6-2012

Editorial
Mit heterogener Datenverarbeitung
zu leistungsfähigeren Systemen
Entwickler, die Low-Power-Devices
für die Anwendung
in industriellen
Steuerungen und Automatisierungslösungen
einsetzen
wollen, müssen stets
die ideale Balance finden
zwischen Energiebedarf,
Leistung und Kosten. Die
Schwierigkeit dabei: Die Leistung
soll hoch, der Strombedarf aber
runter, um einen kleinen Formfaktor zu
ermöglichen und um teure Kühllösungen
und somit Kosten zu vermeiden. Zudem
müssen Entwickler stets innovative und
zunehmend komplexe Lösungen einsetzen,
um ihre Lösungen vom Wettbewerb
zu differenzieren oder um die
steigenden Kundenanforderungen erfüllen
zu können.
Dafür hat die Prozessortechnologie in
den letzten Jahren enorme Fortschritte
erzielt, etwa die stetige Verringerung
der Halbleiterbaugröße oder der Übergang
von Single- auf Multicore-Prozessoren,
was enorme Leistungszuwächse
ermöglichte. Jedoch: mit jeder neuen
Prozessorgeneration nahm neben der
Leistung meist auch die Komplexität der
Core-Architektur und der Software-Entwicklungsumgebungen
zu. Speziell für
Low-Power-Designs verstehen es Entwickler
aber inzwischen immer besser,
die verfügbare Leistung der Low-Power-
Prozessoren voll auszuschöpfen. Und
mithilfe neu aufkommender Lösungen
auf Basis heterogener Systemarchitekturen
können Entwickler diese Systemperformance
noch weiter erhöhen, ohne
dass dabei die Kosten oder der Strombedarf
steigen.
Zwar ist heterogene Datenverarbeitung
an sich nicht neu. Was die aktuellen
und kommenden Lösungen aber
so interessant macht, sind die in diesem
Umfeld entstehenden offenen und
Lizenzgebühren freien Programmierstandards
für General-Purpose-Berechnungen
auf heterogenen Systemen, wie
z.B. OpenCL. Diese Programmierstandards
ermöglichen es Entwicklern, entwicklungsintensive
Source-Codes effizient
weiterzuverwenden, da sie diese
bequem zwischen verschiedenen Plattformen
- wie etwa Multi-Core-CPUs,
GPUs oder APUs - portieren können.
Diese heterogenen Rechenlösungen
werden bereits in SFF- und Low-Power-Applikationen
eingesetzt, wie z.B.
Smart-Kameras für die Automation, die
jetzt ein vollwertiges PC-Betriebssystem
betreiben können und bis zu 90 Gflops
an Rechenleistung liefern. Frühere Generationen
kamen lediglich auf 2 bis
3 Gflops. Auch in der Medizin wird die
parallele Datenverarbeitung bereits eingesetzt:
z.B. zur Beschleunigung des
FDK-Algorithmus zur tomografischen
Rekonstruktion von CT-Röntgendaten.
Ähnliche Ansätze werden auch für Applikationen
wie tragbare Ultraschallgeräte
getestet. Auch im Bereich Digital-Signage
und Videoüberwachung arbeiten
Unternehmen an verbesserten Algorithmen:
Diese sollen die Analyse verbessern,
z.B. die Unterscheidung nach Alter
und Geschlecht, und so den Automatisierungsgrad
erhöhen. Mit paralleler Datenverarbeitung
sollen diese Algorithmen
auf sparsameren und kosteneffizienten
Lösungen laufen und diese wiederum
in eine Kamera oder Display integriert
werden können. In der Telekommunikationsbranche
wird geprüft, ob programmierbare
parallele Datenverarbeitungslösungen
DSPs in Telco-Lösungen und
mobilen Radargeräten ersetzen können.
Heterogene Systemarchitekturen zusammen
mit der unterstützenden Software
bilden also ein fruchtbares Feld, in
dem derzeit viele innovative Lösungen
entstehen, die Entwicklern dabei helfen,
sich vom Wettbewerb weiter abzusetzen
und die steigenden Kundenanforderungen
zu erfüllen.
Erfolgreiches Entwickeln wünscht Ihnen
Swen Cameron
Divisional Marketing Manager,
AMD Embedded Solutions Division
PC & Industrie 6/2012 3