计算机组成原理笔记

计算机组成原理笔记

ch01 冯·诺依曼体系结构

计算机基本硬件组成：

• CPU
• Memory
• Mother Board
  • Chipset
    • SouthBridge 控制 CPU 和外部 I/O 设备的通信
    • NorthBridge 控制 CPU 和内存、显卡的通信，但实际已不存在了，在 CPU 内部实现
  • Bus
• I/O 设备：显示器，鼠标、键盘
• Graphic Card
• GPU
• 硬盘

冯·诺依曼体系结构：

计算机的抽象概念，也叫存储程序计算机。

• 可编程。计算器是不可编程的，因为在硬件层面写死了逻辑。
• 存储

First Draft 描述的计算机结构：

• Processing Unit 处理器单元
  • ALC(Arithmetic Logic Unit) 算数逻辑单元
  • Processor Register 处理器寄存器
• Control Unit 控制器单元
• Instruction Register 指令寄存器
• Program Counter 程序计数器
• 内存
• 外部存储
• 输入输出设备 网卡既是输入设备又是输出设备

任何一台计算机的任何一个部件都可以归到运算器、控制器、存储器、输入设备和输出设备中，而所有的现代计算机也都是基于这个基础架构来设计开发的。

所有的计算机程序，也都可以抽象为从输入设备读取输入信息，通过运算器和控制器来执行存储在存储器里的程序，最终把结果输出到输出设备中。而我们所有撰写的无论高级还是低级语言的程序，也都是基于这样一个抽象框架来进行运作的

冯·诺依曼体系结构确立了计算机硬件的基础架构。

ch03 性能是什么

• Response time
• Throughput/Bandwidth

Linux 下有一个叫 time 的命令，它会返回三个值，第一个是 real time，也就是我们说的 Wall Clock Time，也就是运行程序整个过程中流逝掉的时间；第二个是 user time，也就是 CPU 在运行你的程序，在用户态运行指令的时间；第三个是 sys time，是 CPU 在运行你的程序，在操作系统内核里运行指令的时间。而程序实际花费的 CPU 执行时间（CPU Time），就是 user time 加上 sys time。程序实际占用的 CPU 时间一般比 Elapsed Time 要少不少。

即使我们已经拿到了 CPU 时间，我们也不一定可以直接“比较”出两个程序的性能差异。即使在同一台计算机上，CPU 可能满载运行也可能降频运行，降频运行的时候自然花的时间会多一些。除了 CPU 之外，时间这个性能指标还会受到主板、内存这些其他相关硬件的影响。

程序的 CPU 执行时间 = 指令数×CPI×Clock Cycle Time

想要解决性能问题，其实就是要优化这三者。

• 时钟周期时间，就是计算机主频，这个取决于计算机硬件。我们所熟知的摩尔定律就一直在不停地提高我们计算机的主频。比如说，我最早使用的 80386 主频只有 33MHz，现在手头的笔记本电脑就有 2.8GHz，在主频层面，就提升了将近 100 倍。
• 每条指令的平均时钟周期数 CPI，就是一条指令到底需要多少 CPU Cycle。在后面讲解 CPU 结构的时候，我们会看到，现代的 CPU 通过流水线技术（Pipeline），让一条指令需要的 CPU Cycle 尽可能地少。因此，对于 CPI 的优化，也是计算机组成和体系结构中的重要一环。
• 指令数，代表执行我们的程序到底需要多少条指令、用哪些指令。这个很多时候就把挑战交给了编译器。同样的代码，编译成计算机指令时候，就有各种不同的表示方式

ch04 功耗

想要计算得快，一方面，我们要在 CPU 里，同样的面积里面，多放一些晶体管，也就是增加密度；另一方面，我们要让晶体管“打开”和“关闭”得更快一点，也就是提升主频。而这两者，都会增加功耗，带来耗电和散热的问题。

一个 CPU 的功率，可以用这样一个公式来表示：功耗 ~= 1/2 ×负载电容×电压的平方×开关频率×晶体管数量

从奔腾 4 开始，Intel 意识到通过提升主频比较“难”去实现性能提升，边开始推出 Core Duo 这样的多核 CPU，通过提升“吞吐率”而不是“响应时间”，来达到目的。

阿姆达尔定律：优化后的执行时间 = 受优化影响的执行时间 / 加速倍数 + 不受影响的执行时间

在“摩尔定律”和“并行计算”之外，在整个计算机组成层面，还有这样几个原则性的性能提升方法。

• 加速大概率事件。最典型的就是，过去几年流行的深度学习，整个计算过程中，99% 都是向量和矩阵计算，于是，工程师们通过用 GPU 替代 CPU，大幅度提升了深度学习的模型训练过程。本来一个 CPU 需要跑几小时甚至几天的程序，GPU 只需要几分钟就好了。Google 更是不满足于 GPU 的性能，进一步地推出了 TPU。
• 通过流水线提高性能。现代的工厂里的生产线叫“流水线”。我们可以把装配 iPhone 这样的任务拆分成一个个细分的任务，让每个人都只需要处理一道工序，最大化整个工厂的生产效率。类似的，我们的 CPU 其实就是一个“运算工厂”。我们把 CPU 指令执行的过程进行拆分，细化运行，也是现代 CPU 在主频没有办法提升那么多的情况下，性能仍然可以得到提升的重要原因之一。
• 通过预测提高性能。通过预先猜测下一步该干什么，而不是等上一步运行的结果，提前进行运算，也是让程序跑得更快一点的办法。典型的例子就是在一个循环访问数组的时候，凭经验，你也会猜到下一步我们会访问数组的下一项。后面要讲的“分支和冒险”、“局部性原理”这些 CPU 和存储系统设计方法，其实都是在利用我们对于未来的“预测”，提前进行相应的操作，来提升我们的程序性能。

ch05 指令

计算机指令集 Instruction Set

// test.c
int main()
{
  int a = 1; 
  int b = 2; 
  a = a + b;
}

gcc -g -c test.c
objdump -disassemble -source test.o

gcc -g 表示创建符号表，关闭优化，保留源码信息，-c 表示生成中间文件。
objdump 用于反汇编

ch06 指令跳转