一、DPU计算框架

通过一周多的时间翻阅这本书，基本上这本书是一本比较全面的，面向架构的新手指导数据。它在书中详尽介绍了关于DPU在计算机架构中的应用。

对于DPU来说，是一种平行于CPU和GPU的架构服务，同时它一般不直接面向于数据存储，通信接口等底层应用。也不直接架构顶层的服务。

因此对于DPU系统来说，现在CPU仍然是GPU于DPU架构异构计算中必须存在的内容。

二、学习性开发

DPU是个天价动轴几千的东西，还需要配套服务器，如果想要自己学肯定不是个人能够承担的起的。好在nvidia提供了模拟环境开发。

https://nvidia.cn/dpubook-26

美中不足的是虽然这是个nvidia.cn的内容，但是还是要手动翻译内容。虽然能做这行的都是不差这点能力，但是这态度属实是不够端正。

这里就不演示了。

三、本书架构

本书分为三大块，七小块。

三大块分别是 简介 ， 开发 ， 数据加速应用实践 。

分别介绍了DPU技术和英伟达DPU技术：

• DPU的诞生
• 现代计算架构及问题
• 数据解耦及大带宽数据应用
• 英伟达DPU架构
• 英伟达DPU的通信架构
• DPU在云计算架构中的地位

同时介绍了DPU开发：

• 命令行DPU板卡设置
• 基于qemu的DPU应用模拟开发（基于DPU的arm64处理器平台）
• DPU各个模块检查及加载
• SNAP虚拟化技术
• DOCA应用程序接口框架
• DOCA开发实践

最后一部分是数据加速应用的落地：

• 基于各个平台的算力解决方案
• 推荐的存储解决方案
• 边缘计算方案
• 网络平台与融合加速技术

本书不能帮你完全入门DOCA和相关的DPU开发技术，但是能够帮读者建立起一个完整的DPU技术栈的概念，让读者在学习DPU技术时更加得心应手，更有具象化，架构化的思维。

四、DPU技术横评

DPU技术多种多样，最初在边缘计算方案产生了很高的效益，比如说Xlinx加的FPGA-DPU技术。不过英伟达技术系列更接近于上层应用，部署于机房之中。二者技术精通方向，在某种程度上，可以形成互补趋势。相对于Xilinx的边缘计算，英伟达更加偏向于云计算，而边缘计算方面就稍微薄弱一些。

从开发者角度来说，英伟达技术更偏向于软件开发应用，通用计算开发的模式。而其他FPGA-DPU技术需要掌握相当的FPGA能力，相较之下，FPGA的开发难度和成本都要高出不少。

五、DPU应用前景

目前来说，DPU的应用前景其实还是分为两部分。一部分是基于云计算的，一部分是基于边缘计算的。

1、边缘计算

目前来说，基于边缘计算的DPU计算还在发展，但是这里恰好是DPU的起源，当然，从严格来说很多DPU都是兼职DPU，比如说用DSP和FPU来兼职DPU的工作。或者说是并不是DPU核的形式制作的FPGA-DPU，而是使用了基本的FPGA语言开发了一个普通的FPGA硬解算电路。

当然，对于边缘计算来说，DPU的需求也越来越大，大量边缘计算的算力需求在飙升，边缘数据预测，边缘决策，边缘图像识别，一个个需求都在暴增着未来Xlinx的业务肯定是会增长的，当然，有了国产替代就不一定了。

2、云计算

在云计算，英伟达算是一个传统领域了，但是随着服务中的智能算法需求暴涨，本身就曾经作为资源调度器存在的CPU现在即将重新回到自己的定位。如今CPU已经不能凭借自己的灵活性单片打天下了。

当今，云计算两大主力军，国内国外两股部队都在朝着超大规模计算部署。而专用处理器在大规模处理上带来的经济和效率优势是通用计算不可比拟的。DPU在云计算中高性能，高功耗的特点将会完美符合机房设备的特征。也称为需求的核心。作为未来算力基座的一份子，势必成为高端工程师的必备技能。