逻辑这回事（五）---- 资源优化

基础篇

Memory

避免细碎的RAM。将大的RAM拆分成多个小RAM，并根据地址关断可以优化功耗，但把多个小RAM合成大RAM可以优化面积。
Block RAM和分布式RAM合理选择。根据存储容量，对Block RAM和分布式RAM的实现面积和功耗进行评估，选择更优的实现方式（对于40nm工艺，1bit 寄存器面积大约为5.3um2；对于22nm工艺，1bit 寄存器面积大约为2.9um2；对于Block RAM面积与深度/位宽不成线性比例，需要看综合工具的结果）。要例化一个位宽较大，但深度较浅的RAM块，例如宽度512bit，深度64的RAM，由于RAM位宽最大为72bit，至少需要8块RAM。此时，为了节省资源，可以使用分布式RAM。通常原则是：容量<2K，深度<64或宽度<64的RAM，使用分布式的RAM。对于宽度较大（大于256bit），深度较小（小于64）的RAM，这种比例失衡的RAM也可以考虑使用分布式RAM。
合理的选取RAM。无论是FPGA还是ASIC一般集成多个RAM块，这些RAM块大小固定。例如FPGA上一般为9Kbit，18Kbit,20Kbit、36Kbit，称为Block Ram。可实现RAM、ROM、FIFO等功能。RAM块位宽一般支持1，2，4，8，9，16，18，32，36，64，72等。例如FPGA要例化1个12bit的RAM，实现时会使用16bit或18bit位宽，造成浪费。假如RAM深度较深，那么可以例化1个8bit和1个4bit的RAM拼接成1个12bit的RAM来使用，以节省RAM块数。如果是ASIC，RAM设计时需要充分考虑块数、深度和宽度、单口/双口等特性，对各种组合情况充分评估面积和功耗，选择最优。不同memory类型如regfile、spram、dpram所占用的面积有所差异，可以用综合工具尝试不同深度和位宽，寻找最优的设计方案。
ASIC设计使用高密度Memory，减小面积。通常我们以端口功能来对Memory分类，对应到物理实现上，每一种memory，都有多个不同的类型可以选择，包括HSD(高速)、HD(高密度)、UHD等。Memory的功耗、面积与其bit数，并不是理想的比例关系，具体选择哪一种memory类型，需要实际综合一下看看。

深度x位宽（bit）	Memory Type	Memory Lib	Density	Area(um2)
512x32	sprf	rf1	hd	6634.1
1024x32	sprf	spsram	uhd	10429.6
2048x32	sprf	spsram	uhd	17446.3
4096x32	sprf	spsram	uhd	30463.6
8192x32	sprf	spsram	uhd	56680.1
512x16	sprf	rf1	hd	4016.0
1024x16	sprf	spsram	uhd	6538.7
2048x16	sprf	spsram	uhd	10429.6
4096x16	sprf	spsram	uhd	17446.3
8192x16	sprf	spsram	uhd	30561.7
512x8	sprf	rf1	hd	2707.0
1024x8	sprf	rf1	hd	3931.7
2048x8	sprf	rf1	hd	6538.7
4096x8	sprf	spsram	uhd	10485.8
8192x8	sprf	spsram	uhd	17502.5
1024x16	sprf	dpsram	uhd	14168.6
1024x8	sprf	dpsram	uhd	9543.7

上面是22nm工艺指定深度x位宽后，综合工具遍历不同配置（如Memory Type、Memory Lib等），再根据结果（如面积、功耗等）打分，选出最优的配置。从上面可以看出：

memory最终的面积与深度x位宽不是线性的关系；
当深度x位宽固定时，最终的面积差异不大；如2048x32和4096x16的面积都是17446.3um2。但吞吐量一定时，2048x32的读写频率只有4096x16的一半，2048x32的动态功耗会更优（前面的功耗优化章节已提供具体数据）。
当深度x位宽固定时，双端口memory的面积是单端口面积的2~3倍。

RAM块单元集成输出寄存器，可选择使能或不使能。建议大家使用输出寄存器，一方面时序好，另一方面节省了额外的寄存器。
减少对冗余信息的存储，尽量减少片内存储器。减少对临时存储的需求，尽量快速利用计算后的结果。
采用Free List或Pointer RAM技术实现多端口共享存储FIFO。

举例1：提频--增强RAM性能

双宽度RAM:

将RAM频率提高，可以提升RAM带宽，利用该特性，使用倍频时钟。利用倍频时钟将RAM带宽加倍，2个倍频周期数据供一个同频时钟周期使用，实现RAM宽度加倍。一个M9K实现72bit读写位宽，在大位宽RAM应用中可节省一半RAM。

2.双端口RAM

直接使用双端口RAM面积更大（ASIC的双端口RAM面积大约是单端口的2～3倍），尽量使用单口RAM。要充分考虑是否一定需要使用双口RAM，能否用一个大的单口RAM和一个小的双口RAM代替一个大的双口RAM，或者全部用单口RAM代替双口RAM。例如：将RAM部分的时钟频率提高一倍，即可以一个同样大小的单口RAM代替原有的双口RAM。利用倍频时钟将RAM带宽加倍，倍频周期奇数拍作为一个端口使用，偶数拍作为另一个端口使用。一个M9K即可实现2个端口读，2个端口写。

某ASIC项目中，ACQ模块需要先暂存50ms的数据，写速率为4.092Ms/s，即需要存4092*50*4bit数据。

方案1：使用50块1024x16双端口RAM，Memory总面积就达到了惊人的 50*14168.6=708,430um2。

方案2：由于读写速率不高，因此完全可以把时钟提频，使用50块1024x16单端口RAM实现，总面积为50*6538.7=326,935 um2，相对于方案1面积减少了50%以上。

方案3：如果时钟提频，使用13块4096x16单端口RAM实现，总面积为13*17446.3=226,801.9um2，相对于方案1面积减少了60%以上。

举例2：活用RAM--大位宽数据并串/串并转换

某逻辑内部主处理部分到接口部分，面临大位宽到小位宽变换的问题。在通道数较多时，需要的REG在10K级别。利用多个小位宽RAM进行优化，以4路数据方例:

第一拍并行数据为第1路4个时刻的数据，将第1路的并行数据分为4部分，分到写人4个RAM中。第一个RAM的写地址为0，第二个RAM的写地址为1，第三个RAM的写地址为2，第4个RAM前写地进为3，见下图黄色分；
第二拍并行数据为第2路4个时刻的数据，同样将并行数据分为4部分。分到写人4个RAM中，但地址为1-2-3-0，见下图橙色部分；
第三拍，第四拍类似，见下图浅蓝色，深蓝色部分；
顺序读4个RAM，同时将输出数据分配到各自的接口即可。

经过上述处理，利用RAM完成了并串转换，处理简单而且节约了大量的寄存器资源。

举例3：活用RAM--用RAM实现多拍的数据延迟

流水处理中经常对数据打拍，一般REG实现，现在的设计数据位宽通常是64/128/256甚至512位宽，打上几拍后资源消耗还是很大的。对于打拍大于2，小于几十的应用，可以用分布式RAM来实现，这将节省大量的寄存器资源。例如fir滤波器，resample滤波器中的打拍均可以通过RAM实现，通过控制读写地址实现延迟。

举例4：活用RAM—使用RAM进行统计上报

对统计来源较少，但对应统计项较多、规律性强的统计计数器，应考虑用RAM实现。例如统计有效数据包的个数，假设数据中存在pkt_id，pkt_id为0~63，则ram的深度为64，pkt_id用于作为读写地址，当匹配到pkt_id后，相应的地址的内容加1。

举例5：活用RAM--复杂状态机由RAM替换

APS复杂状态机占用资源较多:

线性APS有6种倒换模式，对应的6个状态机，单独综合结果占用463 LUT；
环网APS状态机单独综合结果占用202个LUT;
新增BFD PSC协议，状态机复杂度与线性APS状态机相当;
状态机表格中，状态跳转存在大状态机套小状态机的情况，如初态NR_P，条件FAR_NR_P，需要看上一状态，如果上一状态为SF_W，进入WTR，否则进入NR_W。

优化措施:状态机通过RAM实现，RAM地址为初态和条件的编码，RAM存储内容为下一跳转状态。

思考：使用XILINX K7器件，例化一个宽度为24bit，深度为2K的RAM块，需要几块M18K？

3块，使用3个8bit宽，2K深度的RAM拼起来，每个RAM消耗一个M18K。

可编程IO

FPGA的IO非常强大，几乎可以支持所有的电平标准，并能与多种器件对接，但是FPGA的IO数目有限，要节省使用。

减少冗余IO

例如CPU对接，一般带宽要求不高，可以适当减少CPU接口的地址线和数据线。

合理使用接口模式

例如一个GE接口，如果选择GMII接口，需要22个管脚；如果选择RGMII接口，只需要12个管脚；如果使用SGMII接口，只需要4个管脚。

IO寄存器

IO模块集成了很多寄存器，如果能够使用其中的寄存器，实现输入输出信号需要的寄存功能，即节省了寄存器，又可以减少输入输出信号的延迟。

时钟资源

FPGA时钟资源包括:PLL、DLL、全局线、区域线等。FPGA的时钟资源非常有限，一般器件只有4~8个锁相环，16~32根全局线，使用时合理取舍。

例如：要使用某个时钟的180度相位，直接使用该时钟的负沿，而不用生成一个独立的180度相位时钟。

要节省FPGA的布线资源，将扇出较大的信号，例如复位信号上全局线。要节省全局线资源，将扇出不大的时钟上区域线。对于不需要做复位同步化，使用不同时钟的多个逻辑块，使用1个复位信号。

资源复用

复用--节省资源的最好方法

如果一个寄存器，或一块RAM做了两件甚至多件事，那么就相当于一分钱辦成了多份花。这就是节省逻辑资源最好的办法----复用。固网从窄带到宽带，移动网从1G到5G，都是因为采用各种复用技术。逻辑复用可以采取如下办法：

复用寄存器，例如寄存多种报文的KEY，如果不同时使用，可以复用。
复用RAM，在带宽和容量足够的情况下，多个表项共享1块RAM。
复用流水线，例如查找2个没有前后关系的表项，可以在1个流水完成。
复用公共模块；

……

注意:不能无限度的复用，关键是各种资源的平衡。

举例1：

优化前：某项目中，输入补码格式数据需要复制很多份，经过选择等处理后，送到乘法器前再转为原码。

优化后：将补码转原码挪到复制前，大大节省了逻辑资源(>8000LUT)。

举例2：

某模块原设计使用4个40bit/20bit的除法器，每个除法器资源1K+；通过分析，同一时间只会使用1个除法器，复用除法器后减少资源3K+。

线性APS与环网APS存在较多类似的功能点，提取线性APS与环网APS共性部分，共用一套轮询机制，寄存器资源进行复用。

举例3:

某项目在做DPD校准时，需要在频域进行计算。但DPD方案是在离线做，不会有正常业务。因此把DPD dump的数据直接送到RX链路的rxfreq的RAM中，再复用RX的fft模块，fft模块再给出校正结果。这样直接节省了一个fft模块，优化了面积xx。

提频--资源优化的重要方法

提升频率的好处：

（1）提升频率能够减小输出处理位宽，大幅度节省资源；

（2）提升频率能够大幅度提高模块处理性能。

假设1个10G的设计，如果主频提高1倍，资源不变（假设不涉及外部存储器），那么处理能力可达到20G。也就是说，如果主频提高1倍，资源减半（假设不涉及外部存储器），那么处理能力可近似达到10G。

某项目实现AES加解密，一个加解密模块大约1200LUTs，10拍才能完成，如果模块跑100M，需要10个。项目组进行挑战，将加密模块提频到200M，只使用了5个模块，节省6000+LUTs。

深入理解HDL语言

作为设计人员，需要清楚HDL语言中各种运算消耗的资源相对大小，通常情况下：逻辑运算<加减<乘除

设计时优先采用逻辑运算。习惯使用位操作符(|、&、~)描述逻辑，避免&&、||、== 类操作，特别避免>、<类描述。尤其在ASIC设计时，位操作描述是最接近逻辑本身结构的，能够很好地描述逻辑，并引导DC综合工具实现对应逻辑。习惯用~写代码，我们喜欢（Valid == 1’b1 && Ready == 1’b1）的描述，却忽视了~(valid_n|ready_n)这样更加优异的描述。工艺上，所有的Cell，天生带非门，任何不带非门的逻辑描述，都需要额外的~ Cell来解决。所以，我们在主要的Data Path上，每过一级逻辑，天然取非，到下一级，再取非。
乘除尽量用加减和移位来做，乘法的本质上是加法的组合，对于常系数乘法，最节省硬件资源的做法是用累加的方法来实现，如X*3=X*2+X=(X<<1)+X。特别是对于阶数较大的定系数滤波器，可以节省不少资源。如某项目，会用到47阶变系数的fir滤波器，系数根据ifft_flag指示取不同的值。有两种方案，方案1：直接设计47阶的变系数滤波器；方案2：设计2个定系数的滤波器，输入根据ifft_flag进行操作数隔离降低功耗，输出通过ifft_flag进行MUX。从综合的结果看，方案2的面积只有方案1的一半。

编程小技巧

复位信号，统一采用高复位或者低复位，可以下全局网络后再取反使用。
寄存器不复位，例如打拍寄存器，不关心复位后的状态，不带复位端的寄存器面积会更小，还可以节省布线资源，功耗也更优。
寄存器不清零，只要保证使用时刻的正确性，其他时刻可以不保证，从而减少输入条件和逻辑级数。
减少冗余条件，例如配置寄存器译码，不使用全部地址线，只使用其中几位地址，减少判断条件。
跨时钟域时可以用同步FIFO代替异步FIFO。可以用一个小的异步FIFO和一个大的同步FIFO来代替大的异步FIFO。
设计编码时要能估计使用的资源(寄存器、加法器、乘法器、RAM等) 数量，清楚占用面积，从而有目的的进行优化。对拿不准的地方，子模块前期一定要单独综合，根据综合结果进行定向优化。
多路选择器的输入状态数尽量设置为2^n。17选1的mux的面积，比16选1的mux大不少。但是从17选1到32选1，面积增加不多。多路选择器输入状态的增加，对面积的增加有很大影响。所以在性能允许的前提下，尽量选择用少输入的选择器多拍来实现。mux的输入端很多时，不仅对面积有影响，还会对布线不利。因此尽量将大的mux拆分成小的mux，多拍流水实现。
对于非2^n的多路选择器，合理选择纯case和提取case的形式。当状态数接近相邻的小的2^n，用提取case方法对面积更优化；当状态数接近相邻的大的2^n，用纯case方法对面积更优化。
合理选择if/else和case的形式描述多路选择器。输入选择条件较少 (小于等于5) 时，用case和if/else相当; 大于5时用case比if/else综合后的面积小。
在使用有待选项的情况下，尽量固定default值为固定的逻辑1或0，得到较小的面积。
尽量选择case起始状态为0的多路选择器。
注意比较器在不同位宽、常量/变量比较、大于/小于比较等条件下的面积的不同。合理使用大位宽运算单元，有效减小芯片面积
在满足时序、性能的前提下，通过提高时钟频率，采用时分复用、串行处理、模块复用节省面积。
用流分类方案实现遍历查找，降低芯片资源和面积。
优先使用树状结构实现优先级编码器；合理选择链状结构和树状结构实现复用器的编码设计。链状结构面积占优；树状结构速度占优。
综合考虑数据位宽、面积要求、时序要求、综合的时间约束等因素选择index方式或foroop方式实现解码器。
如果FPGA有较多的DSP块，也可以来做乘除运算，以节省可编程逻辑单元的消耗。另外，也可以使用RAM查表的方法实现位宽较小的乘除法。

采用最优实现方式

异步信号握手

在异步信号握手时，如果源时钟较快，一般将信号展宽，保证其能够被目的端慢速时钟采到。展宽设计需要使用多个寄存器，并且需要的寄存器数目和两个时钟的比例相关，不通用。这个设计可以进行优化，如下图所示，每次握手时将信号取反，目的端通过采样上升和下降沿来实现握手，简洁又通用。

运算顺序

如果4个位宽都为4bit的a、b、c、d四个信号相乘，有2种方案。

方案1：assign out = a*b*c*d;

方案2：assign out = (a*b)*(c*d);

显然方案2的面积和时序都优于方案1。

面积和时序的平衡

代码的风格会直接影响到网表结果，向关键路径要时间，向非关键路径要面积。如下图，a[31:0]是one-hot编码，中间的省略号省略了[29:3]共27个信号的赋值语句。下面2种风格的代码，哪个的面积更小？哪种时序更好？

如下案例是一个常系数乘法的两种实现方案:

方案b所采用的处理，所需硬件最少，只用一个加法器，但是需要8拍才处理完一次乘法。方案a增加了一个加法器可以节省一半的时间。因此资源和时间的互换是一种设计思路，可以用时间换资源，也可以用资源换时间，具体使用哪一种应该在明确需求的基础上灵活选择。

大的组合逻辑分多级处理

对复杂逻辑进行合理的pipeline拆分，增加小量reg情况下，解决时序瓶颈，并能提升资源利用率。

举例:

（1）在64字节(512bit)位宽处理时，实现挤气泡功能，用两个8选1级联，比一次完成64选1资源少，且速率高;

（2）某大型TM调度中要实现32K选1，原来是两级，一级512选1，另一级是64选1。改为三级后，每级32选1，资源优化了xxx。

无关项的处理

无关项的赋值指定成不同值，可能会对资源有明显的影响。如下图，左边写法使用了24个ALM，右边的写法使用了20个ALM。写代码时，无关项的赋值需要进行分析和比较。

减少冗余寄存

逻辑设计中，为了优化时序，往往会插入寄存器，以减少组合逻辑级数。

要把握好寄存的度，并不是寄存得越多越好。要减少无效寄存，尤其是位宽大的数据，因为大量使用寄存器会降低LUT的利用率。

对于资源优先的项目，为了简化处理，可以规定模块输出接口要寄存，模块输入接口不寄存。如果条件允许，可以利用多周期约束，减少寄存器消耗。

算法优化

我们设计大多数自顶向下的，越在高层，优化的空间越大。不同的算法方案，对PPA影响都不一样，需要折中考虑。算法优化可以分为两类，一类是无损失性能的优化，例如复数乘法一般需要4个乘法器，但在某些位宽情况下，用3个乘法器能够达到一样的效果，性能无损失，但面积会更优。另一类是对性能有损失，但算法评估在预期以内，例如复数的abs运算。

举例1：

某项目中某个算法为有符号数A和B分别平方后相加得到C，如下图。最开始采用处理a的方式实现，在时序分析时发现该计算过程中的加法运算为一条关键路径，无法达到频率要求。通过分析定点化方案，发现加法器的输出结果不必全部保留，通过将u(57，47)饱和到u（47，37），可使参与加法运算数据的位宽减少到37bit，而不再是46bit。修改后采用处理b的方式，该路径能够达到频率要求。

在算法设计过程中，对定点方案的分析至关重要。通过优化定点方案能对整个设计时序、面积带来较大收益。算法电路的选取需要在算法精度、工作频率、面积功耗以及处理延迟之间做平衡；合理的使用datapath进行算法设计，会带来较大的收益。

举例2：

某项目中用两个27阶的HBF就能得得和一个47阶的FIR相当的性能，由于HBF的一些特性，会节省更多的乘法器和加法器。

举例3：

某项目需要根据PING-PANG RAM的方式，处理40ms+40ms的数据，即需要预先缓存80ms的数据进行算法运算，共使用40块2048*16bit的RAM，22nm工艺下综合的总面积达到了70万um^2。后来跟算法讨论，采用跳窗的方式实现，每个channel只移动一个PRN code长度，这样的话就只需要缓存50ms的数据了。算法仿真性能会损失2dB，但RAM面积可以节省30%以上。

举例4:

在进行数据截位时，可以采用floor/nearest/round方案，面积上floor <nearest <round，但floor会引入有负的直流值，nearest会引入正的直流值，round无直流影响。饱和时，有对称饱和与非对称饱和，非对称饱和面积会更小，但输出在满量程负数时，可能会引起下游模块溢出的风险。虽然单个截位/饱和模块不同方式的面积差异不大，但如果芯片中使用的个数较多时，面积收益还是可观的。

Datapath编码优化

对于运算处理集中的电路，通过熟练掌握datapath的综合优化特点，可以较好的节省设计面积和资源。提升datapath性能的关键技术是避免复杂进位传递（expensive carry-propagations)，而尽量(对中间结果)使用元余表达(redundant representations，比如carry-save)，其他技术还包括高阶算数优化等。Datapah不应被某些类型的表达式(任意长的积之和，有限长的和之积，选择、比较、移位处理等)打断，而应采用冗余表达。

//Case1: bad QoR(quality of result)

input [7:0] a,b;

output [15:0] z;

// a, b sign-extended to width of z

assign z ={{8{a[7]}},a[7:0]}* {{8{b7]}},b[7:0]};

// ->unsigned 16x16=16 bit multiply

//Case2: good QoR (quality of result)

input signed [7:0] a,b;

output signed [15:0] z;

assign z =a*b; // ->signed 8x8=16 bit multiply

对于上面所示的运算电路，通过采用datapath进行综合，无论是工作频率还是面积Case1都更有优势，如果存在更多的数学运算形成datapath那么收益会更大。

	Slack	Area
Case1	-2.42	14296
Case2	-2.11	8598
约束	1、Target Library TSMC 0.18um 2、set_max_delay -from [all_inputs] -to [all_outputs] 0 3、set_max_area 0

善用卡诺图化简

不要迷信DC能够将所有的条件描述化简到最优，换句话说，卡诺图化简确实非常有效。任何一份没有经过反复敲打的代码，它的条件描述一定可以被优化，从无例外。化简后的条件，难以阅读，可适当增加可读的注释。

化简选择条件

下面代码主要完成在固定时隙，进行不同的数据拼凑。其中的case选择范围很大0~955优化的方案，就是寻找其中的规律，将选择范围分解成多个小范围的选择，从而减少逻辑资源大约50%。

减小数据位宽

某项目要求处理8Gbps，主频为166M，数据位宽128bit，实际处理能力达到166*128=21.2Gbps。

处理能力严重浪费，将数据位宽修改为64bit，处理能力10.6G，即满足了处理要求，又大大节省了资源。

规范统计位宽

逻辑DFX设计中，需要使用大量的统计计数器，这些计数器加起来，要消耗大量的逻辑资源。

要优化资源，一方面要减少无用统计，另一方面可以适当减少计数器位宽，例如:对于前后两个模块，要确定是否丢包，两个模块的报文统计计数器位宽不用一致，只要看计数器的尾数部分是否一致就可以。另外，有些计数器只要确定有变化，就可以确定逻辑没有挂死，这时4-8位即可以满足需求。可以规定，内部DFX统计统一为4/8bit 位宽，一些特殊的计数统计可以根据需求放宽。

多周期约束

如果条件允许，可以利用多周期约束，减少资源消耗。例如寄存器译码模块，其地址线，数据线扇出很大，要满足时序要求需要多次寄存，消耗大量逻辑资源。如果采用多周期约束，则即可以轻松满足时序要求，又可以节省大量逻辑资源。

进阶篇

把好需求关

同样是编程，软件和逻辑从差别是什么？软硬件编程的差别：

软件代码消耗的是程序RAM、CPU内存，这些资源一般比较充裕，相对便宜的，只会影响系统的快慢。
逻辑代码消耗的是FPGA的LUT、REG、布线资源等，这些资源少且昂贵，会极大影响成本，如果资源消耗过多，可能会导致布线失败，项目FAIL。

例如：软件可以使用大的CASE进行分支编程，简洁而且耦合少，同一时刻只有一个分支调入内存进行处理。逻辑如果写CASE形式，所有CASE都会占用逻辑资源，且是同时只有一个分支的结果被使用。

硬件擅长做简单，重复，性能高的需求。复杂的，性能低的需求，尽量交给软件做。

几个看似简单，实际实现难度大的例子：

短包线速

包处理速率要求高，要求更少的流水线拍数，更高的查表带宽。

任意包长线速

主要设计N+1问题，例如65字节，129字节等，逻辑内部一般分片处理，包尾小分片对逻辑处理，数据存储等多方面提出高要求。

Jumbo帧

要支持9600字节的包长，在接口、错包过滤、缓存管理等多方面带来难度以及较多的资源消耗。

实际上这些需求并不是必须的，某产品针对这几个需求进行了优化，使逻辑设计难度，成本大为降低，例如：

在包长线速方面，只支持混合包长线速，例如xx%的64字节报文，xx%的512字节报文。在报文长度方面，只支持2K字节以下的包长。

接纳需求要慎重，要分析对逻辑的影响，实现的成本。

资源平衡

与ASIC不同，FPGA是通用器件，可用资源是确定的，网络逻辑主要关注3部分资源，即REG、RAM、LUT。设计方案需要预估消耗的3种资源，不要因为某种资源使用过多而导致器件升级。一般FPGA的RAM可以使用到80%，REG和LUT可使用到60%。如果资源太多，后果很严重：轻则升级器件，重则重新投板。

位宽和主频

位宽和主频的乘积决定了数据处理能力，位宽（数据通道位宽，控制通道位宽）越小，资源越少。

假如提高主频，就能够减小位宽，大幅度节省资源。举例来说，一个10G的设计：

如果主频提高1倍，那么资源不变的情况下（假设不涉及外部存储器），处理能力达到20G。
如果位宽增加1倍，那么资源增加1倍，处理能力不一定达到20G，因为控制通道流水拍数不变，包处理能力没有提高。建议位宽：

4G以下性能：32bit；

10G性能：64bit；

20G性能：128bit；

40G性能：256bit.

流水线

定长流水线：所有流水同步，同时开始，同时结束，每拍时钟的状态都是可知的。

变长流水线：各个流水不同步，有长有短，流水直接使用FIFO隔离。

个人建议：

定长流水适合控制通道模块，例如调度模块、查找模块。

变长流水适合数据通道模块，例如报文收发、报文读写RAM.

原因：

控制通道与报文长度无关，定长流水方便各个模块间的配合，避免模块间FIFO的使用。
数据通道定长切片后，尾片变长，变长流水容易达到处理性能的要求。

举例说明：

最小包长为64字节，处理性能10Mbps，主频150M的系统，一般15拍处理1个报文就够了。但是，由于设计要对报文进行分片处理，如果分片大小为64字节，那么65字节的报文就要分两个分片处理，要求的处理能力就是20Mbps了。

对于定长系统，处理能力需要加倍，则每级流水最多只能由7拍；

对于变长系统，第一个分片使用12拍，第二个分片3拍；比较起来，变长系统第一个分片处理时间比定长系统多5拍，设计难度大大降低。

方案设计的关键问题-外挂存储器

外挂存储器个数决定外挂成本，同时决定了IO多少，控制器个数。以DDR为例，需要掌握:

DDR的通用读写时序;
DDR的BANK操作要求，例如，DDR的TRC时间一般为50-60ns左右，因此一秒可以访问一个BANK约20M次左右，可以用于10Gbps的应用场景;
DDR的读写切换参数;
要想尽办法提高DDR的利用率，设计要点:

减少读写切换次数，连续写几次后，再连续读几次，通过加大读写缓存深度来实现；
不同BANK之间依次操作，轮流激活和读写;
同BANK操作尽量是同行操作，避免二次激活;

思考:

1、20Gbps的应用可以用DDR查表么?

2、10x1G的和1x10G的项目，存储要求一样吗?

外挂存储器优化举例一：利用DDR的写掩码功能简化RAM设计

某模块对4K个数据流的分片进行重组，优化前使用3块RAM，一块存储重组信息，一块存储分片最后不满16字节数据，一块存储重组后的报文数据；其中前2块RAM使用QDR，第三块使用DDR，逻辑资源6741 LUTS。

利用DDR的写掩码信号改写后，使用2块RAM，一块存储重组信息，一块存储重组后的报文数据；第一块RAM使用内部RAM，45Bit*4K，共11块M18K;上一分片不满16字节的数据先写入DDR中，下一个分片从不满16字节的位置写数据，对于已写入的有效数据将相应字节的写掩码bit置有效，保证有效数据不被改写。

优化结果:省去外部QDR，模块处理流程简化，资源减少为2215 LUTS。