FPGA乘法器的资源博弈:逻辑门、触发器与面积效率的深层权衡

FPGA乘法器实现与资源消耗 (注,本文中的截图参考夏宇闻的《verilog 数字系统设计教程》第三版)两个数相乘。 阅读详情

FPGA乘法器的资源博弈:逻辑门、触发器与面积效率的深层权衡

在当今边缘计算和IoT设备蓬勃发展的时代,FPGA设计者面临着一个永恒的技术挑战:如何在有限的芯片资源内实现最优的性能与功耗平衡。乘法器作为数字信号处理和数据通路中的核心运算单元,其设计选择直接影响着整个系统的效率。当我们深入FPGA的底层架构时会发现,每一个逻辑门和触发器的使用都是一场精密的资源博弈,需要在速度、面积和功耗之间找到最佳平衡点。

对于ASIC/FPGA芯片设计师、电子工程学生以及从事资源敏感型设计的开发者而言,理解这种权衡的本质至关重要。无论是边缘AI推理芯片、物联网传感器节点还是教学实验平台,乘法器的实现方式都会显著影响系统的最终表现。本文将深入探讨FPGA乘法器设计的核心权衡策略,帮助您在下一个项目中做出更明智的设计决策。

1. FPGA乘法器架构的深层解析

1.1 基本架构类型及其特性

FPGA乘法器设计主要分为两大阵营:移位加乘法器和阵列乘法器。这两种架构在资源使用、时序性能和功耗方面表现出截然不同的特征。

移位加乘法器采用序列化的工作方式,通过迭代的移位和加法操作完成乘法运算。这种方法的最大优势在于资源效率——它只需要一个加法器和少量控制逻辑,非常适合面积受限的设计。然而,这种效率是以速度为代价的:一个N位的乘法需要N个时钟周期才能完成,这在需要高吞吐量的应用中可能成为瓶颈。

阵列乘法器则采用并行结构,通过构建部分积矩阵并使用加法器树进行压缩。这种架构能够在一个时钟周期内完成整个乘法运算,提供了极高的吞吐量性能。但这是以大量的逻辑资源为代价的:一个N×N位的阵列乘法器需要大约N²个与门和近N²个全加器,资源消耗随位宽呈平方增长。

1.2 资源使用模式分析

在FPGA实现中,这两种架构的资源使用模式有着本质区别:

// 移位加乘法器的核心状态机结构
parameter IDLE = 2'b00;
parameter ADD  = 2'b01;
parameter SHIFT = 2'b10;
parameter DONE = 2'b11;

reg [1:0] state = IDLE;
reg [N-1:0] product_reg;
reg [N-1:0] multiplicand;
reg [$clog2(N)-1:0] count;

always @(posedge clk) begin
    case(state)
        IDLE: if(start) begin
            multiplicand <= B;
            product_reg <= 0;
            count <= 0;
            state <= ADD;
        end
        ADD: begin
            if(multiplicand[count]) 
                product_reg <= product_reg + (A << count);
            state <= SHIFT;
        end
        SHIFT: begin
            count <= count + 1;
            state <= (count == N-1) ? DONE : ADD;
        end
        DONE: state <= IDLE;
    endcase
end

移位加乘法器主要消耗的资源是触发器和状态机控制逻辑,而阵列乘法器则大量使用查找表(LUT)和布线资源。这种差异在FPGA架构中尤为重要,因为不同类型的资源在芯片上的分布和可用性各不相同。

2. 工艺节点与频率约束下的优化策略

2.1 先进工艺节点的影响

随着工艺节点从28nm向7nm及更先进制程发展,FPGA乘法器的设计策略发生了显著变化。在先进工艺下,晶体管的开关速度大幅提升,但互连延迟的相对影响变得更加显著。

在16nm及以下工艺中,布线延迟开始主导关键路径时序。这意味着传统的阵列乘法器可能面临严重的布线拥塞问题,即使逻辑门延迟很低。在这种情况下,采用更加结构化的设计方法变得至关重要:

工艺节点逻辑延迟占比布线延迟占比推荐乘法器架构
28nm60%40%混合型阵列乘法器
16nm45%55%分段式乘法器
7nm30%70%流水线化移位加

关键提示:在先进工艺节点下,简单的资源计数已不足以评估设计优劣,必须考虑布线的拥塞程度和信号完整性。

2.2 频率约束下的架构选择

目标工作频率是决定乘法器架构的另一关键因素。不同的频率目标需要完全不同的优化策略:

对于低频应用(<100MHz),面积效率通常是首要考虑因素。移位加乘法器在这种情况下表现出色,特别是当系统能够容忍较长的延迟时。可以通过时间复用策略进一步减少资源使用,让单个乘法器单元服务多个计算任务。

中频范围(100-500MHz)是最常见的设计目标,需要平衡面积和速度。推荐采用改良型Booth编码结合 Wallace树的结构,这种架构在保持合理资源使用的同时提供良好的时序特性。

高频设计(>500MHz)必须采用深度流水线化和结构优化。阵列乘法器需要被分解为多个流水线级,每一级都经过精确的时序优化。在这种情况下,寄存器重定时和逻辑重构技术变得至关重要:

// 高速流水线化乘法器的级间寄存器设计
genvar i;
generate
    for(i=0; i<PIPELINE_STAGES; i=i+1) begin: pipeline_stage
        always @(posedge clk) begin
            if(rst) begin
                stage_reg[i] <= 0;
            end else begin
                // 各级间的寄存器插入需要精确的时序分析
                stage_reg[i] <= compute_stage_result(i);
            end
        end
    end
endgenerate

3. 面积约束下的创新优化技术

3.1 逻辑压缩与资源共享

在严格的面积约束下,创新性的优化技术可以显著减少资源使用而不牺牲过多性能。进位保存加法器(CSA) 结构是其中一种有效技术,它通过减少进位传播延迟来优化关键路径。

另一种重要技术是操作数隔离,通过在乘法器空闲时关闭不必要的信号切换来降低动态功耗。这对于电池供电的IoT设备特别重要:

// 操作数隔离实现示例
always @(posedge clk) begin
    if(enable) begin
        operand_a_reg <= operand_a;
        operand_b_reg <= operand_b;
    end else begin
        // 保持当前值,避免不必要的切换
        operand_a_reg <= operand_a_reg;
        operand_b_reg <= operand_b_reg;
    end
end

资源共享是另一个强大的面积优化技术。当设计中有多个乘法操作但不需要同时执行时,可以共享算术单元:

资源共享策略面积减少性能影响适用场景
完全时间复用高达70%吞吐量降低N倍低吞吐量应用
部分资源共享30-50%轻微性能影响中等吞吐量
运算符融合20-40%几乎无影响特定算法加速

3.2 位宽优化与近似计算

并非所有应用都需要完全精确的乘法结果。在图像处理、机器学习推理等容错应用中,近似计算可以带来显著的面积和功耗收益。

位宽优化是另一个重要方向。通过仔细分析算法的数值特性,往往可以减少乘法器的位宽而不影响系统性能:

// 动态位宽调整示例
// 根据数值范围自动选择适当的乘法器位宽
wire [7:0] a_trimmed = a[15] ? (|a[14:8] ? 8'hFF : {1'b1, a[6:0]}) : 
                                (|a[14:8] ? 8'h7F : a[7:0]);
wire [7:0] b_trimmed = b[15] ? (|b[14:8] ? 8'hFF : {1'b1, b[6:0]}) : 
                                (|b[14:8] ? 8'h7F : b[7:0]);

这种方法特别适合处理传感器数据,因为实际物理量往往只在有限的动态范围内变化。

4. 功耗效率的综合优化

4.1 动态功耗管理策略

在现代FPGA设计中,功耗往往与面积和性能同等重要。乘法器作为主要的活跃单元,其功耗优化需要多层次的策略。

时钟门控是最有效的动态功耗减少技术之一。通过仅在乘法器实际工作时提供时钟信号,可以显著减少不必要的功耗:

// 时钟门控实现
reg multiplication_active;
wire gated_clk = clk & multiplication_active;

always @(posedge clk) begin
    if(start) multiplication_active <= 1'b1;
    else if(done) multiplication_active <= 1'b0;
end

电压频率缩放是另一个高级技术,特别适合多标准设计。通过根据性能需求动态调整供电电压和时钟频率,可以在满足时序要求的同时最小化功耗。

4.2 泄漏功耗控制

在先进工艺节点下,泄漏功耗占总功耗的比例越来越高。电源门控和体偏置技术可以有效地控制泄漏电流:

泄漏控制技术面积开销唤醒延迟功耗节省
粗粒度电源门控中等长(μs级)高达90%
细粒度电源门控高短(ns级)40-60%
反向体偏置低几乎为零20-40%

对于长时间空闲的乘法器单元,粗粒度电源门控是最佳选择。而对于频繁启停的单元,细粒度电源门控或体偏置更为合适。

5. 实际设计案例与性能对比

5.1 边缘AI推理芯片的乘法器设计

在一个实际的边缘AI推理芯片项目中,我们面临严格的面积和功耗约束。通过综合应用多种优化技术,我们实现了显著的效率提升。

原始设计使用标准的16×16位阵列乘法器,在Intel Cyclone 10 FPGA上实现需要以下资源:

  • 逻辑单元:285个
  • 寄存器:128个
  • 最大频率:210MHz
  • 功耗:12.5mW @ 100MHz

经过优化后采用Booth编码的混合型乘法器:

  • 逻辑单元:197个(减少31%)
  • 寄存器:96个(减少25%)
  • 最大频率:195MHz(降低7%)
  • 功耗:8.2mW @ 100MHz(降低34%)

这种优化使得整个AI推理芯片能够在更小的FPGA器件上实现,显著降低了系统成本和功耗。

5.2 多种乘法器架构的综合对比

下表总结了不同乘法器架构在典型FPGA实现中的性能特征:

架构类型面积(LUT)延迟(周期)吞吐量(OPS)能效(OPS/mW)
简单移位加4516中等极高
Booth编码1281高高
Wallace树2101很高中等
完全流水线化2855(初始)极高中等

设计建议:选择乘法器架构时必须考虑整体系统需求,而不仅仅是单元级性能。在数据流系统中,吞吐量往往比延迟更重要;而在控制密集型系统中,情况可能正好相反。

在实际项目中,我经常发现设计师过于关注微观优化而忽略了架构级的权衡。有一次,我们通过将整个设计中的乘法器统一为一种优化架构,获得了比单个模块极致优化更好的整体效果。这种系统级视角往往是区分优秀设计和卓越设计的关键。

6. 先进工具与方法论

6.1 高层次综合(HLS)的优化潜力

现代HLS工具如Intel HLS和Xilinx Vitis HLS提供了强大的乘法器优化能力。这些工具能够根据上下文自动选择最合适的乘法器实现方式。

在HLS中,可以通过指令和约束来指导工具进行优化:

// HLS中的乘法器优化指令示例
void matrix_mult(int A[][N], int B[][N], int C[][N]) {
    #pragma HLS ARRAY_PARTITION variable=A cyclic factor=4
    #pragma HLS ARRAY_PARTITION variable=B block factor=4
    #pragma HLS RESOURCE variable=C core=Mul_LUT // 指定使用LUT乘法器
    
    for(int i=0; i<N; i++) {
        for(int j=0; j<N; j++) {
            #pragma HLS PIPELINE II=1
            C[i][j] = A[i][j] * B[i][j];
        }
    }
}

HLS工具能够根据流水线间隔(II)和目标时钟频率自动决定使用DSP块还是LUT-based实现,这种自动化优化大大提高了设计效率。

6.2 机器学习辅助的优化

最新研究显示,机器学习技术可以用于预测不同乘法器架构的性能特征。通过训练模型预测给定约束下的最优实现方式,可以大幅减少设计空间探索时间。

这些ML模型考虑的因素包括:

  • 目标器件型号和等级
  • 时序约束和时钟频率
  • 面积和功耗预算
  • 数据位宽和数值特征

虽然这项技术还处于早期阶段,但它代表了FPGA设计自动化的未来方向。

7. 设计验证与性能分析

7.1 综合约束与实现策略

正确的约束设置对于实现预期性能至关重要。时序约束不仅需要指定时钟频率,还应包括输入输出延迟、虚假路径和多周期路径:

# 乘法器模块的时序约束示例
create_clock -name clk -period 10 [get_ports clk]

# 多周期路径约束
set_multicycle_path -setup 2 -through [get_pins mult_module/*]
set_multicycle_path -hold 1 -through [get_pins mult_module/*]

# 虚假路径约束
set_false_path -from [get_registers control_reg*] -to [get_pins mult_module/*]

这些约束确保综合工具能够正确优化设计,避免过度约束导致的面积浪费或欠约束导致的时序 violation。

7.2 功耗分析优化流程

完整的功耗分析需要在不同工作负载下进行仿真,以获取准确的活动因子数据。标准流程包括:

  1. 使用典型工作负载进行RTL仿真,生成SAIF或VCD文件
  2. 在综合后和布局布线后阶段进行功耗分析
  3. 识别功耗热点并实施针对性优化
  4. 迭代优化直到满足功耗预算

这个过程虽然耗时,但对于电池供电设备至关重要。

FPGA学习之Cyclone器件资源结构知识介绍 FPGA学习之Cyclone器件资源结构知识介绍 因为下周将进行RAM核调用及系统设计学习,这周结束我就先参考Cyclone IV器件手册,来学习FPGA器件(本文学习器件为Cyclone IV E系列器件)一些基础知识,进而熟悉器件资源定义以及设计所注意的使用细节。 https://blog.youkuaiyun.com/sinat_41653350/article/details/103955348 中也... 阅读详情

相关推荐

【信息科学与工程学】【物理/化学和工程技术】第七十五篇 电气工程 系列二 电路电气基础02

这是电路电气电磁电场设计/制造/公式/公理/模型库,涵盖射频微波、电力电子、电机驱动、电磁兼容、控制系统、通信信号处理及前沿交叉等更广泛的领域。

weixin_49199313的博客 1287

数字IC经典电路(2)——经典乘法器的实现(乘法器简介及Verilog实现)

数字电路中乘法器是一种常见的电子元件,其基本含义是将两个数字相乘,并输出其乘积。与加法器不同,乘法器可以实现更复杂的运算,因此在数字电路系统中有着广泛的应用。乘法器的主要用途是在数字信号处理、计算机科学以及其他数字电路应用中进行精确的数字乘法运算。例如,在数字信号处理中,乘法器通常用于数字滤波器中的系数乘法;在计算机科学中,它们被用于执行浮点运算;而在其他数字电路应用中,乘法器也可以实现时域和频域的变换等。在数字电路系统中,乘法器的重要性无法被忽视。

HFUT90S的博客 3万+

【信息科学与工程学】【物理/化学科学和工程技术】知识体系081 磁学——系列二 电磁学01 计算电磁学

抽象函数在计算电磁学中提供了描述连续电磁问题的严格数学语言,并通过。

weixin_49199313的博客 783

数字电路基础知识——组合逻辑电路之乘法器的设计(一)—— 并行、移位相加、加法树、查找表乘法器

数字电路基础知识——组合逻辑电路(乘法器的设计) 乘法器的设计主要应用在数字信号处理和数字通信,本节主要介绍乘法器的四种实现方法。使用并行乘法器、移位相加乘法器、查找表乘法器、加法数乘法器。部分会涉及到寄存器时序逻辑电路。 并介绍各自的优缺点。 一、并行乘法器 二、移位相加乘法器 三、查找表乘法器 四、加法器乘法器 五、乘累加器

用心记录每天的学习,提升自己,虽然有的很基础但真的很重要! 4万+

fpga实操训练(硬件乘法器)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing @163.com】 fpga上面的资源一般分成lut、pin、dff、dsp、pll。至于rom、ram、fifo,一般也是基于dff和lut来创建的,之前我们也讨论过。今天正好可以讨论下乘法器的使用。 硬件乘法器在fpga上也是紧俏资源。对于fpga来说,加减运算、逻辑运算、移位运算,这些都是比较简单的。但是如果涉及到乘法,就比较麻烦一点了。而除法运算,对于fpga的开发者来说,一般

嵌入式-老费,一个分享专业嵌入式知识的blog 2963

Verilog设计思路08——关键设计问题资源优化策略(附源码)

在Verilog设计中,资源优化是确保硬件实现高效运行的关键。优化策略包括逻辑结构优化、资源共享与复用技术。逻辑结构优化方面,应避免锁存器生成,确保条件分支完整;通过算术运算符强度缩减(如用移位代替乘除法)减少逻辑门消耗;采用格雷码或One-Hot编码优化状态机,降低状态跳变的逻辑复杂度。资源共享与复用技术则通过时分复用(TDM)共享运算单元、参数化模块复用、存储资源共享、逻辑运算符复用和状态机编码复用等方式,减少资源消耗。

Open 936

数字逻辑:组合电路

原理:列出真值表,把各个M看成函数,用最小项/最大项的方法列出函数表达式,根据表达式连接电路即可。[(不属于他的最小项)非 + ... +​​​​(不属于他的最小项)] 非 = 任何函数。第二个可以这么用:在卡诺图中可以先补几个最小项,使化简变得简洁,再乘上这几个最小项的或非。列表,枚举各个项的头因子、尾因子,找到共享次数最多、最简单的扩充的尾因子。​​​​​​​(属于他的几个最小项)或非 = 任何函数 - 这几个最小项。改变尾因子,使各项出现相同的扩充的尾因子,从而可以共用一个门。

Y798711330的博客 3063

FPGA实现16位乘法器

Verilog实现的16为乘法器,并用仿真代码。

Vivado乘法器IP核

介绍了乘法器IP核以及复数乘法器IP核的配置,针对不同模式进行了仿真。

小瑞同学的博客 8719

fpga中浮点乘法器的实现

fpga中浮点乘法器的实现fpga中浮点乘法器的实现

基于门逻辑的四位乘法器

用verilog写的纯门逻辑的4个四bit的数相乘的乘法器,流水线设计,仿真正确!

14 | 乘法器:如何像搭乐高一样搭电路(下)?

讲到这里,相信你已经发现,我们通过之前两讲的 ALU 和门电路,搭建出来了乘法器。如果愿意的话,我们可以把很多在生活中不得不顺序执行的事情,通过简单地连结一下线路,就变成并行执行了。这是因为,硬件电路有一个很大的特点,那就是信号都是实时传输的。我们也看到了,通过精巧地设计电路,用较少的门电路和寄存器,就能够计算完成乘法这样相对复杂的运算。是用更少更简单的电路,但是需要更长的门延迟和时钟周期;

qq_37756660的博客 1368

FPGA器件实现乘法器

Stratix® II, Stratix, Stratix GX, Cyclone™ II, and Cyclone devices have dedicated architectural features that make it easy to implement highperformance multipliers. Stratix II, Stratix, and Stratix GX devices feature embedded high-performance multiplier-accumulators (MACs) in dedicated digital signal processing (DSP) blocks. DSP blocks can operate at data rates above 300 million samples per second (MSPS), making Stratix II, Stratix, and Stratix GX devices ideal for high-speed DSP applications. Cyclone II devices have embedded multiplier blocks for DSP. In addition to the dedicated DSP blocks, designers can also use the Stratix II, Stratix, and Stratix GX devices’ TriMatrix™ memory blocks to implement high-performance soft multipliers of variable depths and widths. For example, designers can useTriMatrix memory blocks as lookup tables (LUTs) that contain partial results from multiplication of input data with coefficients. Cyclone II and Cyclone devices have M4K memory blocks which can be used as LUTs to implement variable depth/width high-performance soft multipliers for low cost, high volume DSP applications.

FPGA基础电路设计:(二)乘法器

串行乘法器利用移位寄存器实现,并行乘法器直接利用eda工具实现。两种方式的区别在于资源的利用率,串行乘法器相对并行乘法器更加节省资源。串行乘法器本质上利用移位寄存器实现的,转换成二进制,利用两数相乘等于移位相加的原理。常见的乘法器结构就上述两种,当然也有更多优化的乘法器结构,之后会逐渐补充。并行乘法器简单来说就是直接利用eda工具实现,缺点就是实现资源比较大。常见的乘法器实现方式有两种,串行乘法器和并行乘法器。

m0_74753895的博客 556

解决微信浏览器弹出 Download: Null 问题的终极指南(附阿里云 OSS 配置详解)

微信内置浏览器点击下载链接时弹出 "Download: Null" 的问题,是开发者常遇到的痛点。本篇文章全面解析其原因,包括 iOS 文件下载限制、Content-Disposition 响应头的重要性,以及阿里云 OSS 默认配置的影响。通过详细教程,教你如何在阿里云 OSS 中设置 Content-Disposition 元数据(attachment;filename=xxx.pdf),有效解决该问题。同时,拓展介绍微信浏览器的文件下载限制、跨平台兼容性优化以及 CDN 配置注意事项。

楠搏万的博客 4003

Qwen-Image-2.1本地图像生成整合包:8G显存一键部署指南

文生图模型是AI视觉创作的核心技术,其本地化部署需兼顾模型能力、硬件适配与工程易用性。Qwen-Image-2.1作为支持文本生成、图像编辑与多图参考的统一架构模型,突破了传统Diffusion模型在消费级显卡上的运行瓶颈。通过AWQ量化、vLLM推理优化与ComfyUI节点重构,实现8G显存稳定运行,显著降低CUDA环境配置复杂度。该方案面向设计师、教师与普通用户,提供开箱即用的本地AI图像工作流,适用于电商主图迭代、教学配图生成与IP角色延展等真实场景,让高质量图像生成真正走出云端,落地桌面。

weixin_29082143的博客 402

生动形象的解释下字典树(Trie)

字典树就像一个分层的查找大楼每一层都帮你缩小范围,查找单词就像坐电梯,一层一层直达目标,又快又省力!

本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度,也有思维广度,无论你是开发者、创业者还是高校学子,都能在这里找到适合自己的成长之路! 410

OmniQuant:全方位校准实现大语言模型高效量化与移动端部署

模型量化是一种通过降低模型权重和激活值的数值精度来压缩模型大小、减少内存占用和计算开销的核心技术。其原理在于将高精度浮点数映射到低精度整数表示,从而在保持模型性能的同时,显著提升存储和计算效率。这项技术的价值在于,它使得大规模语言模型能够在消费级硬件和资源受限的移动设备上运行,极大地拓宽了AI应用场景。OmniQuant作为一项前沿的量化技术,通过引入可学习权重裁剪和可学习等价变换机制,实现了对权重分布不均匀和激活值异常值问题的协同优化,从而在极低的比特数下仍能保持优异的模型性能。本文深入探讨了OmniQu

weixin_30719711的博客 485

基于FPGA的计算器(含源码)

本文详细介绍了基于FPGA的8位十进制数计算器的设计和实现过程。计算器通过矩阵键盘输入数据和运算符,利用数码管显示计算结果。设计包括消抖的按键检测模块、控制计算模块、乘法器、除法器、二进制转BCD模块、数码管刷新控制模块和74HC595驱动模块。各模块功能明确,通过状态机实现按键识别、运算执行和数据显示。乘除法运算采用移位和加法器实现,优化了资源消耗和运行频率。所有模块经过仿真测试,验证了功能正确性。最终在开发板上进行实测,验证了计算器的基本运算功能,包括连续运算和运算符更正,结果与理论值一致,展示了良好的

详解FPGA及硬件电路开发 6456

学生党投稿Applied Soft Computing:从导师账号登录到通讯作者设置的全流程解惑

本文详细解析了学生投稿Applied Soft Computing期刊的全流程,重点介绍了导师账号登录、通讯作者设置、作者排序调整以及开放获取费用等关键环节的避坑技巧。针对LaTeX稿件处理和财务选项选择提供了实用建议,帮助学生顺利完成SCI期刊投稿。

weixin_30352191的博客 213

Claude Code 错误解决方案: Request Timed Out 超时 原因、配置与解决方案

Claude Code 抛出 Request Timed Out 不仅可 能是网络问题,更大概率是 API 高负载或超大响应导致。本文从 默认超时机制出发,拆解三种根因场景,给出 API_TIMEOUT_MS 环境变量调优与任务拆分策略,帮助开发者在保证稳定性的同时 避免误判网络故障。

多媒体编程、网络编程、系统编程、网络安全编程、驱动编程 902

从按键消抖到状态机:Verilog计算器设计的工程艺术

本文深入探讨Verilog计算器设计的工程实践,从按键消抖处理到状态机架构设计,详细解析RTL优化策略和Quartus仿真调试技巧。通过实际代码示例和工程经验分享,帮助开发者掌握数字系统设计的核心思维,提升电路性能和可靠性。

read5的博客 405

课程1:认识Asp.net Core Web API

本文是《.Net Core从零学习搭建权限管理系统》教程专栏的导航站(点击链接,跳转到专栏主页,欢迎订阅,持续更新…)专栏介绍:以实战为线索,基于.Net 7 + REST + Vue、前后端分离,不依赖任何第三方框架,从零一步一步讲解权限管理系统搭建。专栏适用于人群:Web后端开发人员Web API是一个很广泛的概念,Asp.net Core Web API是.NET框架用于创建RESTful风格的项目、用于轻松构建可供多个客户端访问的HTTP服务。1、支持RestFul风格编程;

成长的足迹 1256

FPGA 乘法器 (DSP48)总结

0.参考手册 下面对乘法器的介绍主要来自手册 DSP48A XtremeDSP DSP48A for Spartan-3A DSP FPGAs UG431 (v1.3) July 15, 2008 DSP48A1 Spartan-6 FPGA DSP48A1 Slice UG389 (v1.2) May 29, 2014 DSP48 XtremeDSP for Virtex-

qq_42553614的博客 2万+

广东省道路工程检测练习试题(判断题)真题

按下式计算小于某粒径颗粒质量百分数:X=(A/B)x100( )49.、挖坑灌砂法适用于在现场测定基层(或底基层)、砂石路面及路基土的各种材料压实层的密度和压实度,但不适用于填石路堤等有大孔洞或大孔隙材料的压实度检测。95.挖坑灌砂法适用于在现场测定基层(或底基层)、砂石路面及路基土的各种材料压实层的密度和压实度,但不适用于填石路堤等有大孔洞或大孔隙材料的压实度检测( )107.以干密度 pd 为纵坐标,含水率w为横坐标,绘 pd-w 关系曲线,曲线上峰值点的纵、横坐标分别为最大干密度和最佳含水率( )

ZShy001238的博客 686

Archery通过OpenResty代理转发后登录一直提示Forbidden

测试几遍,连账号密码都没用验证,因为不管输什么都是提示Forbidden。找到配置文件settings.py,下面命令可到配置文件路径。回到页面刷新,随便输入个账号密码,验证失败证明请求成功了。查看Preview,提示CSRF验证失败,请求被中断。域名:dba.hkeasyspeed.com。打开开发者工具查看,网络里面可以看到报403。添加一条配置,把你配置域名添加进去。可以看到页面可以正常访问到。进入Archery容器。重启Archery容器。正常输入账号密码,OK。

万物皆可学 3148
上一篇: 双缓冲乒乓机制:高并发场景下的数据安全舞蹈
下一篇: 【嵌入式Linux】U-Boot启动流程源码深度解析
python9snake
博客等级 码龄1天 0粉丝 1724原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值