笔记_计算机组成与设计05

1.61性能的定义

在场景和需求不同时，衡量计算机性能的指标也不同。

我们可以从从吞吐量和响应速度来衡量计算机性能。

本书将计算机的性能比值定义为两计算机执行程序时间的反比。

 

1.62性能的度量

探寻程序运行效率瓶颈时，执行时间可以分为多个部分，如CPU执行时间，I/O系统执行时间，等等。本书会将视角聚焦在CPU执行时间中，细分下去，CPU执行时间可以分为，用户程序使用的时间和程序调用的操作系统运行时间，即用户时间和，系统时间。

CPU的运行效率与其CPU频率（时钟频率）紧密相关，一般单位为每秒百万次

1.7功耗墙

为了提升程序运行速度，最直接的方式就是提高时钟频率（计算机行业的增长和基础指令数的增长是分不开的）

从04年开始，高速增长的intel CPU时钟频率和功率同时停止了增长。

这意味着：我们已经无法冷却如此高频率的CPU运行带来的功耗。（为了防止CPU损坏，温度升高后，功耗墙会限制CPU功率，部分CPU温度较低时采用较高的CPU频率）

散热成了运行仓储式计算机的最大开销！

为了降低CPU功耗我们已经将CPU电压从5V逐步降低到了1V。电压过低，泄露电压的危害越大，这暂时阻止了从这一途径提升CPU性能

1.8多核 CPU

从06年开始，多核CPU被广泛使用。

这对于程序编写是一次革命性的颠覆。并行成为了重要概念。如何拆分任务，尽量平分任务成了程序编写中极其重要的一点。

1.9CPU评测程序

为了测量CPU性能，人们创立了基准测量程序，由一系列不同程序组成，选取CPU运行时的经常性事件，在基准程序中分配好其比例是保证基准程序有效的必须要求。（也就是跑分）。除此之外，还可以直接用高负荷程序来观测CPU运行情况。（例如游戏实测）

衡量不同负荷下的CPU功耗对预测CPU表现也十分有用。（通常表现为测温度，对于个人计算机，温度与用户使用体验息息相关）

1.10 python程序优化

本书将逐步将用python书写的960*960矩阵从五分钟优化到一秒，提升近50000倍。

第二章，转C，200倍

数据并行，8倍

指令并行，2倍

第五章，存储结构优化，1.5倍

第六章，线程级并行，15倍

（我们可以在pyhton中调用高度优化numpy库来优化为一秒，python的性能高度依赖与程序调用库的质量）