行采樣但所持續時間較短(這個時間受限于儀器的板載存儲器)。然而，無論哪一種的犧牲都不是我們希望的。

????? 傳統意義上，桌面儀器系統，如示波器、邏輯分析儀和任意波形發生器等，都已經實現了一定程度的數據流處理。雖然許多儀器具有非常高的采樣率和帶寬，但是與PC接口以返回數據給用戶的總線卻時常被忽略，實際上它會大大增加整體測試時間。例如，用獨立示波器進行的大部分數據采集時間都是有限的，采集的持續時間由示波器中板載存儲器的大小所決定(一***立任意波形發生器也面臨同樣的問題，除非待發生的波形是直接下載到板載存儲器中)。數據采集完成之后，數據通過以太網(或者更為常用的GPIB)傳輸至控制PC。試考慮這樣一種情形，事件觸發之后以1GS/s的速率對數據進行采樣。如果該設備每通道具有256MB的板上存儲空間，那么約250ms后存儲器就被寫滿了，數據采集就會停下來。如果儀器接口使用GPIB總線(其帶寬約為1MB/s)，那么用戶必須等待約4.5分鐘(250s)，這些數據才可以傳輸至計算機供分析使用。現在，將其與具有相同采樣率和板上存儲空間的NI數字化儀/示波器相比較。相同的數據通過高帶寬的PCI/PXI總線傳輸僅需要不到3秒的時間——超過80倍的性能提升。PCI Express/PXI Express總線甚至支持更快速的數據傳輸。

???? PXI Express正在改變著工程師們設計系統的方式。本文討論了支持高速數據流處理的技術、最大化系統流處理性能的應用設計和在數據流導入磁盤與數據流導入存儲器應用中可獲得的數據速率基準。

流處理技術

????? 在PCI Express技術之上構建的PXI Express，為每臺儀器提供專用的帶寬。PCI Express包括x1、x4、x8和x16等幾種鏈路(讀為"乘1"、"乘4"等)，提供每通道250MB/s的吞吐量并具有極低的時延。對于儀器級硬件，x1與x4選項最為常見，它們分別提供了250MB/s和1GB/s(4×250MB/s)的專用吞吐量。相應地，整個系統的吞吐量隨機箱內儀器數的增加而增加。下圖著重闡述了各種總線的帶寬與時延比較。時延描述的是數據傳輸中所發生的延遲，它常常在考慮系統設計時被忽略。許多人認識到，更高的帶寬是希望得到的，但高時延也會對測試時間存在不利影響，所以也應當在系統設計中被考慮。

?
圖1：常見儀器總線的帶寬與時延的比較。

????? PXI平臺，由于基于高帶寬的PCI與PCI Express總線，因而支持儀器將數據流導入到除板上設備存儲器之外的信號源或從其導出。一個PXI/PXI Express數字化儀/示波器能夠以高采樣率持續采集數據，因為高帶寬總線支持將數據以高達1GB/s的速率實時傳送至PC存儲器或硬盤，這意味著數據可以在在設備存儲器中被覆蓋之前被讀取。

????? 數據采集或信號發生的瓶頸不再是總線，而實際上是對系統存儲器(硬盤驅動器或者RAID陣列)進行讀取/寫入數據的操作。這就意味著工程師們可以以其所需的高采樣率長時間采集數據或發生信號，而不必影響其采樣率或測試時間。例如，利用一個PXIe-5122數字化儀與一個具有4TB容量的、12驅的RAID陣列，可以在兩個同步采樣的通道以100MS/s的最大采樣率采集數據，持續時間超過2.5小時。

????? 所有這些意味著什么？許多應用挑戰因需要非常昂貴的專有系統而在先前無法解決，但由于使用商業可用的PXI Express，解決這些挑戰變得可行。其中，一些應用包括信號智能中的RF/IF數據流處理、數據記錄與回放、面向圖像傳感器與顯示面板測試的數字視頻發生/流處理，以及其它高數據吞吐量的應用。

數據流盤應用的最優方法

????? 應用從單線程到多線程架構的演進被廣泛認為是重大的編程挑戰。LabVIEW為多核處理器提供了一個理想的編程環境，因為LabVIEW應用在本質上是多線程的。因而，LabVIEW編程人員通過幾乎很少甚至無需額外的編碼，便可以從多核處理器獲益。多線程應用程序非常適用于并行測試和數據流盤應用，而且，在流處理應用中運用適當的編程技術，可以使PXI Express儀器發揮最大性能，這是通過代碼的并行化完成的。

????? 同樣，并行機制還可以應用于創建數據流盤應用或從計算機處理器獲取最大性能。在流盤應用中，兩個主要占用總線和處理器的任務是：1)從數字化儀采集數據，和2)將數據寫入到文件中。由于這一點是事先知道的，所以進程可以劃分為多個循環。利用LabVIEW隊列機構，每個循環間實現了數據共享。通常，這被稱為一個生產者-消費者算法結構。

?
圖2：帶有隊列結構的生產者/消費者循環架構。

????? 在上例中，上面的循環(生產者)從一個高速數字化儀中采集數據，并將其傳遞至一個隊列。下面的循環(消費者)從隊列中讀取數據并將其寫入到磁盤。在后臺，LabVIEW為隊列在PC中分配一個存儲塊。該存儲器模塊被用作兩個循環間數據傳遞的臨時存儲FIFO。對于大多數編程語言，多個進程間的存儲器共享要求不菲的編程開銷。然而，LabVIEW處理了所有的存儲器訪問，以確保讀-寫競爭狀況不會發生。隊列結構的執行可以通過下圖可視化展示：

圖3：對列結構的數據流編程模型。