[论文解读] Defragmenting the Module Layout of a Partially Reconfigurable Device
本文提出了一种针对部分可重配置FPGA的混合在线-离线去碎片化方法，以缓解因动态模块加载和卸载导致的存储空间碎片化问题。通过将问题建模为二维条带装箱问题，并采用图论精确算法，在空闲时段对模块布局进行最优重组，显著提升了最大自由矩形的大小和自由列的数量——最大自由矩形面积最高提升3.1倍，自由列数量平均提升4.2倍。
Modern generations of field-programmable gate arrays (FPGAs) allow for partial reconfiguration. In an online context, where the sequence of modules to be loaded on the FPGA is unknown beforehand, repeated insertion and deletion of modules leads to progressive fragmentation of the available space, making defragmentation an important issue. We address this problem by propose an online and an offline component for the defragmentation of the available space. We consider defragmenting the module layout on a reconfigurable device. This corresponds to solving a two-dimensional strip packing problem. Problems of this type are NP-hard in the strong sense, and previous algorithmic results are rather limited. Based on a graph-theoretic characterization of feasible packings, we develop a method that can solve two-dimensional defragmentation instances of practical size to optimality. Our approach is validated for a set of benchmark instances.
研究动机与目标
- 解决因重复插入和删除模块而在部分可重配置FPGA中引起的存储空间碎片化问题。
- 通过在空闲时段进行离线去碎片化，提升在线模块布局的效率。
- 最大化连续自由矩形的最大尺寸以及可用于列级重配置的自由列数量。
- 为实际FPGA布局场景中的NP难二维条带装箱问题提供精确解。
提出的方法
- 将FPGA建模为由W列H行可配置逻辑块（CLBs）组成的网格，且重配置限制为列级操作。
- 使用图论表征方法表示可行的模块布局，以支持精确优化。
- 基于该表征开发一种精确算法，以最优方式求解二维条带装箱问题。
- 在空闲时段（如汽车系统中的夜间）离线应用该算法，重新组织模块布局。
- 优化两个目标：最大化最大自由矩形的面积，以及最大化自由列的数量。
- 在基于真实FPGA配置生成的基准实例上验证该方法。
实验结果
研究问题
- RQ1如何在运行时有效缓解部分可重配置FPGA中的空间碎片化问题？
- RQ2离线去碎片化在多大程度上能提升大块连续自由区域和自由列的可用性？
- RQ3精确算法能否有效求解实际FPGA布局中的二维条带装箱问题？
- RQ4去碎片化在现实场景中对最大可用自由矩形尺寸和列数的影响如何？
主要发现
- 在场景A中，最大自由矩形从7 RFUs（7×1）增至22 RFUs（2×11），面积提升3.1倍。
- 在所有场景中，最大自由矩形面积平均提升2.2倍。
- 自由列数量从0增至平均4.2列，场景C中最多提升6列。
- 在场景B中，最大自由矩形从16 RFUs（2×8）增至44 RFUs（4×11），面积提升2.75倍。
- 在场景H中，自由列数量从3列增至7列，为未来更高效的重配置提供了支持。
- 该方法即使在移除使用频率较低的模块后，仍成功提升了最大自由矩形的尺寸和自由列数量。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。