分析模型可以準確預測硬件將加速數據中心的速度

大型軟件服務在兩個方面進行了效率之戰：可以靈活地適應不斷變化的消費者需求的高效軟件，以及即使在CPU收益不斷減少的情況下也可以保持這些大規模服務快速運行的高效硬件。這些因素共同決定了用戶體驗的質量以及現代數據中心的性能，成本和能效。

一個方面的變化需要另一方面進行調整，而日益流行的新軟件體系結構對大多數數據中心當前的硬件解決方案構成了挑戰。這種稱為微服務的模塊化設計大型企業軟件的方法，在與數據中心效率的另一主要增長力量-硬件加速器的交互中，留下了一些期望。

為了更有效地將這兩種有前途的技術結合在一起，CSE博士 與來自Facebook的研究人員一起工作的學生Akshitha Sriraman設計了一種方法，可以精確地測量硬件加速器將加快數據中心速度的程度。該分析模型被適當地命名為Accelerometer，可以在加速器設計的早期階段應用，以在安裝之前預測其有效性。

硬件加速器的有效性仍然是通用計算中的一種新技術，它不像擁有數十年經驗的CPU那樣容易預測。投資此類多樣化的定制硬件會帶來大規模風險，因為它可能無法實現其預期。

但是存在巨大影響的潛力。設計為極快地執行一種類型的功能，從理論上講，加速器可用于大型應用程序常見的所有冗余，重復性任務。

這包括微服務。這種軟件體系結構方法將一個更大的應用程序構想為模塊化的，特定于任務的服務的集合，每個服務都可以單獨進行改進。這允許對大型應用程序進行更改，而無需更改一個龐大的中央代碼庫。它還允許更輕松地添加更多服務。

Sriraman證明，大多數微服務的CPU周期中只有18%花費在執行對其功能核心的指令上。剩余的82%用于進行加速成熟的普通操作。

Sriraman說：“加速我們確定的這些開銷確實可以在很大程度上提高速度。” 超越速度，它將使數據中心的所有功能更便宜，更節能。“加速將使我們能夠在相同的功率限制下打包更多的工作，并大規模地提高資源利用率，因此數據中心的能源和成本節省將大大提高。”

微服務的問題在于，它們的設計可能完全不同，尤其是在它們與硬件交互方面。例如，微服務可以與加速器通信，同時繼續在CPU上運行其他指令，或者當微服務卸載到加速器時，其所有功能都可能停止。這兩種情況都面臨著不同的“卸載開銷”(將任務從一個處理器發送到另一個處理器所花費的時間)，如果不計入數據中心，這將成為數據中心的浪費時間。