浅识计算机组成与结构

计算机组成与结构初步了解

简述一

CA的边界是“程序员可见的机器属性”，其中程序员特指机器语言的程序员，如汇编语言等层面的语言。这些属性（如指令集，内存，中断等硬件层面较高的构建特性）会直接影响到程序的逻辑运行。

COD是“体系结构的逻辑实现”。其上边界是软件，下边界是硬件。逻辑实现是程序员可见的各种硬件细节如硬件层面的数据流、控制流、逻辑设计，内部个事件的控制方式，内部研究计算机构成（运算、cpu，存储等）。

区别举例：计算机是否有乘法指令是体系结构设计的问题。而这条指令是由特定的乘法单元实现，还是通过重复使用系统的加法单元来实现，则是组成的问题。

简述二

虚拟机（Virtual Machine）指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。虚拟机是软件层面上模拟的一个计算机。操作系统和各种语言结合就是虚拟机了。机器语言是软硬件的分界，而上紧接着是OS。也就是说操作系统把下面的硬件层面上的屏蔽了，其上均为软件层面。所以OS及以上均划入“虚拟机”。

简述三

虚拟化主要解决硬件资源弹性分配和整合问题。

虚拟化的原理：虚拟化有两种实现方法：1.Hypervisor和VMM。第一种是在硬件上搭建一个Hypervisor，再在其上模拟多个操作系统。第二种是实体机本身有个OS，在OS上搭建Hypervisor，在其上模拟多个虚拟机。Hypervisor是一个管理中间层软件，运行在系统和硬件之间，可以让多个OS共享一套硬件，具有管理、部署、规划虚拟机硬件的功能，且和虚拟机一起运行，并且相互不为影响。当运行时会分配给每台虚拟机指定的CPU、Memory、I/O等硬件资源，并加载Guest OS。当然，虚拟机里的操作同样也是由其来接收再转发给硬件。

容器化原理：在典型操作系统上运行一个更轻薄容器引擎，直接将应用和其依赖的内库和配置等打包封装，一起交付给用户。

两者的区别：容器技术是后于虚拟化技术出现的。如果说虚拟化技术的出现主要是为了解决硬件资源弹性调配和隔离的问题，那么容器技术解决的是应用开发、测试和部署等提升效率的问题，也就是解决软件模块封装的问题。

RISC-V

RISC-V：RISC-V(读作“RISC-FIVE”)是基于精简指令集计算(RISC)原理建立的开放指令集架构(ISA)，V表示为第五代RISC(精简指令集计算机),表示此前已经四代RISC处理器原型芯片。完全开源，免费，可以根据具体场景选择适合的指令集的指令集架构。且架构简单，易于移植，模块化设计，有完整的工具链，有社区贡献和大量的开发者贡献。

RISC-V开源实现代码链接：

1.【基于RISC-V的开源微控制器系统】：http://www.pulp-platform.org

2.【BottleRocket】：https://github.com/google/bottlerocket

3.【PicoRV32-尺寸优化的RISC-V CPU】：https://github.com/cliffordwolf/picorv32

4.【RISC-V CPU内核】：https://github.com/RoaLogic/RV12

综述

四条最新动态

1. OCP大会上，老牌电信运营商AT&T和SK都提出SDI的概念。他们使用基于英特尔至强处理器的服务器平台+开源的Linux系统，来解决传统ASIC、DSP和FPGA难以解决的灵活性问题。他们提出的SDN/NFV在灵活性和易用性上较传统网络设备有巨大的提升，而且灵活的部署扩展能力也更符合云计算时代网络快速部署和调整的需求，同时SDN/NFV的应用降低了大规模业务部署时的复杂度。从电信运营商和公有云提供商的角度来看，未来的SDN/NFV方案将由开放的x86标准服务器+开源Linux环境来构建，具有系统开源、易构建，接口标准化等特点。自从2009年英特尔推出集成内存控制器的SNB架构处理器平台后，转发等关键的网络评估性能追上了传统网络设备使用的ASIC芯片，x86的强计算能力也成为开源Linux平台的天然合作伙伴。基于开放x86标准服务器和开源Linux的平台具备了开源特性和标准接口的优势，英特尔也推出了DPDK来优化网络性能和虚拟化应用，大量网络厂商从2010年后就在这个开放开源基础平台上，来构造高性能、可编程、低成本的SDN架构。伴随x86平台的发展，业界逐渐流行使用双路至强服务器来作为SDN/NFV的平台，而从2010年到今天的6年时间里，面向企业应用领域的至强处理器系列从双路8核（双路的英特尔至强5600产品家族）快速发展到最新一代的至强处理器E5 v4的双路44核88线程的高性能计算平台。一台服务器从最初只能支持几台虚拟主机，到今天商业化的公有云平台上可以在一台物理主机上提供100台的虚拟主机，这期间，云计算的进步依赖于基于英特尔至强处理器平台的发展。

云计算带来的SDN，SDN大规模应用之一是公有云数据中心，随着公有云规模的扩张，对于SDN的需求也持续上升，虚拟主机数量今年来的增长让传统网络设备在管控上捉襟见肘。从某种角度讲，1000台以下虚拟云主机依然占据目前云计算的绝大多数，管理方便、调整灵活的x86+Linux开源平台的SDN成为这类公有云/私有云首选的网络平台。在全新的至强E5 v4平台的支持下，一台双路的物理服务器可以具备多达44核88线程（使用E5 v4 2699处理器），所支持的内存也达到了1.5TB，这就为在一台物理主机上运行超过100台虚拟主机提供了基础，那么对于大规模部署云计算的数据中心而言，SDN设备的性能和灵活性在这里就成为云计算网络是否能胜任的关键。

强调性能的NFV，SDN源于数据中心，而NFV则是由电信运营商提出的方案。电信运营商的每一次转型都带来大量的机会，今天的运营商趋向提供越来越多的网络服务，这些复杂化的网络服务需要大量的专有硬件来支撑，但是随着网络服务的细分和变化，传统的网络硬件设备带来了大量设备投入，背后是资本和能耗的挑战，可是用户端的驱动模式随时会带来新的应用，显然这不是一个单纯依靠硬件就能完成的任务。NFV就是用标准计算平台的虚拟化网络技术来解决多种网络应用如何融合数据中心的技术，利用高性能的x86服务器、交换机等数据中心的设备，使用开源软件自定义网络功能，应用于数据业务应用。在基于最新的英特尔至强处理器E5 v4产品的服务器平台中，利用DPDK技术，可以提供25倍于上一代x86数据包处理能力，而这一切都是免费、开源的，全面支持虚拟化应用。同传统软件供应商习惯于用软件来解决一切问题不同，英特尔更擅长将软硬件统筹考虑，硬件擅长的事情移交给硬件完成，而软件只需要使用一个API来驱动硬件设备接口，这就是软件定义，硬件加速的原力。相比SDN的高度灵活和可管理特性，NFV则更看重性能和应用能力。

SDN对设备硬件需求较低，往往配备单块10Gb网卡就可以满足需求；而NFV承载着运营商的业务，对计算性能、内存容量，特别是网络吞吐能力都有极高的要求，现在电信运行商业务中的NFV设备往往都有4块以上的10Gb网卡捆绑在一起，甚至有运营商在积极推动100Gb网卡在NFV设备中的应用，而这些都是英特尔至强E5 v4 + DPDK大展身手的领域。

当云计算基于开放的x86+开源的系统，在软、硬件一体化应用的道路上提供了Hybrid模式的时候，软件定义、硬件驱动的云计算新时代就揭开了新的篇章。

2.软件定义卫星硬件模块化设计研究 :软件定义卫星是以软件为手段,将传统卫星上由分系统实现的通信、载荷等功能软件化,便于通过软件实现卫星的在轨重构,适应不同的任务需求。软件定义卫星的设计理念是将卫星硬件和卫星软件剥离。设计模块化的卫星硬件,可以有助于实现软件定义卫星的快速集成与装配,为卫星的产品模块化生产、灵活性配置、快速响应任务需求和软件升级提供支撑。针对软件定义卫星的特点,首先对卫星硬件开展了模块化功能分解设计,并在此基础上对卫星硬件必备的结构和电子学进行了模块化设计研究.

3.软件定义有线通信系统的硬件电路设计 :为了适应部队信息化的通信需求,在分析有线通信系统组成的基础上,设计了有线通信系统的硬件电路。硬件电路主要包括协议处理、调制解调、模数转换、功率放大和接收检测等功能部分。通过软件验证表明该电路可满足有线通信的要求,该硬件电路通过搭载不同的软件可实现灵活、多样的有线通信系统.

4 .基于 FPGA的软件定义协议无关解析器 :随着信息技术的繁荣发展，着各种功能的异构网络层出不穷，异构融合网络成为下一代网络发展的必然趋势。实现异构网络之间的通信，网络转发设备必不可少。传统的转发设备仅支持固定的协议配置，缺乏可扩展性，无法支持新的网络协议。针对这种情况，提出了一种基于FPGA的软件定义协议无关解析器，通过软件定义解析流程，给予解析器灵活可编程的特性，无须对硬件设备进行更改即可完成对多种协议数据包的解析并提取出数据包转发所需的关键信息。通过高性能FPGA平台对解析器进行了实现，并进行了硬件资源开销和性能的评估。实验结果表明，可以完成多种异构网络协议的快速解析，得到完整的解析数据.

综述二

按照摩尔定律,当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。换言之，每一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上。这一定律揭示了信息技术进步的速度。但是随着发展,cpu的性能也逐渐到达瓶颈,集成电路规模会达到极限,即便现在的芯片已经达到nm级别,但是工艺已经趋于极限,未来提升的空间有限.设计人员无法再创造出可以实现更高指令级并行性的CPU架构，晶体管数每年增长50%，但CPU的性能每年仅增长10%。我认为相比较于cpu,未来的应用场景应该更多在于GPU.2017年,NVIDIA发布了Tesla V100计算卡，单卡可提供120 TFLOPS的Tensor性能，而在每个SXM2格式上由8块Telsa V100组成，提供960 TFLOPS Tensor计算性能，利用到NVIDIA NVLink高速互联技术建立混合型立体网格架构,用这样的一台服务器就可以替换掉160台双路CPU的服务器或者4个机架，每台V100服务器相比同等性能的CPU服务器可节省约50万美元.CPU的计算能力发展到今天，进步的速度逐步放慢是必然的, 此时GPU强大的并行计算能力就逐渐显现出来了,GPU发展可以弥补CPU的不足，加强高强度计算负载，是面向AI等未来应用场景最理想的方案。而且芯片国产化的出现将成为我国云计算突破的契机,在云计算时代都是由大量地段x86服务器堆积而成,不再追求单个CPU计算速度.而且随着自主可控市场成熟,国产芯片,云计算,高性能计算必然走向一体化.

随着AI计算的发展，新的架构会被设计出来，传统的冯诺依曼会受到挑战，图灵架构同样如此．新的模拟计算机(神经形态)快速的进步,芯片上的神经网络也发展迅速.随着新神经网络的成熟，每个人都会认同可编程性和灵活性的重要性。神经元计算会成为主流.

未来的芯片,我觉得GPU的发展前景优于CPU.且随着AI的发展会出现新的架构方式,可能取代传统的冯诺依曼和图灵架构.神经网络的神经元计算可能发展成为主流,不再单纯依赖于CPU,而是快速发展GPU,并行计算.云计算的出现,也进一步摆脱了对CPU的依赖,大量低端服务器的堆积同样可以处理大量数据.目前芯片的国产化,降低了芯片成本,所以我觉得近几年以云计算,大数据发展为趋势.