当今数字芯片技术飞速发展，数字半导体芯片已经渗透到社会生活的各个领域，从消费电子产品、工业自动化设备到航天技术都能看到半导体芯片技术的身影。国家在芯片技术上的投入和重视程度也提升到战略层面，芯片设计制造正在成为新一代的国之重器。
01 EDA是什么？
EDA 是芯片之母，是芯片产业皇冠上的明珠，是集成电路设计最上游、最高端的产业。EDA（Electronic Design Automation）是电子设计自动化的简称，EDA的发展经历了CAD、CAE等阶段，随着集成电路技术发展，EDA 越来越被业界予以“芯片设计软件工具”的代名词。2018 年全球集成电路产值近 5 千亿美金，中国集成电路进口金额超 3 千亿美金，EDA 是集成电路产业产能性能源头，从仿真、综合到版图，从前端到后端，从模拟到数字再到混合设计，以及后面的工艺制造等，EDA 软件工具涵盖了 IC 设计、布线、验证和仿真等所有方面，是集成电路产业的“摇篮”。
利用EDA工具，工程师将芯片的电路设计、性能分析、设计出IC版图的整个过程交由计算机自动处理完成。在没有EDA工具之前，设计电路要依靠手工，但对于大规模集成电路有上亿晶体管的设计用手工简直是不可能的。可以说有了EDA工具，才有了超大规模集成电路设计的可能。
硬件描述语言（HDL-Hardware Description Language）是一种用于设计硬件电子系统的计算机高级语言，就是用软件编程的方式来描述复杂电子系统的逻辑功能、电路结构和连接形式。硬件描述语言是EDA技术的重要组成部分，是EDA设计开发中很重要的软件工具。
目前国内外的EDA软件主要供应商包括Synopsys、Cadencen、Mentor Graphics、华大九天、芯愿景、芯禾科技等，EDA应用涵盖了通用、专用芯片的设计制造等场景。
02 EDA工作流程和IO特点
EDA典型的工作流程包括了以下几个阶段：
—前端设计阶段（逻辑设计）
- 设计规范
- 功能验证
- 合成
- 逻辑验证
—后端设计阶段（物理设计）
- 布局和布线
- 静态时序分析
- 物理验证
—生产制造
- 流片
这些阶段相互作用以形成EDA的数字设计流程：
在前端设计阶段，工程师通过将VHDL等源文件编译为芯片模型来完成芯片设计，然后通过在大型计算集群中分发任务来验证芯片设计。调度程序将仿真和模拟任务分发到不同的计算节点上，这些计算节点通过共享文件系统来访问后端的芯片模型。在整个前端设计过程中，工程师需要不断改进设计，整个过程需要多次迭代，因此，前端设计阶段会生成大量仿真工作。创建、调度和执行build和仿真作业的效率，决定了将芯片推向市场所需的时间。
当大量作业并行运行时，会产生大量IO负载，EDA应用程序需要读取并编译数百万个小的源文件，用以构建和模拟芯片设计。后端的共享文件存储管理各种芯片设计目录和文件，以便不同的用户、脚本和应用程序可以访问数据。
在前端验证阶段，数据访问模式往往是随机的，并带有大量小文件。前端工作负载需要极高的并发性，从而满足大量作业并行访问的需要，这些作业将生成大量随机访问的IO。此外，由于伴随着大量小文件访问，这个阶段对元数据访问性能是极大的考验。
从一些公开的数据上看，半导体芯片设计过程中，对元数据调用（包括GETATTR，ACCESS和LOOKUP）占所有调用的85％以上，而“读取”和“写入”不到15％。对于传统NAS阵列或单MDS的分布式文件存储架构而言，将会面临较大的挑战。
在后端设计和验证阶段，数据访问模式将主要以顺序访问为主。后端设计阶段的工作负载往往由较少数量的任务组成，这些任务具有顺序的IO访问特点，并且运行时间较长。在后端设计阶段的工作任务，主要考验后端文件系统的并行访问带宽。
结合前端设计和后端设计两个阶段的IO访问特点来看，EDA芯片设计和仿真过程中，对元数据和数据，小文件IOPS及大文件顺序访问带宽，都有极高的要求。这一过程与大型的程序（如Linux内核）并行编译过程中产生的IO特点相似。
芯片设计阶段涉及的所有作业的输出都可能产生TB级的数据。尽管有些数据是临时性（如时序仿真等）的，但这些数据仍然需要最高级别的存储性能，才能对芯片设计整个流程进行保障。
半导体行业巨头Intel发布的一份报告显示，在过去10年，Intel用于半导体设计和制造的内部基础设施投入中，计算和存储的CAGR达到30％以上，并且没有减少任何IDC站点。
尽管英特尔在EDA场景中可能独占鳌头，但我们从行业数据中可以看到，绝大多数的半导体设计企业对基础设施的投入年增长率都超过20％。
03 如何满足EDA场景的存储需求
文件存储主导
在存储系统中，EDA工作流都是将大量的数据通过文件系统进行共享和访问，并且在系统中生成深层的目录结构，使得文件系统在EDA存储系统中占主导地位。
YRCloudFile高性能分布式文件存储，具备卓越的性能、灵活的水平扩展性、海量小文件存储能力等特性，可以满足EDA应用中大规模计算集群以文件方式并行访问数据的需求。
超高并发性能
大多数EDA工作流需要极高的并发性，YRCloudFile能够满足数千高性能Linux计算群集的并发要求，提供远高于标准NAS协议（NFS、SMB）的并发能力。
EDA工作负载中产生的大量元数据操作，可以通过YRCloudFile灵活扩展的元数据服务进行满足和匹配，解决了EDA负载对元数据性能的要求。
灵活弹性扩展
EDA工作负载在执行过程中，会产生TB级的数据或中间结果，YRCloudFile分布式文件系统采用分布式架构，将所有磁盘进行统一管理，提供统一命名空间，支持容量和性能的水平扩展，可按需实现快速扩容，满足EDA对大容量存储的需求。
