HLS任務級編程第一篇文章可看這里：

HLS之任務級并行編程

HLS的任務級并行性（Task-level Parallelism）分為兩種：一種是控制驅動型；一種是數據驅動型。對于控制驅動型，用戶要手工添加DATAFLOWpragma，工具會在該pragma指定的區域內判別任務之間的并行性，生成各進程之間的模塊級控制信號。對于數據驅動型，用于需要明確指定可并行執行的任務。

從描述手段來看，控制驅動型本質上是由工具判定各任務能否并行執行。用戶在對各函數描述時只要遵守DATAFLOW的要求即可。例如：讀取輸入數據應該位于DATAFLOW區域的起始位置，寫入輸出數據應位于該區域的終止位置。DATALOW區域內的所有變量遵循“一次讀一次寫”原則。除非使用hls::stream，否則不支持反饋支路。不支持在指定條件下才執行函數。不支持for在指定條件下退出（使用break語句）。但控制驅動型比較靈活，這是因為DATAFLOW的作用對象可以是for循環也可以是函數?？刂?a target="_blank">驅動器適合于順序執行的C函數。控制驅動型模型帶來的好處包括：當前函數在結束執行之前后續函數可以開始執行；函數在結束執行之前可以重新開始執行；兩個或更多順序函數可以同時開始執行。我們看一個例子。如下圖所示，頂層函數diamond調用了4各函數funcA~funcD。

在沒有添加DATAFLOW的情況下，工具能自動探測出funcB和funcC的并行性，這可從Schedule視圖中看到，如下圖所示。

添加DATAFLOW之后，對兩者性能進行對比，如下圖所示（NO_TLP為沒有添加DATAFLOW的solution），從Latency角度看，兩者相當，但從interval角度看，DATAFLOW帶來的效果還是很明顯的。Interval從457降到了175。

再看數據驅動型。數據驅動型要求任務之前以stream作為接口，允許反饋支路。用戶需要明確通過hls::task指定可并行執行的任務。對于上述函數，我們可以將其改造為數據驅動型，如下圖所示。代碼第98行聲明了4個stream，第99行~第102行通過hls::task指定并行任務。

將三者放在一起對比，如下圖所示?？梢钥吹綌祿寗有蜔o論在性能還是資源上都獲得最佳表現。

那么兩種類型能否混合使用呢？答案是肯定的，但是有限制的，這源于兩者的自身特征。可以在控制驅動型中嵌入數據驅動型，但反過來是不允許的。我們將上面的例子改造為控制驅動型嵌入數據驅動型的模式，如下圖所示。這里需要注意的是代碼第137行的DATAFLOWpragma，同時代碼第141行和第142行都設置了task，task接口為stream。此外也給出了Vitis HLS的Schedule視圖和Dataflow視圖。Dataflow視圖中也顯示了KPN。關于KPN可參閱這里。

https://en.wikipedia.org/wiki/Kahn_process_networks

責任編輯：彭菁