目前的應用軟件通常包含有復雜的內存訪問機制，尤其是在科學計算和數字信號處理領域，內存的管理將十分復雜。我們利用Vivado HLS設計了一個簡單的例子，可以使你在一些棘手的情況下，用它來建造有效處理管道。

HLS試圖在由高級語言描述的控制數據流圖（CDFG）中獲取平。運算操作以及存儲訪問的分派與設計是根據他們與目標平臺的緊缺資源間的獨立性決定的。對于許多引人關注的算法來說，數據存取依賴于計算結果，內存占用需要使用芯片外RAM。如今，在內核上使用HLS會創造出數據通路以及許多指令級的并行。但是當它被激活，且等待輸入數據時，它需要頻繁停止。

下圖展示了當數據設置過大，且需要不斷放到單片高速緩沖存儲器上時，為實驗效果而制造的硬件模塊的運行效果。值得注意的是速度的減慢對所有cache失效潛在因素組合的影響。然而這不是必須的，因為有一部分計算圖的發展是不需要立即使用內存數據的。這個環節需要被快速推進。這種在調度執行的額外自由有很多潛在的影響。

?

圖2（c）展示了使用解耦處理管道時的調度執行。雙FIFO的潛在影響忽略不計，但當迭代次數非常大時，應將其影響減到最小。

為生產解耦處理模型管道，首先你需要在原控制數據流圖（CＤFG）中聚集信息來完成子圖。為了使結果的效果最大化，聚類方法應符合多數要求。

第一，如之前所說，Vivado HLS 運用軟件流水技術在其前一次結束之前激發新的迭代次數。最長周期的潛在因素依賴于CDFG規定了最小間距，這些間距可以使新的迭代次數開始，并能限定且增加最終生產量。因此，這些循環依賴不穿過多重子圖是很重要的，就像雙FIFO應用于模塊之間的通訊總是會增加潛在因素。

其次，將存儲操作與包含有延長計算的循環依賴分開是有益處的，這樣一來，cache失效能夠被慢速率的數據消費遮蓋。這里，延長計算指的是運算要進行多于一個周期且滿足我們的目標，Vivado HLS時間表就是用來獲取這個度量標準的。例如，延長操作是復雜的，而整數模塊運算則不是。

最后，為了集中那些由高速緩存缺失引起的攤位影響，你也會想要減小在每個子圖里面存儲操作的數量，尤其是當他們記錄在存儲空間的不同部分的時候。

滿足第一個要求-不讓循環依賴穿過多子圖其實很簡單，方法是：在原數據流程圖中尋找到強連通分量，并且在他們分散為不同集群之前使他們碰撞成節點。這個步驟結束后，我們得到了一張有向非循環圖，上面有一些有簡單指令的節點，其他的有一些彼此依賴的操作。為了滿足第二和第三個要求--分離存儲操作和局部化攤位影響—我們可以使節點拓撲排序并將他們分離開。

我們我們制作了一個簡單的源到源變換工具來完成這項重組，我們用Xilinx IP 核來制作雙FIFO個體鏈接模型。重構計算模型的方式有很多種，而且設計空間的探索仍然在前進。