“No PP，No WAY”這是個眼見為實的世界，這是個視覺構成的信息洪流的世界。大腦處理視覺內容的速度比文字內容快6萬倍，而隨著智能手機的普及，圖片、視頻的產生和分享已經是人們在社交平臺上的基本交流方式。用戶通過手機、平板、電腦上傳和分享自己的圖片，而且這個趨勢是每年都在增長(參見圖1)。

圖1. 2016年KPCB統計報告

每天QQ相冊、微信朋友圈上，用戶上傳的圖片數量有上億張，這些圖片被后臺服務器存儲下來，再通過網絡分發出去。如果每張圖片可以進行壓縮，使得圖片存儲和傳輸分發的數據量越少，既節省了用戶帶寬，也提高了用戶下載圖片的速度，用戶體驗更好。那么圖片是可以進行壓縮的么？1948年，信息論學說的奠基人香農曾經論證：不論是語音或者圖片，由于其信號中包含很多的冗余信息，所以可以對其進行壓縮。圖像壓縮算法有：JPEG、WEBP、H264(幀內壓縮)、HEVC(幀內壓縮)，壓縮能力是：JPEG < WEBP/H264(幀內壓縮) < HEVC(幀內壓縮)，這個壓縮能力是通過計算復雜度的提高來實現，其中WEBP、HEVC的計算復雜度是 JPEG 壓縮的 10 倍以上。目前在社交平臺上用戶上傳的大量圖片是JPEG格式，通過后臺服務器用更加復雜的算法如WEBP、HEVC(幀內壓縮)，進一步壓縮以節省存儲和帶寬，所以對圖像的壓縮，從本質上是通過提高計算算力來降低存儲和帶寬。同時更加復雜的算法也帶來計算算力的大量消耗和處理延時的增加。

從業務角度來看，對于離線業務，可以通過業務在波峰和波谷之間閑置的計算算力進行圖片轉碼處理；但對于在線業務，圖片轉碼處理對于處理延時的要求就會有較高要求，為了滿足處理延時的要求，有時候會先進行圖片轉碼處理，把轉碼好的圖片存儲下來，當用戶需要的時候直接傳輸，這樣通過消耗存儲資源為代價來解決處理延時的要求。但是這又帶來一個新問題，用戶查看圖片的智能終端屏幕大小不一，如果都傳同樣大小的圖片，顯然不是最優。最優處理方法還是能夠通過計算算力，實時進行圖片轉碼處理。

在數據中心里面，計算算力通常由x86 CPU來提供，以前的x86 CPU性能每18個月就能翻倍（眾所周知的“摩爾定律”），但目前工業界的發展方向是摩爾定律已經走到終點。例如，2016年3月24日，英特爾宣布正式停用“工藝年-架構年(Tick-Tock)”處理器研發模式，未來研發周期將從兩年周期向三年期轉變。而國際半導體技術發展路線圖（International Technology Roadmap for Semiconductors，簡寫 ITRS）在維持了數十年，每兩年更新一次，為全世界半導體行業提供建議和規劃指南，也在2016年宣布不再做進一步的更新。

一方面處理器性能再無法按照摩爾定律進行增長，另一方面數據增長對計算性能要求超過了按“摩爾定律”增長的速度。處理器本身無法滿足高性能計算(HPC：High Performance Compute)應用軟件的性能需求，導致需求和性能之間出現了缺口(參見圖2)。

圖 2. 計算需求和計算能力的缺口發展形式

圖像處理解決方案

圖片服務支持的能力豐富多樣，基礎功能包括多種縮略剪裁方式、文字圖片水印、格式轉換、斷點續傳、鏡像存儲、防盜鏈等。我們結合當前圖文時代的用戶需求，提供圖片的上傳、存儲、處理、分發的全方位一體化的解決方案。目前，互聯網圖片服務的解決方案中落地存儲和下載大部分圖片格式還是JPEG/WEBP，但隨著新的編碼標準HEVC的出現，在同等圖像質量下，HEVC的壓縮效率會比JPEG/WEBP好30%~70%，可以節省大量的存儲和帶寬，但是HEVC的算法復雜度高導致CPU的編碼延遲和吞吐在線上環境中無法滿足，因此，我們開發了基于FPGA的新的解決方案。FPGA圖像處理方案可以很好的解決線上環境的需求，當然，FPGA圖像處理解決方案也兼容當前用戶線上系統的WEBP等其他圖像轉碼格式，可以很好的適應不同用戶的需求，提供低延遲，高吞吐，低成本的解決方案。

我們以HEVC FPGA 圖像處理為例，來說明在互聯網業務中圖片上傳，存儲，處理和下載的架構。

圖3. HEVC FPGA 圖片上傳存儲，處理，下載解決方案

如圖3所示，圖片HEVC FPGA轉碼的部署主要是落地存儲前以及下載前的轉碼服務器，使用FPGA做轉碼主要有以下優勢：