7.5 KiB
tags, create time
| tags | create time | |||
|---|---|---|---|---|
|
2026-06-15 10:00 |
计算机系统结构基础与定量原理
概述
本文档覆盖计算机系统结构课程的基石内容：系统结构的定义与层次、Flynn 分类法、四大定量原理（Amdahl 定律、CPU 性能公式、以经常性事件为重点、程序局部性原理）。这些概念是后续学习流水线、Cache、指令系统等专题的理论基础。
[!tip] 考试重点 Amdahl 定律的计算题几乎每年必考，需熟练掌握公式推导和应用。Flynn 分类、系统结构定义常以选择题出现。
正文
一、计算机系统结构的定义
Amdahl 提出的经典定义：计算机系统结构是机器语言程序员所见到的计算机属性，即指令集架构（ISA）层面。
| 层次 | 程序员类型 | 所见属性 |
|---|---|---|
| 应用语言 | 应用程序员 | 应用语言虚拟机 |
| 高级语言 | 高级语言程序员 | 高级语言虚拟机 |
| 系统结构 | 机器语言程序员 | 指令集架构 ISA |
| 组成 | 逻辑设计员 | 数据通路、控制、存储接口 |
| 实现 | 硬件工程师 | 电路、芯片、工艺 |
[!question] 为什么系统结构的定义以"机器语言程序员"为基准？ 因为 ISA 是软件和硬件的分界面。机器语言程序员直接与指令集打交道，而 ISA 之上的软件可以在不同硬件实现上运行，ISA 之下的硬件变化不影响软件兼容性。
二、Flynn 分类法
按照指令流和数据流的多倍性进行分类：
| 类型 | 指令流 | 数据流 | 典型代表 |
|---|---|---|---|
| SISD | 单 | 单 | 传统单处理器 |
| SIMD | 单 | 多 | 向量处理器、GPU |
| MISD | 多 | 单 | 理论分类，无实际计算机 |
| MIMD | 多 | 多 | 多处理器、集群 |
[!note] MISD 为何不存在？ MISD 要求同一个数据被多条不同指令同时处理，这在冯·诺依曼架构下没有实际应用场景。某些容错系统（如航天计算机）被部分学者归为 MISD，但学界主流观点认为 MISD 仅为理论分类。
三、四大定量原理
3.1 以经常性事件为重点
核心思想：对经常发生的情况赋予优先的处理权和资源使用权，从而获得更大的总体改善。
[!example] 实例 CPU 中加法操作远多于除法操作，因此将加法器设计得尽可能快，比优化除法器更能提升整体性能。
3.2 Amdahl 定律
S = \frac{1}{(1-f) + \frac{f}{n}}
| 符号 | 含义 |
|---|---|
S |
系统加速比 |
f |
被改进部分在原系统中所占时间比例 |
n |
被改进部分的性能提升倍数 |
关键结论：
- 当
n \to \infty时，$S_{max} = \frac{1}{1-f}$，加速比有上限 - 系统性能受限于最慢的部件（瓶颈）
[!question] 某功能占系统时间 20%，提升 15 倍，加速比是多少？ $S = \frac{1}{0.8 + 0.2/15} = \frac{1}{0.8133} \approx 1.23$。即使将该功能提升到无限快，加速比上限也只有 $1/0.8 = 1.25$。
[!example] 综合例题：多部件同时改进
题目：某系统由三个部件组成，执行时间占比及改进方案如下：
部件 原始时间占比 改进后加速倍数 A 40% 3 倍 B 35% 2 倍 C 25% 不改进 求系统总加速比。
解题步骤：
第一步：确定各部件改进后的时间比例
改进后，各部件在总时间中的占比变为：
T_{new} = (1-f_A-f_B-f_C) + \frac{f_A}{n_A} + \frac{f_B}{n_B} + \frac{f_C}{n_C}第二步：代入数值
T_{new} = 0 + \frac{0.40}{3} + \frac{0.35}{2} + \frac{0.25}{1} = 0.1333 + 0.175 + 0.25 = 0.5583第三步：计算加速比
S = \frac{1}{T_{new}} = \frac{1}{0.5583} \approx 1.79第四步：分析——如果只改进部件 A（占比最大），加速比为 $1/(0.6+0.4/3) = 1.67$；如果只改进部件 B，加速比为 $1/(0.65+0.35/2) = 1.24$。同时改进 A 和 B 才达到 1.79，说明改进占比大且加速倍数高的部件收益最大。
3.3 CPU 性能公式
CPU 时间 = IC \times CPI \times \tau
| 符号 | 含义 | 单位 |
|---|---|---|
IC |
指令条数（Instruction Count） | 条 |
CPI |
每条指令平均时钟周期数 | 周期/条 |
\tau |
时钟周期时间 | 秒/周期 |
派生指标：
- $MIPS = \frac{f}{CPI \times 10^6}$（
f为主频，单位 Hz） - $MIPS = \frac{IC}{T \times 10^6}$（
T为执行时间，单位 秒）
[!warning] MIPS 的局限性 不同指令集的 MIPS 不可直接比较。RISC 机器 MIPS 通常高于 CISC，但不代表性能更优——RISC 需要更多指令完成同样任务。
[!example] 例题：两种方案的 CPI 与执行时间对比
题目：同一程序在两种处理器上运行，时钟频率均为 2 GHz，相关参数如下：
参数 方案 X 方案 Y 指令条数 IC 50 亿条 10 亿条 平均 CPI 1.2 5.0 哪个方案更快？快多少？
解：
方案 X：
T_X = IC \times CPI \times \tau = 5 \times 10^9 \times 1.2 \times \frac{1}{2 \times 10^9} = 3.0 \text{ 秒}方案 Y：
T_Y = 1 \times 10^9 \times 5.0 \times \frac{1}{2 \times 10^9} = 2.5 \text{ 秒}方案 Y 更快，加速比为
T_X / T_Y = 3.0 / 2.5 = 1.2倍。启示：虽然方案 X 的 CPI 只有 1.2（远低于方案 Y 的 5.0），但方案 Y 的指令条数只有方案 X 的 1/5。这说明不能只看 CPI 或 IC 单一指标，必须综合考虑三者的乘积。这也解释了为什么 CISC（IC 少但 CPI 高）和 RISC（IC 多但 CPI 低）可以达到相当的性能水平。
3.4 程序局部性原理
程序在执行时所访问的地址空间分布不是随机的，而是相对地聚集。
- 时间局部性：最近被访问的地址很可能再次被访问（如循环变量）
- 空间局部性：与当前访问地址相邻的地址很可能被访问（如数组遍历）
[!tip] 局部性原理的应用 Cache、虚拟内存、预取技术都建立在局部性原理之上。理解局部性是理解整个存储层次设计的关键。
graph LR
A["Time Locality"] --> B["Loop Variables"]
A --> C["Stack Access"]
D["Space Locality"] --> E["Array Traversal"]
D --> F["Sequential Code"]
B --> G["Cache Design"]
E --> G
四、性能评价指标汇总
| 指标 | 公式 | 适用场景 |
|---|---|---|
| 执行时间 | T = IC \times CPI \times \tau |
通用 |
| MIPS | f / (CPI \times 10^6) |
同一 ISA 比较 |
| MFLOPS | 浮点操作数 / (T \times 10^6) |
科学计算 |
| 加速比 | T_{old} / T_{new} |
优化前后对比 |
[!tip] CPU 性能公式的三因素关系 CPU 执行时间由三个因素共同决定，优化任何一个因素都能缩短执行时间，但效果取决于瓶颈所在：
graph TD
T["CPU Time"] --> IC["IC, Instruction Count"]
T --> CPI["CPI, Cycles Per Instruction"]
T --> tau["tau, Clock Period"]
IC --> C["Compiler"]
IC --> ISA["ISA Design"]
CPI --> Pipe["Pipeline"]
CPI --> Cache["Cache Hit Rate"]
tau --> Tech["Process Technology"]
tau --> Logic["Logic Design"]