冯诺依曼计算机体系
冯诺依曼计算机体系分五个单元模块：控制器单元，运算器单元，存储单元，输入单元，输出单元。
- 运算器单元 ： 包含算术逻辑单元ALU和 处理器寄存器PR，主要负责各种算数和逻辑的运算。
- 控制器单元： 包含指令寄存器 IR 和程序计数器PC ，主要负责程序的流程控制和不同条件下的跳转。
处理器单元 和控制器单元 共同组成了CPU。
- 存储单元 ：分内，外部存储，内部存储可用来存数据和指令的，外部存储像硬盘之类的。
- 输入/输出设备：像显示器或者键盘，鼠标之类的。
计算机的指标—性能
我们经常说给计算机更新硬件性能就上去了，你这个程序需要提升下性能不然太慢。其中这个性能到底是指什么？ 学计算机组成原理是分析计算机的怎么运行，以及为什么这么运行，如果知道“为什么”则就是提升性能的关键。其中计算机性能包括了两个概念：响应时间和吞吐量
响应时间：就是一个程序运行所需要的时间，所需要时间越少性能越高。 吞吐量：在一定的时间范围内，计算机处理多少数据或者所执行多少指令。多核CPU就是提高吞吐量的一种方式。
性能 = 1/ 响应时间
从公式上看，程序相应的时间越短说明计算机的性能越高。但是对于程序的相应时间该如何去计算？
程序的CPU响应时间
程序的响应时间不能单纯的记录程序开始时间和结束时间的时间差，下面有个例子可以说明这个问题
1
2
3
4
5
6
7
$ time seq 1000000 | wc -l
1000000
real 0m0.101s
user 0m0.031s
sys 0m0.016s
- real 是这个程序实际用时
- user 是cpu运行程序时候 在用户态运行指令的时间
- sys 是cpu运行程序时候，在内核态运行指令的时间
这个程序实际花费cpu执行时间是user + sys。之所以比real小，那是因为同一时间计算机运行多个程序，cpu会不停的在程序间切换，包括有的程序运行时候需要从网络，硬盘中读取数据等等。 所以想要统计一个程序实际性能，这些时间都要给去掉。
即便通过上面拿到了CPU运行时间，也可能因为因为超频和降频，导致CPU执行时间不准确。同时时间上也会受到主板或者内存的硬件影响，所以会对时间进行更细致的拆分。
程序的CPU执行是时间 = CPU时钟周期数 * 时钟周期时间
先解释几个概念：
什么是时钟周期时间？
一个计算机主频是2.3GHz，意思就是CPU在一秒内可已完成2.3 * 10^9个周期，1 / CPU主频 = 时钟周期时间。
什么是晶体振荡器？
类似石英表，CPU中有晶体振荡器当做内部的电子表用，一个晶振震荡一次就是一个时钟周期时间
提升时钟周期时间，也就是提高了主频，不过这个我们程序员是干不了的，只能靠制造CPU的相关科研人员，所以我们把目光锁定到CPU时钟周期数，我们把它给再次细化下。
CPU时钟周期数 = 指令数 * 每条指令的平均时钟周期数 (CPI)
CPU中执行指令并不是一个时钟周期执行一条，指令有简单有复杂，例如乘法的指令周期数就会比加法的指令周期数多。指令数的多少也同样影响CPU的执行时间，其实我们优化程序时，在编译器中就是优化指令的条数。
最终在拆分完后公式就变成如下：
程序的CPU执行时间 = 指令数 * 每条指令的平均时钟周期数 (CPI) * 时钟周期时间
具体我们所说的解决性能问题也就是优化公式中这三个参数。至于如何优化就要通过后面的学习来进行知识补充了，比如CPI的优化，就是CPU通过流水线方式减少时钟周期数。
计算机的指标—功耗
CPU被称为超大规模集成电路，这些电路都是由一个个晶体管组成。CPU在计算就是让晶体管里面“开关”不断地“开启”和“闭合”。
CPU的功耗公式：
功耗 ~= 1/2 * 负载电容 * 电压的平方 * 开关频率 * 晶体管数量
CPU如果提升主频（就是让晶体管“开启”和“闭合”速度加快）就会提高功耗，带来散热和耗电的问题。
如果选择提高CPU的尺寸大小由此可以塞入更多的晶体管也是行不通的，因为CPU尺寸越大，电信号传播的事件就会越长反而会影响CPU的速度。
CPU里如果不断的增加晶体管数量，减少晶体管的体积，会导致CPU功耗增加，导致CPU散热跟不上。
选择降低电压也是不错的选择，电压如果下降1/5整个功耗就会下降1/25。但由于这些晶体管都是有电阻的所以电压也不可能无限下降，最终会被限制带一定的范围值。
控制功耗就是调整公式中的参数达到一个平衡。
并行优化
过去的20年 虽然CPU性能有所提升，但是从上个世纪九十年代到本世纪初，通过提升CPU主频已经比较难去实现性能提升了，开始推出多核的概念。通过提升吞吐性 而不是响应时间来达到目的 对于一个程序进行优化之后，处理器并行运算之后效率提升的情况。
基本上就是分而自治，最后结果汇总，通过并行来提高性能，不过需要注意的是，1）这个任务是可以进行并行计算的。2）在最后“汇总”的时候是没法并行的，需要一步步来。这就引出了我们在进行性能优化中，常常用到的一个经验定律，阿姆达尔定律（Amdahl’s Law）。这个定律说的就是，对于一个程序进行优化之后，处理器并行运算之后效率提升的情况
优化的执行时间 = 受影响的执行时间/ 加速倍速 + 不受影响的执行时间。
阿姆达尔定律
简单来说就是为系统的某个部分加速，对系统整体的性能影响取决于这个部分加速的程度和重要性。
\[T_{new} = (1 - α)T_{old} + (αT_{old}) / k \\ = T_{old}[(1 - α) + α/k]\]- 系统执行应用程序时间是$T_{old}$
- 系统某部分执行时间与总时间的比例是α
- 该部分性能提升的比例k
- 该部分原本所要的时间 $αT_{old}$
- 该部分现在所要的事件 $(αT_{old} ) / k$
最终结论是:
\[S_{加速比} = \frac{T_{old}}{T_{new}} = \frac{1} {(1 - α) + α / k}\]资料引用
- 深入浅出计算机组成原理
- 《深入理解计算机系统》
