CAM在FPGA上的最优化实现方案

编 者 按   

TCAM(Ternary content-addressable memory)在FPGA里并没有专门的资源，其在网络应用上是一个比较常见的资源。关于如何在FPGA中实现TCAM功能有不少的论文，在翻阅借鉴之后，本文就TCAM在FPGA上的最优化实现进行探讨。 

01

TCAM基本原理

我们都知道RAM是根据地址查找对应的数据，而对于CAM，则恰好相反，是已知数据查找其对应的地址。像在网络报文处理里，根据报文的五元组的一些信息去查询其所属的规则地址，随后通过该地址去查询对应的RAM获取对应的Action信息。而TCAM，其只不过是在CAM的基础上引入了 X(don't care)状态。借助一篇论文里的图来说明：

这里通过TCAM和RAM实现了一张路由表，输入报文通过TCAM获取对应的命中Entry地址，随后通过该地址查找RAM获取对应的端口信息。

做逻辑设计的都清楚，X只存在于仿真中。在FPGA里不存在X态的概念。回到上面这个4输入的TCAM表中，X意味着0或者1都可以，那么这里就可以给出完整的表项：

    在FPGA里，所具备的资源无非是LUT，RAM，寄存器。TCAM的结构本质上看更像是RAM类型的使用风格。针对Input的输入，如果我们将input key作为地址输入进行查找,每个RAM存储一个entry，RAM中存储是否命中当前Entry,四个Entry进行并行查找，那么四个entry ram 的存储结构就是：

上面每一列对应一个Entry RAM存储表项。如果输入为0100(addr=4),那么在4个Entry RAM中，只有PortA RAM中地址4存储值为1，意味着命中PortA。对于input，我们同时查找4个RAM 得到四个查找，经过译码即可获取对应的命中结果。在FPGA中对应的结构即为：

如此我们借助四个16D(Depth)1W(Width) RAM、一个Prority Decoder(用于判断选取哪个命中)、一个Action RAM实现了上面的一个简单的路由表。 

更进一步，由于四个RAM的地址线是接到的同一个信号源，那么我们可以更进一步，将四个16D1W RAM合并成一个16D4W的RAM，每个Entry占据其中的一个比特用于存储对应的Entry RAM值：

02

input膨胀问题

通过上面的内容，大概能够明白，其实TCAM在FPGA上的实现基本就是一种暴力展开，对于input key，每个entry会遍历所有的key进行展开来判定是否命中。那么随之而来的就是input key width膨胀问题。按照上面的思路，每个entry需要存储的比特容量是1<

显然，无脑的展开势必带来资源的爆炸。那么，可以采用分而治之的思想。我们将key按比特进行拆分，每段key分别查询不同的ram，最终所有的RAM查询结构都为1则才表示命中。我们以16bit input key为例，则可以表述为：

如此，对于一个Entry的存储，其仅需4个16D1W存储空间加上一个&操作即可，共计64bit存储空间。

03

资源选取

到此，如何在FPGA中实现TCAM，其核心原理大概你已经相对来讲比较清楚了。那么回到具体的实现上。在FPGA中实现这种结构，我们所能采用的无外乎Block RAM或者LUT RAM来实现。那么究竟采用哪种资源更合适呢？先说结果：采用LUT RAM更合适。

这里我们采用最常规的配置来进行说明。Block RAM可以配置成512D32W模式，LUT RAM采用64D1W模式。参照上面的结构，一个512D32W的Block RAM地址位宽为9，也就意味着其所能容纳的key width为9 bit。而64D1W所能容纳的key width为6 bit。

我们实现一个54 key width，32 entry的TCAM所需要消耗的资源分别为：

对比下来，采用LUT RAM每个Entry所消耗的存储资源远小于BlockRAM，而且采用BRAM33 Entry与64Entry所消耗的资源量是一致的。

除此之外，还有一个重要的点就是在TCAM的实现中，还牵涉到TCAM表项的插入。在这种结构里，每一个entry是在RAM的每个entry里占据一个比特。如果要插入一条表项，那就要将RAM所有的Entry进行更新，这里采用BRAM就带来表项的更新需要512个时钟周期，而LUT RAM仅需64个时钟周期，对于表项的插入速度显然也是LUT RAM也更具优势。

同时参照之前的文章《LUT RAM，Xilinx VS Altera》，无论是Xilinx还是Intel，都是可以将LUT RAM设置成32x2的模式，那么采用LUT RAM还能够进一步的资源优化：

04

性能/资源平衡

看到这儿，也许你已经意识到，RAM的深度越浅，其所消耗的资源也就越少。在上面的论述里，其相当于都是1拍出结果。对于FPGA跑三四百MHz的频率时，这么高的PPS可能不是我们所必需的。根据我们的设计需求，我们完全可以两拍或者四拍出一个结果，那么相当于可以将一个LUTRAM 变相的拆分成一个16D4W、8D8W的RAM，同样以上面的54 key width，32 entry为例：

除此之外，对于后面的Prority Decoder而言,单拍/两拍/四拍出结果对资源的消耗在随着Entry数的增加时所带来的资源节省也有着显著的降低。 

审核编辑：黄飞