Azure Cobalt 200 ile EDA İş Yüklerinde 4.15x’e Kadar Hız

Microsoft, Azure Cobalt 200 üzerinde EDA iş yüklerini test etti. Cobalt 100’e kıyasla dijital/analog simülasyon, fiziksel doğrulama ve statik zamanlama analizinde 1.30x–4.15x aralığında daha yüksek performans raporlandı.

Microsoft, ürettiği her Azure yongasını üretim hattına girmeden önce elektronik tasarım otomasyonu (EDA) iş yükleriyle tasarlıyor, test ediyor ve doğruluyor. Şirket kendi silikon tasarım ortamında bu iş yüklerini Azure Cobalt 200 üzerinde çalıştırdı, ilk sonuçları da paylaştı. Simülasyondan doğrulamaya, oradan statik zamanlama analizine uzanan farklı test senaryolarında değerlendirilen EDA iş yükleri, Cobalt 100’e kıyasla 1.30x ile 4.15x arasında daha yüksek performans gösterdi. Cobalt 100 üzerinde çalışan araçlar Cobalt 200 değerlendirmesinde hiçbir değişiklik gerektirmeden koştu; ekip de işlevsellikle uğraşmak yerine doğrudan performans ölçümüne odaklandı.

EDA iş yükleri neden bu kadar zorlayıcı?

Silikon tasarımında kullanılan iş yükleri tek tip değil. Günlerce süren simülasyon taramaları, gece boyunca binlerce çekirdeğe yayılan doğrulama regresyonları, tek bir blok için yüzlerce gigabayt bellek tüketen fiziksel signoff koşuları… Hepsi birlikte ele alındığında Microsoft’un yıllık ölçekte yüz milyonlarca hesaplama işi çalıştırdığı belirtiliyor.

Kaynakta EDA üç ana karakteristiğe ayrılıyor:

  • Devre ve analog simülasyon: yüksek düzeyde paralel çalışan, bellek davranışına duyarlı iş yükleri.
  • Fonksiyonel ve formal doğrulama: çok sayıda bağımsız işin eşzamanlı koştuğu, throughput odaklı senaryolar.
  • Implementation ve signoff: bellek yoğun, bant genişliğine duyarlı ve uzun süren işler.

CAD yöneticileri açısından belirleyici olan şey, gece regresyonlarını planlayabilmek için gereken öngörülebilir çekirdek başına performans. Hafif yüklü bir sanal makinede ölçülen çekirdek başına performans, eşzamanlılık arttığında aynı kalmayabiliyor. Doğrulama çiftlikleriyse sanal makineler yoğun yük altındayken bile tahmin edilebilir throughput bekliyor.

Cobalt 200, Arm Neoverse CSS V3 üzerine kurulu özel Azure hesaplama altyapısı. Hyperthreading yükü olmadan çalışan fiziksel çekirdekler, çekirdek başına ayrılmış 3MB L2 önbellek ve eşzamanlı iş yüklerini kaldıracak yüksek bellek bant genişliği bir arada sunuluyor. Microsoft, bu çekirdek ve bellek mimarisi özelliklerinin yüksek kullanım oranlarında güçlü çekirdek başına performansı desteklediğini belirtiyor.

Test kurgusu ve ölçüm yöntemi

Testler, Microsoft’un silikon geliştirme akışının farklı aşamalarından alınan iş yükleriyle yapıldı. RTL ve gate seviyesi simülasyon, statik zamanlama, fiziksel doğrulama ve analog simülasyon bunların arasında. Karşılaştırma, Cobalt 100 ve seçilmiş x86 Azure sanal makineleriyle iş tamamlanma süresi üzerinden yapıldı.

Test edilen tüm sanal makineler mümkün olan en yüksek çekirdek sayısıyla yapılandırıldı, yüksek yük koşullarındaki davranışı görmek için de aynı makinede birden fazla iş eşzamanlı çalıştırıldı. Throughput değerleri, farklı çekirdek sayılarını adil karşılaştırabilmek için mantıksal çekirdek başına normalize edildi. Dipnotlara göre test edilen yapılandırmalar şunlar: Cobalt 100 (96 çekirdek), Cobalt 200 (128 çekirdek), hx176rs (176 çekirdek) ve e160adsv7 (160 mantıksal çekirdek, hyperthreading açık). Cobalt 100, Cobalt 200 ve hx176rs yapılandırmalarında mantıksal çekirdekler aynı zamanda fiziksel çekirdek.

Sonuçların sınırı ortada. Hepsi Microsoft’un iç test senaryolarından geliyor ve yalnızca değerlendirilen iş yükleri, yazılım sürümleri, sanal makine yapılandırmaları, eşzamanlılık seviyeleri ve test koşulları için geçerli.

Araç bazında sonuçlar

İş yükü EDA aracı Ölçüm Cobalt 200 sonucu
Dijital simülasyon Cadence Xcelium Mantıksal çekirdek başına tepe throughput Test edilen diğer tüm sistemlerden %40’tan fazla yüksek
Dijital simülasyon Synopsys VCS Mantıksal çekirdek başına tepe throughput Test edilen diğer tüm sistemlerden %40’tan fazla yüksek
Analog ve karma sinyal simülasyonu Cadence Spectre Mantıksal çekirdek başına throughput Nesil bazında %38 artış; test edilen x86 Azure VM’lerini geçti
Fiziksel doğrulama Siemens Calibre DRC Duvar saati süresi / göreli performans %23 daha düşük süre; Cobalt 100’e göre 1.30x
Statik zamanlama analizi Synopsys PrimeTime Mantıksal çekirdek başına tepe throughput Cobalt 100’ün 2.0 katı; test edilen x86 Azure VM’lerini geçti

Dijital simülasyon: Xcelium ve VCS

Cadence Xcelium ve Synopsys VCS, dijital tasarımların simülasyonu ve doğrulanması için kullanılıyor. RTL simülasyonu fonksiyonel doğrulamanın merkezinde duruyor, ekipler büyük regresyon paketleri çalıştırdığında da ciddi hesaplama kapasitesi tüketebiliyor. Her iki simülatörle yapılan RTL testlerinde optimum yüklenmiş Cobalt 200 sistemleri önceki nesle göre belirgin biçimde daha yüksek tepe throughput verdi; ölçülen iş yükünde mantıksal çekirdek başına throughput, test edilen diğer tüm sistemlerden %40’tan fazla yüksek çıktı.

Microsoft bu kazanımı, Cobalt 200’ün EDA iş yükleri için artırılan önbellek boyutuna ve çekirdek başına iyileştirilen bellek bant genişliğine bağlıyor.

Analog ve karma sinyal: Cadence Spectre

Analog ve karma sinyal devre simülasyonu RTL simülasyonundan farklı davranıyor, sonucu ağırlıklı olarak çok iş parçacıklı performans belirliyor. İş başına mt=16 ile eşzamanlı çalıştırılan testlerde Cobalt 200, mantıksal çekirdek başına throughput’ta nesil bazında %38 artış gösterdi. Test edilen diğer tüm platformlara göre ise %11 ile %52 arasında daha yüksek sonuç verdi.

Fiziksel doğrulama: Siemens Calibre DRC

Calibre DRC, tasarımın fiziksel yerleşimini tapeout öncesinde üretim tasarım kurallarına karşı denetliyor. Bir IP Macro test senaryosunda iş başına 16 çekirdek kullanılarak yapılan DRC koşusunda Cobalt 200, Cobalt 100’e göre yaklaşık %23 daha düşük duvar saati süresiyle tamamlandı, bu da 1.30x göreli performansa denk geliyor. Aynı iş başına çekirdek sayısında seçilen x86 Azure sanal makinelerini de geride bıraktı.

Statik zamanlama: Synopsys PrimeTime

PrimeTime, bir tasarımın zamanlama gereksinimlerini karşılayıp karşılamadığını doğrulayan statik zamanlama analizi için kullanılıyor. İş başına 16 çekirdekle test edilen iş yükünde Cobalt 200, mantıksal çekirdek başına tepe throughput’ta Cobalt 100’ün iki katına ulaştı ve seçilen x86 Azure sanal makinelerini aştı.

Platform tarafındaki avantajlar

Yazının değindiği noktalardan biri, daha hızlı bir hesaplama SoC’sinin tek başına yetmediği. EDA iş yükleri yüksek bant genişlikli ve düşük gecikmeli depolamaya, bir de veri hareketine bağımlı; talep ise silikon programı boyunca dalgalanıyor. Bir kilometre taşı öncesinde doğrulama faaliyeti zirve yapıyor, tapeout’a yaklaşıldıkça fiziksel doğrulama ve signoff yükü artıyor, bu aşamalar tamamlandığında talep hızla düşüyor.

Geleneksel olarak EDA iş yükleri, tepe talebe göre boyutlandırılmış ve zaman zaman atıl kalan sabit on-premises x86 sunucu kapasitesinde çalışıyordu. Azure üzerinde Cobalt 200 hesaplaması şu unsurlarla birleştiriliyor:

  • Esnek kapasite: bir regresyon kampanyası veya signoff yoğunluğu için kapasite ayırıp talep düştüğünde serbest bırakmak. Yıllık tepe değere değil, iş yüküne göre boyutlandırma.
  • Yüksek performanslı depolama: büyük tasarım veritabanlarının, dalga biçimi dökümlerinin ve fiziksel doğrulama koşularının veri taleplerini karşılamak.
  • Küresel kapasite: dağıtımları mühendislik lokasyonları, veri ikamet gereksinimleri ve bölgesel kullanılabilirlikle hizalamak.
  • Azure AI servislerine yakınlık: ajan tabanlı ve yapay zeka destekli tasarım akışları geliştikçe, AI çıkarım servisleriyle Cobalt 200 hesaplamasının yakınlığı veri hareketi yükünü azaltıyor, yinelemeli tasarım ve doğrulama döngülerini hızlandırıyor.

Cadence, Siemens EDA ve Synopsys yöneticilerinden gelen açıklamalar da iş birliğinin Cobalt 200 nesline taşındığını vurguluyor. Synopsys tarafından aktarılan ifadede, Cobalt 200’ün doğrulama, implementation ve signoff’u kapsayan Synopsys EDA akışı ile HAPS donanım prototipleme ve Synopsys IP kullanılarak geliştirildiği belirtiliyor.

Cobalt ile Cobalt tasarlamak

Yazının özetlediği döngü şöyle işliyor. EDA araçları Cobalt 200’ü hayata geçirdi, şimdi Cobalt 200 aynı tasarım ve doğrulama iş yüklerini yeni nesil Cobalt ürünleri için hızlandırıyor. EDA iş yüklerinin ölçekte nasıl davrandığını gözlemlemek de gelecek Cobalt nesillerine ve Azure hesaplama altyapısına dair girdileri besliyor.

Mevcut tablo şu: Arm için hazırlanmış araçlar iş akışı değişikliği olmadan çalıştı, test edilen iş yükleri seçilen x86 Azure sanal makineleriyle rekabetçi sonuç verdi. Xcelium ve PrimeTime Cobalt 100’e göre özellikle büyük iyileşme gösterdi, Cobalt 100’de zaten güçlü olan Spectre ve Calibre da nesil bazında ilerledi. Microsoft, EDA ortaklarıyla birden fazla aracın ince ayarı üzerinde çalışmaya, iş yükü kapsamını genişletmeye ve sonuçları daha büyük ölçekte doğrulamaya devam ettiğini belirtiyor. Bunlar erken test sonuçları olduğundan, kendi akışınız için geçerli sonucu ancak kendi iş yükünüzü çalıştırarak görebilirsiniz.

Kaynaklar ve İleri Okuma

Bu yazı yapay zeka (büyük dil modelleri) ile hazırlanmış, insan editör tarafından incelenmiştir. İçerik üretim sürecimiz.
Aşkın KILIÇ

20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.

AZ-305AZ-104AZ-500AZ-400DP-203AI-102

Bu içerik işinize yaradı mı?

Benzer içerikleri kaçırmamak için YouTube ve GitHub hesaplarımı takip edin.

Haftalık Bülten

Her pazar özenle seçilmiş teknoloji yazıları doğrudan e-postanıza gelsin.

Kurumsal DevOps ve bulut dönüşümü danışmanlığı: Danışmanlık Hizmetleri

2 Yorum

  1. Cobalt 100’e göre 4.15x fark cidden etkileyici, özellikle statik zamanlama analizinde bu seviye hızlanma çip tasarım ekiplerinin işini baya kolaylaştırır. ARM tabanlı sunucu çiplerinin EDA tarafında bu kadar iddialı olması güzel bir gelişme. Bu arada şu yazınız da işime yaradı: SharePoint Server’da Low-trust Add-in Desteği Sona Eriyor — https://www.askinkilic.com.tr/sharepoint-serverda-low

  2. 4.15x ciddi bir sıçrama, özellikle fiziksel doğrulama tarafında bu fark hangi testlerle ölçülmüş merak ettim. ARM tabanlı çiplerin EDA gibi ağır iş yüklerinde bu kadar iddialı olması x86 tarafını epey terletecek gibi.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

✉

Haftalık Bülten

Azure, DevOps ve Yapay Zeka dünyasındaki en güncel içerikleri her hafta doğrudan e-postanıza alın.

Spam yok. İstediğiniz zaman iptal edebilirsiniz.
📱
Uygulamayı Yükle Ana ekrana ekle, çevrimdışı oku
Kategoriler
Ara
Paylaş
WhatsApp
İçindekiler
← Agent Framework Skills ile .NE...
Always Encrypted ile Okunamaya... →
📩

Gitmeden önce!

Her pazar özenle seçilmiş teknoloji yazıları ve AI haberleri doğrudan e-postanıza gelsin. Ücretsiz, spam yok.

🔒 Bilgileriniz güvende. İstediğiniz zaman ayrılabilirsiniz.

📬 Haftalık bülten: Teknoloji + AI haberleri
Beni Takip Et Yeni Azure / AI / DevOps yazılarını GitHub ve RSS üzerinden takip edin.