FPGA可以比其他加速选项更灵活地实现处理器卸载任务。超大规模数据中心都热衷于部署此技术。

新型处理器也采用FPGA芯片来加速应用程序，让服务器获得更专业与灵活的可编程特性。

没有任何单一处理器架构可以解决每个工作负载优化，而且对规模效率的需求正在推动新的、功能强大的应用程序为中心服务器设计。方法之一，就是让中央处理单元卸载任务到现场可编程门阵列组件(FPGA)上。

根据应用的原生特性，FPGA编程中的任务与硬件描述语言(HDL)，FPGA能够从本质上大幅提高处理性能。

专用服务器vs.标准x86服务器

服务器可以通过精简计算指令集(RISC)来加速应用程序，这样可以降低芯片处理的延迟，但这只适合于使用这些指令集的应用程序。另一种方法是扩展处理器指令集来内部处理新的任务——与RISC相反——拥有更大的灵活性。第三个选择是将任务从处理器中卸载到另外一个计算组件——比如将接收/发送任务交给网络接口卡处理——从而提高指令集处理效率。

推进服务器性能的最新动向，是关于卸载模式的新方案：将FPGA与x86处理器配对。FPGA是可定制的：它被编程为特定工作负载的性能加速，而且可以在未来根据需求来重新编程，适应新变化。

例如，某个经过适当编程的FPGA可以提升图形任务吞吐量，类似于拥有CPU与图形处理器的协同处理器。 经过重新编程后，相同的FPGA可以用于加快数据库搜索。那些需要频繁重复任务操作或复杂任务序列的应用程序，最适合加速(任务卸载实践)。

FPGA处理器的优点与缺点

FPGA加速处理器，如Intel的 Xeon E5+FPGA适用于海量服务器同时运行相同负载任务或大规模计算这样的场景。部署FPGA服务器到每个数据中心，而只运行少量的业务程序，是种做法不经济。主要原因是HDL加速算法的开发需要花费时间与精力。

并不是所有的FPGA都是一样的；最佳的应用程序性能来自拥有高质量HDL编码的大型FPGA。这意味着越多的逻辑门电路互联是越有效的。小型FPGA中繁琐的编程方式对工作负载有太多的优化起色。

HDL开发的回报无法在一台Exchange Server服务器上看出。然而，在云计算或网络规模数据中心，跨越数千台服务器提升几个百分点性能，可以节省数百万美元；想想在1000台服务器上提升搜索、OpenCL或大数据分析10%的性能，十分惊人不是吗？

使用FPGA加速还影响了变更管理，尤其是大规模数据中心，因为企业工具必须追踪FPGA算法，并保持其更新状态。

FPGA服务器内部

Intel开发了一款混合处理器，带有一颗Xeon E5以及一个FPGA。 整个包装和普通的E5类似(而且匹配相同的处理器插座),但是可以通过服务器设置处理器卸载高级任务，来加速特定的应用。虽然处理器看起来完全一样，但FPGA提供了上可编程协处理器，可以针对一定数量的任务集进行优化。

厂商的产品

结合处理器与FPGA设备并不是最新的技术。Intel已经在Atom E600c系列x86处理器上实现了。它包含了内存与I/O，通过单道PCIe通道相连。Intel Atom凌动系统芯片处理器被用于轻量级的Web托管服务器，而Xeon Phi系列用于处理高度并行的任务。 

Juniper Netoworks将Intel Xeon E3-1125C v2处理器与Broadcom交换芯片和Altera FPGA整合，创建了交换服务器QFX5100-AA平台。目标是直接在交换机上运行金融服务。

超大规模数据中心运营商都急于整合FPGA功能。微软的Catapult项目在PCIe卡上增加FPGA(而不是在CPU上)，超过1600台服务器运行着Bing搜索引擎。公司报告显示其吞吐量提升了近一倍。微软同样在其第二代开源Open CloudServer设计规范上增加了带有FPGA的增强型Intel Xeon E5-2600 v3。

预计FPGA服务器技术开发与发展领域会转向更小、更通用的数据中心，证据就是Intel的Xeon E5+FPGA处理器。HDL优化库可能甚至成为日常商业应用。