大家好我是jiantaoyab,这是我参考网上很多博主写的文章,所总结作为学习的笔记,在这里分享给大家,还有一些书籍《深入理解计算机系统》《计算机组成：结构化方法》《计算机体系结构：量化研究方法》

什么是性能呢？

在日常的生活中，我们常常提到性能，买手机或者是电脑，我们都想在合适的价格下买到性能最好的，那究竟什么是性能呢？

性能是时间的倒数

计算机的性能，其实和我们干体力劳动很像，好比是我们要搬东西。对于计算机的性能，我们需要有个标准来衡量。这个标准中主要有两个指标。

• 响应时间（Response time）或者叫执行时间（Execution time）。想要提升响应时间这个性能指标，你可以理解为让计算机“跑得更快”

• 吞吐率（Throughput）或者带宽（Bandwidth），想要提升这个指标，你可以理解为让计算机“搬得更多”

所以，响应时间指的就是，我们执行一个程序，到底需要花多少时间。花的时间越少，自然性能就越好。而吞吐率是指我们在一定的时间范围内，到底能处理多少事情。这里的“事情”，在计算机里就是处理的数据或者执行的程序指令。

和搬东西来做对比，如果我们的响应时间短，跑得快，我们可以来回多跑几趟多搬几趟。所以说，缩短程序的响应时间，一般来说都会提升吞吐率。

当然我们还可以多找一些人来搬东西，于是就有了8核，16核的出现。人多力量大，同时处理数据，在单位时间内就可以处理更多数据，吞吐率自然也就上去了

一般的把性能定义成响应时间的倒数
$$性能=1/响应时间$$

这样一来，我们只要缩短响应的时间，行能的数值就越大

计算机的计时单位：CPU 时钟

现实的时间中，我们可以用时间来衡量性能的指标，但是在计算机中，我们每次运行用一个程序的时间都是不相同的，为什么会不同呢？

在计算机中，们统计时间是用类似于“掐秒表”一样，记录程序运行结束的时间减去程序开始运行的时间。这个时间也叫 Wall Clock Time 或者 Elapsed Time，就是在运行程序期间，挂在墙上的钟走掉的时间。

但是我们的计算机是会同时运行着多个程序，CPU是在不同的程序间去切换，不过速度太快我们肉眼看不出，CPU每次切换就会跑掉一部分的时间，并且有些程序在运行的时候，可能要从网络、硬盘去读取数据，要等网络和硬盘把数据读出来，给到内存和 CPU。所以说，要想准确统计某个程序运行时间，进而去比较两个程序的实际性能，我不能用时间作为指标

在Linux下，我们能用运行time 命令。它会返回三个值，第一是realtime，也就是我们说的 Wall Clock Time，也就是运行程序整个过程中流逝掉的时间；第二个是user time，也就是 CPU 在运行你的程序，在用户态运行指令的时间；第三个是sys time，是 CPU 在运行你的程序，在操作系统内核里运行指令的时间。而程序实际花费的 CPU 执行时间（CPU Time），就是 user time 加上 sys time。

实际上用的时间是0.015s，但是CPU time 是 0.020 + 0.007 = 0.027 s ,为什么我这里的时间比real还多了呢？

通过top命令可以看到我的 seq 和 wc 命令占据几乎是CPU 100%，2个命令给分配到了不同的CPU中执行，于是user 和 sys 和时间 是2个CPU运行的时间这和，就可能超过了real 的时间了

但是即使我们已经拿到了 CPU 时间，我们也不一定可以直接“比较”出两个程序的性能差异，除了 CPU 之外，时间这个性能指标还会受到主板、内存这些其他相关硬件的影响。所以，我们需要对“时间”这个我们可以感知的指标进行拆解，把程序的 CPU 执行时间变成 CPU 时钟周期数（CPU Cycles）和 时钟周期时间（Clock Cycle）的乘积。
$$程序的CPU执行时间=CPU时钟周期数\times 时钟周期时间$$

时钟周期时间

我们在买CPU的时候，会看到CPU会标明是多少多少Hz，这里的 Hz 就是电脑的主频（Frequency/Clock Rate）。假如是 3.0GHz，我们可以先粗浅地认为，CPU 在 1 秒时间内，可以执行的简单指令的数量是 3.0G 条。

这个3.0GHz就是CPU钟表能识别出来最小的时间间隔像我们挂在墙上的挂钟，都是“滴答滴答”一秒一秒地走，所以通过墙上的挂钟能够识别出来的最小时间单位就是秒。主频越高，意味着这个表走得越快

而在 CPU 内部，和我们平时戴的电子石英表类似，有一个叫晶体振荡器（Oscillator Crystal）的东西，简称为晶振。我们把晶振当成 CPU 内部的电子表来使用。晶振带来的每一次“滴答”，就是时钟周期时间。

CPU 时钟周期数

对于 CPU 时钟周期数，我们可以再做一个分解，把它变成“指令数×每条指令的平均时钟周期数（Cycles Per Instruction，简称 CPI）不同的指令需要的 Cycles 是不同的，加法和乘法都对应着一条 CPU 指令，但是乘法需要的 Cycles 就比加法要多，自然也就慢。在这样拆分了之后，我们的程序的 CPU 执行时间就可以变成这样三个部分的乘积。
$$程序的CPU执行时间=指令数\times CPI\times ClockCycleTime$$
每条指令的平均时钟周期数 CPI，就是一条指令到底需要多少 CPU Cycle，指令数，代表执行我们的程序到底需要多少条指令、用哪些指令

光堆主频就能无限制的提升CPU吗?

奔腾4的失败就告诉我们，是不可以的，我们还得考虑功耗的问题

CPU，一般都被叫作超大规模集成电路（Very-Large-Scale Integration，VLSI）。这些电路，实际上都是一个个晶体管组合而成的。CPU 在计算，其实就是让晶体管里面的“开关”不断地去“打开”和“关闭”，来组合完成各种运算和功能。

想要计算得快，一方面，我们要在 CPU 里，同样的面积里面，多放一些晶体管（增加晶体管可以增加硬件能够支持的指令数量），也就是增加密度；另一方面，我们要让晶体管“打开”和“关闭”得更快一点，也就是提升主频。而这两者，都会增加功耗，带来耗电和散热的问题

为什么不能选择增加CPU的面积呢？

如果增加CPU的面积的话，晶体管的距离就变大了，电信号传输的时间就会变长

CPU的功率
$$功耗=1/2\times 负载电容\times 电压的平方\times 开关频率\times 晶体管数量$$
为了要提升性能，我们需要不断地增加晶体管数量。同样的面积下，我们想要多放一点晶体管，就要把晶体管造得小一点。这个就是平时我们所说的提升“制程”。从 28nm 到 7nm，相当于晶体管本身变成了原来的 1/4 大小。这个就相当于我们在工厂里，同样的活儿，我们要找瘦小一点的工人，这样一个工厂里面就可以多一些人。我们还要提升主频，让开关的频率变快，也就是要找手脚更快的工人

但是，功耗增加太多，就会导致 CPU 散热跟不上，这时，我们就需要降低电压。这里有一点非常关键，在整个功耗的公式里面，功耗和电压的平方是成正比的。这意味着电压下降到原来的 1/5，整个的功耗会变成原来的 1/25

通过并行提高性能

提升响应时间，就好比提升你用的交通工具的速度，比如原本你是开汽车，现在变成了火车乃至飞机。本来开车从广东到北京要 很多 个小时，换成飞机就只要 几个小时了，但是，在此之上，再想要提升速度就不太容易了。我们的 CPU 在奔腾 4 的年代，就好比已经到了飞机这个速度极限。

假如我们可以一次同时开 2 架、4 架乃至 8 架飞机，这就好像我们现在用的 2 核、4 核，乃至 8 核的 CPU，虽然时间没变，但是我们能同时运输更多的东西。

但是，并不是所有问题，都可以通过并行提高性能来解决。如果想要使用这种思想，需要满足这样几个条件。

1. 需要进行的计算，本身可以分解成几个可以并行的任务

2. 需要能够分解好问题，并确保几个人的结果能够汇总到一起

3. 在“汇总”这个阶段，是没有办法并行进行的，还是得顺序执行，一步一步来。

这就引出了性能优化中，常常用到的一个经验定律，阿姆尔定律，这定律说的就是，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

阿姆达尔定律
$$优化后的执行时间=受优化影响的执行时间/加速倍数+不受影响的执行时间$$

提高性能可以优化的方面

• 加速大概率事件

在数学中大概率就是一个随机事件发生的概率很大，在一次实验中很可能发生，举个在计算机中的例子，假如一段代码有多个分支，每个分支都有一个被执行到的概率，因此我们可以实验分析每个分支的概率，按照概率大小进行排序，对大概率的分支优先加速优化。

• 通过流水线提高性能

流水线是并行性的一个特例，处理器就是通过流水线的方式来提高指令的执行效率，流水线最初起源于车辆制造，车辆被拆分成很多个的部件，每个部件又可以继续拆分，拆分后的所有部件形成了流水线图，流水线图呈拓扑结构，拓扑中同一层的部件可以由独立的生产线进行生产，这样就可以灵活地扩充生产线来提高车辆的制造效率。

流水线优化的最大目标是将依赖延迟到最后，对所有的依赖关系进行拆解，拆解成多个不互相依赖的步骤，使得每个步骤可以并行运行，从而从整体上提高运行吞吐量和效率。

• 通过预测提高性能

在某些情况下，我们可以大胆地预测计算机下一步的动作，可以提前将这些动作完成，等到需要执行这些动作的时候，已经提前准备好了，当然提前预测也是有失败率的，假设失败造成的效率下降为X，执行了预测的动作后，提高的效率为Y，只要X小于Y，这个提前预测就是有效的，是可以提高性能的

计算机里一个比较常见的提前预测的例子就是磁盘预读，通常我们读取磁盘的数据时，会先将硬盘数据读入到缓冲中，程序从缓冲中读取数据，当缓冲数据被读完后，处理器再从磁盘读取下一批数据，这里可以假设读取磁盘数据是顺序的，我们可以提前把下一次要读取的数据，加入到另外一个缓冲中，这样读取当前缓冲数据的时候，已经开始读取下一批缓冲的数据了，充分地利用了硬件资源，当前缓冲数据读取完毕后，直接可以用下一批缓冲的数据，不需要等待，当然这里如果下一批数据变成了随机的，那就可能会造成已经读取的数据的失效和浪费，不过，如果大部分情况下都是顺序读取的，提前读取获得的性能提高远大于由于读取失效造成的性能下降