片上TCAM的研究和应用

许 俊 ，龚源泉 ，李 丽

（1.盛科网络苏州有限公司，江苏 苏州 215021；2.南京大学 江苏省光电信息功能材料重点实验室，江苏 南京 210093）

1 TCAM简介

三态内容寻址存储器 （TCAM）是一类特殊的存储器，传统的存储器都是根据地址读出内容，例如静态存储器（SRAM）和动态存取器（DRAM），但是 TCAM是根据存储的内容得到对应的地址，输入一个数据（称为查找内容或者查找key），TCAM内部就把这个 key和它所有存储的条目作并行比较，然后把匹配的地址输出，如果有多个条目都与这个查找key匹配，那么输出最小的地址。

TCAM又有外挂和片上（内嵌）之分，外挂TCAM原来有多家厂商提供，经过一系列的并购，目前只有博通公司和瑞萨电子可以提供商用的TCAM芯片。外挂TCAM一般适用于交换容量在100 Gb/s量级的路由交换芯片或者安全芯片。对于带宽超过100 Gb/s以上的路由交换芯片或者安全芯片而言，直接在芯片内部集成TCAM不失为一种好的选择，特别是做并行访问控制列表（ACL）查找时，就特别需要片上TCAM。

片上TCAM有多个厂家可以提供不同的工艺库，其中IBM的片上TCAM工艺库是目前为止面积最优、功耗最小且速度最快的片上TCAM工艺库之一。

TCAM的基本单元由一个数据位（data）和一个掩码位（mask）构成，所以顾名思义称为三态存储器，当输入1 bit数据（input）时，当 input=data& mask，才算匹配。这时，TCAM会输出一个命中（hit）指示，表示这个条目命中，这个特性让TCAM在ACL、路由查表的最长前缀匹配和模糊查找中特别有用。

但是TCAM也有不足之处，主要体现在两个方面：一个是相比较于SRAM和DRAM，它的存储密度很低，摆放密度也低；另外，TCAM做查找的时候，功耗特别大（因为需要所有的条目并行作比较）。

图1显示IBM 45 nm工艺下的TCAM与SRAM、DRAM的比较，TCAM只有1.10%的存储容量（百万比特数），却占用所有存储器8.64%的面积（如果考虑到摆放面积，这个数字还要加倍）和消耗10.31%的功耗。

图1 TCAM和SRAM、DRAM的比较（IBM 45 nm）

本文基于IBM 32 nm工艺库提供的TCAM的一些新特性和提供的优先级编码器硬核，通过特别设计的电路，可以同时满足 160 bit、320 bit和 640 bit数据的查找，并且减少TCAM的块数、降低TCAM的功耗。

2 片上TCAM外围电路的设计

2.1 多种查找宽度电路设计

此前为了实现多种位宽key的查找，必须以最小key的位宽作为TCAM的位宽选择。例如，需要同时支持160 bit、320 bit和 640 bit 3种 key位宽的查找，需要选择TCAM的位宽必须是160 bit的，然后通过横向拼接的方式实现320 bit和640 bit位宽的key宽度查找。

IBM 32 nm工艺库提供的TCAM支持一种称为列使能的方式。以1 024深度320 bit宽度的TCAM为例，图2表示将320 bit宽度分成4列，每一列有80 bit位宽，4列分别是 FE0、FE1、FE2和FE3，其中 FE0和FE2是偶数列，FE1和FE3是奇数列。当进行160 bit查找时，FE0和FE2自动拼接成160 bit与key做匹配，并且结果输出到MLLA[1 023：0]，每个 bit代表一个条目的查找结果，FE1和FE3自动拼接成另外一个160 bit与key做匹配，并且输出结果到MLLB[1 023：0]，通过外部设计的电路，先把MLLA[1 023：0]中最小的匹配地址找出来（通过优先级编码器），同时把MLLB[1 023：0]中最小匹配地址找出来，最后比较MLLA和MLLB中哪个匹配地址最小，取小优先，如果值相等，则优先取MLLA的结果作为最终结果。

图2 TCAM列查找示意（IBM 32 nm）

这样，TCAM的最小宽度就不必是160 bit，可以是320 bit，与之前的需要 160 bit宽度的 TCAM相比，构建相同大小的查找表，TCAM的块数可以减少一半。

TCAM的块数多少直接影响到芯片的面积大小，前面提到过TCAM本身物理的面积就比DRAM和SRAM大，此外，TCAM由于在做查找时需要把输入的内容和存储的所有条目同时作比较，会导致片上供给TCAM的电源噪声变大。为了解决这个问题，一般需要在TCAM之间插入大的片上去耦电容，再加上需要把优先级编码电路和相关的寄存器紧靠着TCAM摆放，因此需要TCAM块与块之间有一定的间隔。图3显示了在45 nm工艺下16块TCAM在硅片上的摆放面积是 3.231 5 mm2（=2.81 mm×1.15 mm），相比较于 TCAM本身的面积（1.59 mm2），大了将近一倍。所以，从这个层面上而言，构建相同大小的查找表，TCAM的块数越多越不好。

图3 片上TCAM摆放面积（2.81 mm×1.15 mm，IBM 45 nm）

此前为了解决TCAM查找结果MLL（匹配位）输出的时序问题，可行的做法是将匹配的结果先用寄存器锁存起来，再送给后续的优先级编码器。IBM 32 nm的工艺库新提供了6～64的优先级编码器硬核，可以解决时序问题。

图4显示 IBM 32 nm提供的6～64的优先级编码器硬核，输出信号 HIT表示所有 MLL[63：0]作位“或”运算之后的结果。

图4 IBM 32 nm优先级编码器硬核（IBM 32 nm）

图5（a）中显示了采用用户自己设计的6～64的优先级编码器时，必须将TCAM输出的匹配结果先用寄存器锁存一拍，然后才送给优先级编码器。图 5（b）显示，采用IBM 32 nm提供的优先级编码器硬核，可以直接把TCAM的匹配结果经过一个或者两个与门之后与优先级编码器的输入对接，优先级编码器的输出再进入寄存器锁存起来。

表1比较了两种方案所需要的资源，可以看到，TCAM的匹配结果需要的锁存寄存器可以全部节约下来，只要TCAM的深度越大，节约的寄存器就越多，以支持 16 384个 160 bit宽度的 ACL条目为例，方案（a）需要额外多出16 384个寄存器。

表1 两种方案所需要的资源比较

此外，方案（a）比方案（b）会多一级流水线的延迟。

采用图 5（b）所示的电路，可以实现 160 bit、320 bit和640 bit 3种key宽度的查找。

160 bit宽度key的查找流程如下：

（1）TCAM#0 输 出 匹 配 结 果 MLLA_0 [63：0]和MLLB_0[63：0]， 同时，TCAM#1 输出 MLLA_1[63：0]和MLLB_1[63：0]。

（2）MLLA_0[63：0]经 过 6～64 优 先 级 编码 器，输 出indexA_0[5：0]和 hitA_0（图中没有标示出来）。 同样地，对于 MLLB_0[63：0]、MLLA_1[63：0]和 MLLB_1[63：0]经过各自对应的优先级编码器， 输出 indexB_0[5：0]、indexA_1[5：0]和 indexB_1[5：0]， 以及对应的 hitB_0、hitA_1和 hitB_1。

（3）indexA_0[6：0]和 indexB_0[6：0]比较，如果 hitA_0和hitB_0二者只有一个为1，那么选择对应的index输出；如果 hitA_0和 hitB_0均为 1（表示都有匹配到），则选择indexA_0输出。当选中indexA_0时，输出indexAB_0[6：0]={indexA_0[5：0]，1′b0}， 最 低 位补0；当选中indexB_0时，输出indexAB_0 [6：0]={indexB_0[5：0]，1′b1}，最低位补1，此外还需要把 hitA_0和hitB_0作位“或”运算输出 hitAB_0。

（4）对 于 indexA_1 [6：0]和indexB_1[6：0]有同样的操作，得到结果 indexAB_1[6：0]和 hitAB_1。

（5）比 较 indexAB_0 [6：0]和indexAB_1[6：0]，操作过程类似于步骤（3）， 最 后 得 到 index160 [7：0]和hit160。

320 bit宽度key的查找流程如下：

（1）TCAM#0 输 出 匹 配 结 果MLLA_0[63：0]和 MLLB_0[63：0]， 同时 ，TCAM#1 输 出 MLLA_1[63：0]和MLLB_1[63：0]。

（2）MLLA_0[63：0]每 个 比 特 和MLLB_0[63：0]的每个对应比特位进行“与”运算，得到 MLLAB_0[63：0]，再输入到一个专门的6～64优先级编码器 ，输 出 index320_0[5：0]和 hit320_0（图中没有标示）；对于 MLLA_1[63：0]和MLLB_1[63：0]，有 同 样 的 操 作 ，把 MLLAB_1[63：0]（=MLLA_1[63：0]&MLLB_1[63：0]）输出 index320_1[5：0]和 hit320_1。

（3）比 较 index320_0[5：0]和 index320_1[5：0]， 过 程与前述类似，得到 index320[6：0]和 hit320。

640 bit宽度key的查找流程如下。

（1）将前述 320 bit宽度 key查找流程的步骤（2）得到的 MLLAB_0[63：0]和 MLLAB_1[63：0]再作一级按位“与”操作（MLLAB_0[63：0]& MLLAB_1[63：0]），结果输出到优先级编码器中，得到 index640[5：0]和 hit640。

最后还有一级多路选择器，根据全局配置，在index160[7：0]、index320[6：0]和 index640[5：0]三 者 之 间选择一个作为最终结果输出

上面设计的TCAM查找电路，与之前的设计相比，在需要同样大小的查找表情况下，TCAM的块数少一半，而且由于应用了优先级编码器硬核，可以把第一级的锁存寄存器全部省掉，此外还降低了TCAM的摆放面积和功耗。

2.2 利用TCAM的预查找功能降低查找功耗

IBM 32 nm工艺库中的TCAM为了防止查找时的瞬间功耗过大，提供了一种预查找功能。TCAM横向的块称为一个Bank，每个Bank包含128个条目，每个条目无论多少位宽，可以按照80 bit来切分，每80 bit的存储数据可以分为两级进行查找，第一级查找称为预查找，只匹配低 bit0～bit7总共 8 bit，如果这 8 bit没有匹配，则后面的72 bit就不会参与比较运算。

因此，每80 bit位中的低8 bit又可以称为预查找比特位，这个功能对于用户而言是透明的，但是需要用户精心安排数据结构，才能充分发挥这个特性，例如，把不同数据结构的标志号放在这低8 bit。

从统计学上分析，如果所有数据足够随机化，每256个条目只会有一个条目匹配，也只有这个条目的后72 bit才会参与比较，这样消耗的功耗只有原来的10%（=（256×8+72）/（256×80））。

图6 TCAM预查找功能示意（IBM 32 nm）

值得一提的是，IBM 32 nm工艺库的TCAM还同时提供功耗门控和深度休眠的方式来降低TCAM的动态功耗，前者对于使用者是透明的，后者需要设计相应的控制电路，而且从深度休眠的模式恢复到正常工作模式，至少需要100 ns的唤醒时间。

本文基于IBM 32 nm工艺库提供的TCAM和优先级编码器硬核，通过设计相应的外围电路，充分利用该TCAM的特性和硬核IP，减少所需TCAM的块数和外围寄存器的数量，节省了TCAM在硅片上的摆放面积，同时降低了TCAM的功耗。本文提到的全部设计已经在公司的第4代以太网路由交换ASIC芯片上实现。

后续的工作，将研究如何基于厂家提供的TCAM如何进一步提高TCAM的查找性能。另一方面，将研究一些性能要求不高的场合下，如何充分利用TCAM的深度休眠功能，进一步降低整个芯片的功耗。

[1]Embedded memory for Cu-32HP databook， SA15-6397-04，Revision 04[Z].2013.

[2]Embedded memory for Cu-45HP databook， SA15-6218-01，Revision 01[Z].2009.

[3]Huang Xiaohua.GAM cells and differential sense circuits for content addressable memory[P].U.S： US6744653 B1，2004-06-01.

[4]ARSOVSKI I，WISTORT R.Self-referenced sense amplifier for across-chip-variation immune sensing in high performance Content-Addresable Memories[C].Custom Integrated Circuits Conference， CICC′06， 2006：453-456.

[5]CHAO H J，LIU B.High performance switches and routers[M].John Wiley&Sons， Inc.， Publication， 2007.