• 現(xiàn)代計算機系統(tǒng)
• 存儲器
• 寄存器
• CPU時鐘周期
• 高速緩存
• 主存
• 固態(tài)硬盤
• 機械硬盤
• 壓榨CPU性能帶來的問題

有序性問題

可見性問題

原子性問題

現(xiàn)代計算機系統(tǒng)

現(xiàn)代計算機系統(tǒng)與馮·諾依曼計算機差別不大，最大的區(qū)別馮·諾依曼計算機 是 以運算器為中心的，而現(xiàn)代計算機 以儲存器為中心：

我們主要來看一下其中與儲存相關的組件：

存儲器

存儲器是用來存放數(shù)據(jù)和程序。存儲器 包含主存和輔存

• 主存：直接與CPU交換信息，就是我們熟悉的內(nèi)存。斷電后內(nèi)存的數(shù)據(jù)是會丟失的
• 輔存：輔存可作為主存的后備存儲器，不直接與CPU交換信息，容量比主存大，但速度比主存慢。比如機械硬盤、固態(tài)硬盤等。斷電后硬盤的數(shù)據(jù)是不會丟失，硬盤是持久化存儲設備。
• 輔存、輸入設備、輸出設備 統(tǒng)稱為IO設備；主機一般包含：CPU、主存

我們先來看看存儲器的層次結(jié)構(gòu)，來初步對各個儲存器部件有所認識

我們可以發(fā)現(xiàn)存儲器速度越快的話，相應的價格也會越發(fā)昂貴！

寄存器

CPU中 還有一個常見的組件: 寄存器，是CPU內(nèi)部用來存放數(shù)據(jù)的一些小型的存儲區(qū)域，用來暫時存放參與運算的數(shù)據(jù)以及運算結(jié)果。寄存器由電子線路組成，存取速度非常快，寄存器的成本較高，因而數(shù)量較少。

CPU時鐘周期

CPU時鐘周期：通常為節(jié)拍脈沖或T周期，即主頻的倒數(shù)，它是CPU中基本時間單位。平時我們打游戲常說的超頻，超的就是這個CPU主頻。

舉個例子，主頻為3.0GHZ的CPU，一個時鐘周期大約是0.3納秒，內(nèi)存訪問大約需要120納秒，固態(tài)硬盤訪問大約需要50-150微秒，機械硬盤訪問大約需要1-10毫秒，最后網(wǎng)絡訪問最慢，得幾十毫秒左右。

這個大家可能對時間不怎么敏感，那如果我們把一個時鐘周期如果按1秒算的話，內(nèi)存訪問大約就是6分鐘 ，固態(tài)硬盤大約是2-6天 ，傳統(tǒng)硬盤大約是1-12個月，網(wǎng)絡訪問就得幾年了！我們可以發(fā)現(xiàn)CPU的速度和內(nèi)存等存儲器的速度，完全不是一個量級上的。

高速緩存

為了彌補 CPU 與內(nèi)存兩者之間的性能差異，就在 CPU 內(nèi)部引入了 CPU Cache，也稱高速緩存。CPU Cache用的是 SRAM(Static Random-Access Memory)的芯片，也叫靜態(tài)隨機存儲器。其只要有電，數(shù)據(jù)就可以保持存在，而一旦斷電，數(shù)據(jù)就會丟失。

CPU Cache 通常分為大小不等的三級緩存，分別是 L1 Cache、L2 Cache 和 L3 Cache

我們可以發(fā)現(xiàn)越靠近 CPU 核心的緩存其訪問速度越快。

程序執(zhí)行時，會先將內(nèi)存中的數(shù)據(jù)加載到共享的 L3 Cache 中，再加載到每個核心獨有的 L2 Cache，最后 進入到最快的 L1 Cache，之后才會被 CPU 讀取。層級關系如下圖：

主存

主存，直接與CPU交換信息，就是我們熟悉的內(nèi)存。它使用的是一種叫作 DRAM(Dynamic Random Access Memory)的芯片，也叫動態(tài)隨機存取存儲器。斷電后內(nèi)存的數(shù)據(jù)是會丟失。DRAM 芯片的密度更高，功耗更低，有更大的容量，造價比 SRAM 芯片便宜很多，但速度比SRAM 芯片慢的多。

內(nèi)存速度大概在 200~300 個 時鐘周期之間

固態(tài)硬盤

固體硬盤(Solid-state Disk, SSD)，數(shù)據(jù)直接存在閃存顆粒中，并且由主控單元記錄數(shù)據(jù)存儲位置和數(shù)據(jù)操作，每一個閃存顆粒的存儲容量是有限的;

但是它相比內(nèi)存的優(yōu)點是斷電后數(shù)據(jù)還是存在的，SSD固體硬盤的讀寫速度雖然比內(nèi)存的大概慢10~1000 倍，但比機械硬盤快多了，當然價格也昂貴很多。不過隨著時代的發(fā)展，固態(tài)硬盤的價格慢慢趨向接近機械硬盤。

機械硬盤

機械硬盤（_Hard Disk Drive, HDD_），它是通過物理讀寫的方式來訪問數(shù)據(jù)的，機械硬盤在盤面上寫數(shù)據(jù)、磁盤轉(zhuǎn)動，機械臂移動，比較原始的數(shù)據(jù)讀寫方式，就像近現(xiàn)代的留聲機發(fā)聲原理一樣。

由于受限于轉(zhuǎn)盤轉(zhuǎn)速與指針尋址的時間限制，因此它訪問速度是非常慢的，它的速度比內(nèi)存慢 10W 倍左右。當然機械硬盤也是有其優(yōu)點的：容量大，價格便宜，恢復數(shù)據(jù)難度低，因此數(shù)據(jù)放在機械硬盤中比較保險。

壓榨CPU性能帶來的問題

由于CPU速度非常快，且價格非常昂貴，我們必須得充分壓榨CPU,得像生產(chǎn)隊的驢一樣，讓它不停地工作。

為了合理利用 CPU 的高性能，同時盡可能地節(jié)約成本，現(xiàn)代計算機將這些儲存器充分的結(jié)合起來，由于這些硬件的數(shù)據(jù)存取速度差異導致了計算機系統(tǒng)編程中的各種問題：

有序性問題

為了充分壓榨CPU的性能，CPU 會對指令亂序執(zhí)行或者語言的編譯器會指令重排，讓CPU一直工作不停歇，但同時會導致有序性問題。

在CPU中為了能夠讓指令的執(zhí)行盡可能地同時運行起來，采用了指令流水線。一個 CPU 指令的執(zhí)行過程可以分成 4 個階段：取指、譯碼、執(zhí)行、寫回。這 4 個階段分別由 4 個獨立物理執(zhí)行單元來完成。

理想的情況是：指令之間無依賴，可以使流水線的并行度最大化。但是如果兩條指令的前后存在依賴關系，比如數(shù)據(jù)依賴，控制依賴等，此時后一條語句就必需等到前一條指令完成后，才能開始。所以CPU為了提高流水線的運行效率，對無依賴的前后指令做適當?shù)膩y序和調(diào)度。

還有一種情況編譯器會指令重排，比如java語言，JVM 的編譯器會對其指令進行重排序的優(yōu)化（指令重排）。

所謂指令重排是指在不改變原語義的情況下，通過調(diào)整指令的執(zhí)行順序讓程序運行的更快。JVM中并沒有規(guī)定編譯器優(yōu)化相關的內(nèi)容，也就是說JVM可以自由的進行指令重排序的優(yōu)化。

無論是編譯期的指令重排還是CPU 的亂序執(zhí)行，主要都是為了讓 CPU 內(nèi)部的指令流水線可以“填滿”，提高指令執(zhí)行的并行度，充分利用CPU的高性能。

可見性問題

為了平衡CPU的寄存器和內(nèi)存的速度差異，計算機的CPU 增加了高速緩存，但同時導致了 可見性問題。我們知道當程序執(zhí)行時，一般CPU會去從內(nèi)存中讀取數(shù)據(jù)，來進行計算。CPU計算完之后，需要把數(shù)據(jù)重新放回到內(nèi)存中。

當CPU的多個核心參與一個程序的運行，從內(nèi)存中讀取一個共享變量的數(shù)據(jù)，當不同核心間進行了各自的計算，把計算后的值放入自己的緩存中而不選擇立即寫入內(nèi)存中（CPU寫入內(nèi)存的時機是不確定的）。那么在CPU的緩存中，這個共享變量有可能存放著不同的數(shù)據(jù)，這就導致了緩存的可見性問題。即一個線程對數(shù)據(jù)的修改無法對其他線程可見。

原子性問題

為了平衡CPU 與 I/O 設備的速度差異，操作系統(tǒng)增加了進程、線程概念，以分時復用 CPU，但同時導致了原子性問題。

原子操作就是不可分割的操作，在計算機中，就是指不會因為線程調(diào)度被打斷的操作。

當一個程序去I/O 設備讀取數(shù)據(jù)， 由于I/O 設備數(shù)據(jù)存入讀取速度，相比于CPU的執(zhí)行速度來說度日如年，CPU這么牛逼這么昂貴的寶貝，怎么能讓它歇著，得讓它一直干活，去切換執(zhí)行其他程序。也就是將CPU的時間進行分片，讓各個程序在CPU上輪轉(zhuǎn)執(zhí)行。但被剝奪執(zhí)行權(quán)的程序，等它從IO讀取完數(shù)據(jù)后，還是得讓CPU繼續(xù)執(zhí)行的，這時需要一個數(shù)據(jù)結(jié)構(gòu)來保存，以便之后恢復繼續(xù)執(zhí)行，這個就是進程。

一開始進程中 只有一個"執(zhí)行流"，干活的人就一個。隨著任務越來越多，發(fā)現(xiàn)進程不夠用了，經(jīng)常導致整個程序被阻塞，這時計算機讓進程有多個執(zhí)行流，干活的人變多了，那程序就不會再被阻塞了，"執(zhí)行流" 就是線程。

如何解決這3個問題，就是并發(fā)、多線程需要處理的事，當然這是后話。

參考資料：

• 《深入理解計算機系統(tǒng)》
• 《計算機組成原理》
• 《計算機組成原理》--唐朔飛
• https://zhuanlan.zhihu.com/p/379947484

本文轉(zhuǎn)載自微信公眾號「 小牛呼嚕嚕」，作者「小牛呼嚕嚕」，可以通過以下二維碼關注。

轉(zhuǎn)載本文請聯(lián)系「 小牛呼嚕嚕」公眾號。