如果將部分或全部電子設(shè)計自動化 (EDA) 計算轉(zhuǎn)移到云上，設(shè)計公司將能獲得靈活的資源和 規(guī)模經(jīng)濟性，從而縮短產(chǎn)品上市時間并加快創(chuàng)新速度。Mentor, a Siemens Business (Mentor) 與 Advanced Micro Devices, Inc. (AMD) 和 Microsoft Azure (Azure) 合作，展示了 Calibre? 平臺 結(jié)合云計算如何能夠提供更多計算資源，大幅縮短設(shè)計收斂時間，讓設(shè)計更快上市。采用 7nm 量產(chǎn)設(shè)計，物理驗證周期縮短了 2.5 倍。

CALIBRE 云計算

當(dāng)進入設(shè)計流片的緊要關(guān)頭時，云處理可以為集成電路 (IC) 設(shè)計公司提供比通常多得多的 計算資源，使其有機會縮短產(chǎn)品上市時間并加快創(chuàng)新速度。高擴展性工具（例如 Calibre 平 臺中的那些工具）可以擴展到數(shù)千個內(nèi)核以減少運行時間……但是，誰會有數(shù)千個內(nèi)核閑 置不用呢？當(dāng)您承受極大的時間壓力時，例如進行模塊或全芯片驗證時，云可提供豐富得 多的硬件資源供您使用。

Calibre 內(nèi)核技術(shù)多年前就已經(jīng)為云計算做好了準(zhǔn)備 [1,2]。云安全性的最新改進減輕了業(yè)界 對知識產(chǎn)權(quán) (IP) 保護的擔(dān)憂，阻礙在云處理模型中實施和使用 Calibre 技術(shù)的最大障礙已被 消除。

Mentor 與晶圓代工廠、IC 公司和云服務(wù)提供商密切合作，確保從現(xiàn)場網(wǎng)格系統(tǒng)平穩(wěn)過渡到 場外云處理。發(fā)現(xiàn)和明確最佳實踐可以讓過渡到 “云上 Calibre” 處理模型的公司實現(xiàn)最大獲 益。IC 公司越來越多地希望在先進工藝節(jié)點設(shè)計中利用云能力來縮短周轉(zhuǎn)時間，在此背景 下，他們可以確信，運行云上 Calibre 將會提供他們知道和信任的相同 sign-off 驗證結(jié)果， 同時他們還能調(diào)整資源使用，以便最好地服務(wù)其業(yè)務(wù)和市場需求。

CALIBRE  與云服務(wù)器效率

為確保 Calibre 用戶能以最具成本效益的方式使用云資源，我們制定了云使用指導(dǎo)原則，并 提出了在云上運行 Calibre 操作的最佳實踐。為了制定和測試這些指導(dǎo)原則與實踐，我們與 AMD 和 Azure 聯(lián)合開展了一個項目，采用運行在 Azure 云服務(wù)上的 AMD EPYC? 服務(wù)器。結(jié) 果表明，EPYC 服務(wù)器和 Calibre 平臺在 Azure 云上展現(xiàn)出強大的能力。

晶圓代工廠規(guī)則集

設(shè)計公司應(yīng)始終使用符合晶圓代工廠要求的最新規(guī)則集，以確保實施最新的最佳編碼實踐。

CALIBRE 軟件版本

Mentor  長期致力于優(yōu)化 Calibre  引擎，Calibre  每個版本都有改進，使用最新版本的 Calibre

軟件可確保運行時間和內(nèi)存消耗更加優(yōu)化，如圖 1 所示 [3]。

圖 1：（左）歸一化內(nèi) 存與 Calibre  發(fā)行版，（ 右） 歸一化運行時 間與 Calibre 發(fā)行版。

云服務(wù)器

市場針對云操作提供了許多不同類型的服務(wù)器，“最佳” 選擇取決于客戶的需求和應(yīng)用。對 于我們的協(xié)作項目，我們選擇了可用于 Microsoft Azure 公共云的 AMD EPYC 服務(wù)器。不同 類型的 EPYC 服務(wù)器有不同的內(nèi)核、內(nèi)存、接口和性能特性，云用戶可以選擇最適合其應(yīng) 用的 EPYC 服務(wù)器。

AMD EPYC 架構(gòu)（圖 2）的每個插槽有 32 個內(nèi)核／64 個線程，為大規(guī)模并行計算提供了極 好的媒介，支持重度計算的運行任務(wù)。8 個 DDR4 通道為服務(wù)器增加了新的維度，可進一步 優(yōu)化其處理機器密集型計算運行的能力。最后，每 4 個內(nèi)核 8MB L3 內(nèi)存緩存的層次化設(shè)計 進一步提升了計算速度。

圖 2：AMD EPYC 服務(wù) 器架構(gòu)（信息來源： AMD。 已獲得使用許可。）

這些云服務(wù)器用于在云服務(wù)中創(chuàng)建虛擬機（實例）。針對 Calibre 應(yīng)用，我們確定了兩種最 適合的 Azure 實例：HB60rs 和 L80s v2。HB60rs 和 L80s v2 均可在 EPYC 7551 處理器上運 行，但配置和功能不同。

例如，HB60rs 實例與 Lv2 實例具有相同的 EPYC 7551 處理器，但前者只能訪問雙插槽機器 的 64 個內(nèi)核中的 60 個，并且超線程功能被關(guān)閉。Lv2 實例旨在支持要求苛刻、存儲密集 型且需要高水平 I/O 的工作負(fù)荷，而 HB 系列實例則針對內(nèi)存帶寬驅(qū)動的應(yīng)用（例如流體動 力學(xué)和顯式有限元分析）進行了優(yōu)化。表 1 比較了這兩類服務(wù)器的主要特性。

表 1 - AMD EPYC 服務(wù)器特性

CALIBRE 云計算

針對該聯(lián)合項目，我們使用了量產(chǎn)型 7nm Radeon Instinct? Vega20 的最終金屬流片數(shù)據(jù) 庫。該設(shè)計是 AMD 最大的 7nm 芯片設(shè)計，包含超過 130 億個晶體管。

初始設(shè)置

Calibre 2019.2 版本與 7nm 工藝 節(jié)點的晶圓代工廠規(guī)則集的一 個生產(chǎn)版本配合使用，以對設(shè) 計執(zhí)行設(shè)計規(guī)則檢查 (DRC)。對 于 Calibre nmDRC? 運行，我們 使用了 Calibre 超遠程分布式計 算功能 [3]，其支持多達 4,000 個 內(nèi)核（圖 3）。

像所有 Calibre 分布式計算運行 一樣，分配了一個主機來管理運 行中使用的所有其他資源。為 了我們的合作目的，指定的主 機和遠程服務(wù)器均為具有 32 個 CPU 內(nèi)核和 256 GB RAM 內(nèi)存的 AMD EPYC 7551 服務(wù)器。

圖 3：Calibre nmDRC 運行時間與內(nèi)核數(shù)的關(guān)系。（信息來源：AMD。許可使用）

云設(shè)置

Mentor 使用 AMD EPYC 服務(wù)器（主機和遠程服務(wù)器均為這種服務(wù)器）運行了所有實驗，硬 件配置如下：

■ Microsoft Azure HB60rs 實例。對于單個 HB60rs，主機與 17、25、34、68 個遠程 HB60rs 實例一起運行，每個實例均完全專用于運行 Calibre 作業(yè)，使用 Azure CycleCloud 界面 來調(diào)用和管理作業(yè)。

■ 地理位置靠近的服務(wù)器。使用的所有云服務(wù)器均在最靠近用于啟動和控制云使用的硬 件物理位置的 Azure Cloud 區(qū)域中運行。

■ 為使啟動作業(yè)和實際執(zhí)行之間的等待時間最小化，當(dāng)模塊準(zhǔn)備就緒時，設(shè)計便在云上 匯編。

結(jié)果

我們的結(jié)果展示出以下性能指標(biāo)：

■ Calibre nmDRC 的運行速度持續(xù)提高，直至達到 4K  內(nèi)核。

–該擴展曲線中總是存在一個 “拐點”，在此點可實現(xiàn) “最佳性價比”。對于該設(shè)計和節(jié) 點，拐點在 1.5K 和 2K 內(nèi)核之間。

■ 主機和遠程服務(wù)器使用的峰值累積內(nèi)存小于 500GB。

■ 實際上，隨著內(nèi)核數(shù)量的增加，遠程服務(wù)器峰值內(nèi)存有所降低。

在本地 Calibre nmDRC 運行中，Mentor 一般將 256 個內(nèi)核用于全芯片 DRC，因為這是大多 數(shù)設(shè)計團隊在流片期間通?？梢栽L問的現(xiàn)場資源數(shù)量。對于大型復(fù)雜的 7nm 設(shè)計，例如 AMD Radeon VII/MI60 GPU，使用 256 個內(nèi)核的周轉(zhuǎn)時間可能長達 24 小時。這意味著一個團 隊通常每天只能完成一次設(shè)計迭代，這比大多數(shù)上市時間計劃要求的速度要慢很多。

將該數(shù)量增加到 2K 個內(nèi)核，運行時間可以減少到 12 小時，每天可以迭代兩次，而增加到 4K 個內(nèi)核的話，運行時間將不到 8 小時，每天可以迭代三次。該實驗清楚地表明，Calibre 擴展的功能和效率與可用內(nèi)核數(shù)量的顯著增加相結(jié)合，能讓使用云上 Calibre 軟件的公司減 少運行時間，從而大幅提高設(shè)計收斂率。

如前所述，Mentor 不斷努力提高 Calibre 的性能，并與晶圓代工廠合作以發(fā)現(xiàn)并部署聚焦于 性能的規(guī)則集優(yōu)化（同時確保精度相同或更好）。如圖 3 所示，我們運行了一個額外的實 驗，以了解使用最新版本 Calibre 和最新的優(yōu)化規(guī)則集是否有任何益處。黃色圓點所示的結(jié) 果表明，在擴展曲線的拐點處（大約 2K 個內(nèi)核）可以再節(jié)省三個小時。

云成本最小化

大型片上系統(tǒng) (SOC) 設(shè)計在驗證期間會 消耗大量 RAM，而 RAM 是非常昂貴的。 即使在云上，較大的 RAM 實例也很昂 貴。解決辦法是通過增加遠程內(nèi)核的總 數(shù)來減少每個遠程內(nèi)核的 RAM 需求， 如圖 4 所示。Calibre 平臺提供一種經(jīng)過 驗證的超遠程分布式處理模型 [3]，用 戶可以利用此功能降低云資源的成本， 同時還能以較少 RAM 的 CPU 實現(xiàn)更快 的處理速度。

圖 4：峰值內(nèi)存 (RAM) 消耗與遠程內(nèi)核使用情況的關(guān)系。

結(jié)語

Mentor、AMD 和 Azure 之間的合作表明，通過實施 EDA 云計算的最佳實踐和使用指南，可 以減少運行時間并降低云使用的成本。公司可以將這些結(jié)果作為實施自己的 “云上 Calibre” 的指南。通過實施這些策略和實踐，公司可以實現(xiàn)更快的總體運行時間，縮短產(chǎn)品上市時 間，加快設(shè)計創(chuàng)新，同時維持或降低運營成本。

參考文獻

[1]     Omar El-Sewefy, “Calibre in the cloud: Unlocking massive scaling and cost   efficiencies,”

Mentor, a Siemens Business, July 2019.  https://go.mentor.com/57RKT

[2]     John Ferguson, “New approaches to physical verification closure and cloud computing,”

Mentor, a Siemens Business.March 2020. https://go.mentor.com/5acv3

[3]     John Ferguson, “Ensuring Optimal Performance for Physical Verification,” Mentor, A Siemens   Business.  April  2015. https://go.mentor.com/4gx2a

更多相關(guān)信息，請點擊>> http://share.eepw.com.cn/share/download/id/388591