如何提高 CPU 的性能

上节接 我们通常所说的 CPU 性能是什么

 

实际情况下主频越大，性能并不一定越高：例如基于奔腾 4 的2.4GHZ处理器的性能和基于奔腾 3 的 1.6GHZ 处理器的性能差不多。

为什么？： 功耗问题

 

我们平时所说的 CPU通常被叫做 超大规模集成电路（very large scale intergration (VLSI)），这些电路实际上由一个个的晶体管组合而成，CPU 的计算，其实就是把晶体管的‘开关’不停的打开或者关闭，组合的完成各种计算或者功能。

 

如果想要提升性能：

1. 增加晶体管的密度，多放一些晶体管
2. 加快晶体管‘开关’的速度，即提升主频

以上两者都会带来耗电和发热的问题。

 

 

可以把 CPU 想象成一个工厂，晶体管就是工程中的工人，如果想要提升 CPU 性能，需要：

1. 提升工厂内的工人的密度，这样工人在协作的时候走的路越少，类比 CPU 中的晶体管的密度，缩短电信号的传播时间
2. 提升工人的工作速度，类比 CPU 中的晶体管的‘开关’时间
3. 缩小晶体管的体积，这样在同样大小的 CPU 中可以放置更多的晶体管，

这就是我们平时所说的提升 制程 （从 24nm 到 7nm）

 

• 但是工作的更快或者密度加大都会产生更多的热量，散热问题就出现了，我们可以通过 涂抹硅脂，或者风冷或者水冷来解决部分的散热问题。但是不能彻底的解决完毕。
• CPU 中的晶体管的数量也不能无限的增加

 

 

 

并行优化， 理解阿姆达尔定律：

制程的优化毕竟是有限的，可以通过另一种方式来进一步的提升 CPU 的性能：

即 并行优化

 

搬运一定量的货物，不考虑其他因素，一个人搬肯定比两个人搬的要慢

所以对比到 CPU 就出现了多核 CPU。

举个例子：

计算向量的点积：A = [a1, a2, a3, a4, …] B = [b1, b2, b3, b4, …]

C = a1 * b1 + a2 * b2 + a3 * b3 + a4 * b4 + …

如果我们把这个式子分给多个人做，一个人做其中的一部分，就会有效的提升计算效率

在这个例子中，大部分的计算是会受到优化影响的，但是有的地方就不会，例如，我把这个式子分成四分给不同的 CPU 进行计算，各自计算的结果的汇总相加就需要一个 CPU 做。

所以，如果想要实现并行优化，就需要满足这些条件：

1. 需要进行的计算可以分为多个可以并行执行的任务，不会影响最终的结果
2. 需要能够分解好问题并且能汇总到一块。
3. 在汇总的阶段是没有办法并行的，还是得串行的执行。

 

阿姆达尔定律就是，在一个程序优化之后，处理器并行运行之后效率提升的情况。

优化后的执行时间 = 可以被优化的部分执行时间 / 优化的倍数 + 不可以被优化的时间

 

这种并行优化也是有瓶颈的，加入一个程序的可被优化部分执行时间为100ms, 不可被优化部分的执行时间为 20ms,

x为优化的倍数，y为优化后的执行时间

可见在后期增加优化倍数之后得到的收益并不大，甚至收益小于优化并行的成本。

 

 

 

后期会学习的提升性能的方法：

1. 使用 GPU，GPU 可以大大的提高程序执行的效率
2. 通过流水线提高性能，但是流水线也会有瓶颈，也会有缺点
3. 通过预测来决定下一步的走向，而不是真正的等待上一步指令结束之后的结果