SDSoC: HLS函数中仅使用数组部分内容作为序列输入的实现方法

完全有成熟的低开销实现方案，核心是利用HLS流优化、地址偏移访问和SDSoC显式数据移动机制，可实现零额外拷贝的流式顺序访问，具体方案如下：

方案1：加速函数侧直接做地址偏移+流转换 #

主函数不需要做额外的数组拆分，直接把sds_alloc分配的一维数组基地址、目标列索引、参数N传入PL加速函数即可，你描述的存储结构下，第k列对应的一维数组起始偏移为k*N。

加速函数代码示例 #

#include <hls_stream.h>

void col_process(int *base_arr, int col1_idx, int col2_idx, int N, int *output) {
// 配置AXI接口，depth按需调整为你实际的N最大值
#pragma HLS INTERFACE m_axi port=base_arr offset=slave bundle=gmem depth=10000
#pragma HLS INTERFACE s_axilite port=col1_idx bundle=ctrl
#pragma HLS INTERFACE s_axilite port=col2_idx bundle=ctrl
#pragma HLS INTERFACE s_axilite port=N bundle=ctrl
#pragma HLS INTERFACE s_axilite port=return bundle=ctrl

    hls::stream<int> strm_col1, strm_col2;
// 流深度配置为32/64即可掩盖DMA latency，避免流水线断流
#pragma HLS STREAM variable=strm_col1 depth=32
#pragma HLS STREAM variable=strm_col2 depth=32

// 开启数据流优化，让读列和处理逻辑并行执行
#pragma HLS DATAFLOW

    // 第一阶段：连续读取两列数据写入流，完全顺序访问
    read_col: for(int i=0; i<N; i++) {
#pragma HLS PIPELINE II=1
        // 该偏移计算匹配你描述的「每列对应一维数组连续N个元素」的存储结构
        strm_col1.write(base_arr[col1_idx * N + i]);
        strm_col2.write(base_arr[col2_idx * N + i]);
    }

    // 第二阶段：从流中取数执行业务处理
    process: for(int i=0; i<N; i++) {
#pragma HLS PIPELINE II=1
        int val1 = strm_col1.read();
        int val2 = strm_col2.read();
        // 此处替换为你的实际处理逻辑
        output[i] = val1 + val2;
    }
}

该方案优势是完全无额外内存拷贝，SDSoC会自动识别你访问的两段连续地址范围，控制DMA只搬运需要的2*N个元素到PL，不会读取整个大数组。

方案2：主函数侧显式指定搬运范围（适合超大数组场景） #

如果担心SDSoC自动识别数据范围不准，可以在主函数侧显式标记需要搬运的内存段，确保无多余数据移动：

主函数代码示例 #

#include <sds_lib.h>

#define N 1024
#define M 128

int main() {
    int *arr = (int *)sds_alloc(N*M*sizeof(int));
    // 数组填充逻辑省略
    int target_col1 = 2, target_col2 = 5; // 示例要处理第2、5列
    int *col1_addr = arr + target_col1 * N;
    int *col2_addr = arr + target_col2 * N;
    int *output = (int *)sds_alloc(N*sizeof(int));

    // 显式标记要搬运的只读内存段
    sds_mem_map(col1_addr, N*sizeof(int), SYS_MEM_FULL_CACHE, SDS_MMAP_READ_ONLY);
    sds_mem_map(col2_addr, N*sizeof(int), SYS_MEM_FULL_CACHE, SDS_MMAP_READ_ONLY);

    // 调用PL加速函数
    col_process(arr, target_col1, target_col2, N, output);

    // 释放内存映射
    sds_mem_unmap(col1_addr, N*sizeof(int));
    sds_mem_unmap(col2_addr, N*sizeof(int));

    // 后续结果处理逻辑省略
    sds_free(arr);
    sds_free(output);
    return 0;
}

内容的提问来源于stack exchange，提问作者Nick