共计 4628 个字符，预计需要花费 12 分钟才能阅读完成。
04 穿梭功耗墙，咱们该从哪些方面晋升“性能”？
上一讲，在讲 CPU 的性能时，咱们提到了这样一个公式：
程序的 CPU 执行工夫 = 指令数×CPI×Clock Cycle Time
这么来看，如果要晋升计算机的性能，咱们能够从指令数、CPI 以及 CPU 主频这三个中央动手。要搞定指令数或者 CPI，乍一看都不太容易。于是，研发 CPU 的硬件工程师们，从 80 年代开始，就挑上了 CPU 这个“软柿子”。在 CPU 上多放一点晶体管，一直晋升 CPU 的时钟频率，这样就能让 CPU 变得更快，程序的执行工夫就会缩短。
于是，从 1978 年 Intel 公布的 8086 CPU 开始，计算机的主频从 5MHz 开始，一直晋升。1980 年代中期的 80386 可能跑到 40MHz，1989 年的 486 可能跑到 100MHz，直到 2000 年的奔流 4 处理器，主频曾经达到了 1.4GHz。而消费者也在这 20 年里养成了“看主频”买电脑的习惯。过后曾经根本垄断了桌面 CPU 市场的 Intel 更是夸下了海口，示意奔流 4 所应用的 CPU 构造能够做到 10GHz，颇有一点“鼎力出奇观”的意思。
功耗：CPU 的“人体极限”
然而，计算机科学界从来不置信“鼎力出奇观”。奔流 4 的 CPU 主频素来没有达到过 10GHz，最终它的主频下限定格在 3.8GHz。这还不是最糟的，更蹩脚的事件是，大家发现，奔流 4 的主频尽管高，然而它的理论性能却配不上同样的主频。想要用在笔记本上的奔流 4 2.4GHz 处理器，其性能只和基于奔流 3 架构的奔流 M 1.6GHz 处理器差不多。
于是，这一次的“鼎力出喜剧”，不仅让 Intel 的对手 AMD 取得了喘息之机，更是代表着“主频时代”的终结。前面几代 Intel CPU 主频岂但没有回升，反而降落了。到现在，2019 年的最高配置 Intel i9 CPU，主频也只不过是 5GHz 而已。相较于 1978 年到 2000 年，这 20 年里 300 倍的主频晋升，从 2000 年到当初的这 19 年，CPU 的主频大略进步了 3 倍。
CPU 的主频变动，在奔流 4 时代进入了瓶颈期，图片起源
奔流 4 的主频为什么没能超过 3.8GHz 的阻碍呢？答案就是功耗问题。什么是功耗问题呢？咱们先看一个直观的例子。
一个 3.8GHz 的奔流 4 处理器，满载功率是 130 瓦。这个 130 瓦是什么概念呢？机场容许带上飞机的充电宝的容量下限是 100 瓦时。如果咱们把这个 CPU 安在手机外面，不思考屏幕内存之类的耗电，这个 CPU 满载运行 45 分钟，充电宝外面就没电了。而 iPhone X 应用 ARM 架构的 CPU，功率则只有 4.5 瓦左右。
咱们的 CPU，个别都被叫作 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，其实就是让晶体管外面的“开关”一直地去“关上”和“敞开”，来组合实现各种运算和性能。
想要计算得快，一方面，咱们要在 CPU 里，同样的面积外面，多放一些晶体管，也就是 减少密度 ；另一方面，咱们要让晶体管“关上”和“敞开”得更快一点，也就是 晋升主频。而这两者，都会减少功耗，带来耗电和散热的问题。
这么说可能还是有点形象，我还是给你举一个例子。你能够把一个计算机 CPU 设想成一个微小的工厂，外面有很多工人，相当于 CPU 下面的晶体管，相互之间协同工作。
为了工作得快一点，咱们要在工厂里多塞一点人。你可能会问，为什么不把工厂造得大一点呢？这是因为，人和人之间如果离得远了，相互之间走过来须要花的工夫就会变长，这也会导致性能降落。这就如同如果 CPU 的面积大，晶体管之间的间隔变大，电信号传输的工夫就会变长，运算速度天然就慢了。
除了多塞一点人，咱们还心愿每个人的动作都快一点，这样同样的工夫里就能够多干一点活儿了。这就相当于晋升 CPU 主频，然而动作快，每个人就要出汗散热。要是太热了，对工厂外面的人来说会中暑生病，对 CPU 来说就会解体出错。
咱们会在 CPU 下面抹硅脂、装风扇，乃至用上水冷或者其余更好的散热设施，就如同在工厂外面装风扇、空调，发冷饮一样。然而同样的空间下，装上风扇空调可能带来的散热成果也是有极限的。
因而，在 CPU 外面，可能放下的晶体管数量和晶体管的“开关”频率也都是无限的。一个 CPU 的功率，能够用这样一个公式来示意：
功耗 ~= 1⁄2 ×负载电容×电压的平方×开关频率×晶体管数量
那么，为了要晋升性能，咱们须要一直地减少晶体管数量。同样的面积下，咱们想要多放一点晶体管，就要把晶体管造得小一点。这个就是平时咱们所说的晋升“制程”。从 28nm 到 7nm，相当于晶体管自身变成了原来的 1⁄4 大小。这个就相当于咱们在工厂里，同样的活儿，咱们要找瘦小一点的工人，这样一个工厂外面就能够多一些人。咱们还要晋升主频，让开关的频率变快，也就是要找手脚更快的工人。
然而，功耗减少太多，就会导致 CPU 散热跟不上，这时，咱们就须要升高电压。这里有一点十分要害，在整个功耗的公式外面，功耗和电压的平方是成正比的。这意味着电压降落到原来的 1/5，整个的功耗会变成原来的 1/25。
事实上，从 5MHz 主频的 8086 到 5GHz 主频的 Intel i9，CPU 的电压曾经从 5V 左右降落到了 1V 左右。这也是为什么咱们 CPU 的主频晋升了 1000 倍，然而功耗只增长了 40 倍。比如说，我写这篇文章用的是 Surface Go，在这样的轻薄笔记本上，微软就是抉择了把电压降落到 0.25V 的低电压 CPU，使得笔记本能有更长的续航工夫。
并行优化，了解阿姆达尔定律
尽管制程的优化和电压的降落，在过来的 20 年里，让咱们的 CPU 性能有所晋升。然而从上世纪九十年代到本世纪初，软件工程师们所用的“面向摩尔定律编程”的套路越来越用不上来了。“写程序不思考性能，等明年 CPU 性能晋升一倍，到时候性能天然就不成问题了”，这种想法曾经不可行了。
于是，从奔流 4 开始，Intel 意识到通过晋升主频比拟“难”去实现性能晋升，边开始推出 Core Duo 这样的多核 CPU，通过晋升“吞吐率”而不是“响应工夫”，来达到目标。
晋升响应工夫，就好比晋升你用的交通工具的速度，比方本来你是开汽车，当初变成了火车乃至飞机。原本开车从上海到北京要 20 个小时，换成飞机就只有 2 个小时了，然而，在此之上，再想要晋升速度就不太容易了。咱们的 CPU 在奔流 4 的年代，就好比曾经到了飞机这个速度极限。
那你可能要问了，接下来该怎么办呢？相比于给飞机提速，工程师们又想到了新的方法，能够一次同时开 2 架、4 架乃至 8 架飞机，这就如同咱们当初用的 2 核、4 核，乃至 8 核的 CPU。
尽管从上海到北京的工夫没有变，然而一次飞 8 架飞机可能运的货色天然就变多了，也就是所谓的“吞吐率”变大了。所以，不论你有没有须要，当初 CPU 的性能就是晋升了 2 倍乃至 8 倍、16 倍。这也是一个最常见的晋升性能的形式，通过并行进步性能。
这个思维在很多中央都能够应用。举个例子，咱们做机器学习程序的时候，须要计算向量的点积，比方向量 W=[W0,W1,W2,…,W15]W=[W0,W1,W2,…,W15] 和向量 X=[X0,X1,X2,…,X15]X=[X0,X1,X2,…,X15]，W⋅X=W0∗X0+W1∗X1+W·X=W0∗X0+W1∗X1+ W2∗X2+…+W15∗X15W2∗X2+…+W15∗X15。这些式子由 16 个乘法和 1 个连加组成。如果你本人一个人用笔来算的话，须要一步一步算 16 次乘法和 15 次加法。如果这个时候咱们把这个人物调配给 4 集体，同时去算 W0～W3W0～W3, W4～W7W4～W7, W8～W11W8～W11, W12～W15W12～W15 这样四个局部的后果，再由一个人进行汇总，须要的工夫就会缩短。
然而，并不是所有问题，都能够通过并行进步性能来解决。如果想要应用这种思维，须要满足这样几个条件。
第一，须要进行的计算，自身能够分解成几个能够并行的工作。好比下面的乘法和加法计算，几个人能够同时进行，不会影响最初的后果。
第二，须要可能合成好问题，并确保几个人的后果可能汇总到一起。
第三，在“汇总”这个阶段，是没有方法并行进行的，还是得程序执行，一步一步来。
这就引出了咱们在进行性能优化中，经常用到的一个教训定律，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晋升的状况。具体能够用这样一个公式来示意：
优化后的执行工夫 = 受优化影响的执行工夫 / 减速倍数 + 不受影响的执行工夫
在刚刚的向量点积例子里，4 集体同时计算向量的一小段点积，就是通过并行进步了这部分的计算性能。然而，这 4 集体的计算结果，最终还是要在一个人那里进行汇总相加。这部分汇总相加的工夫，是不能通过并行来优化的，也就是下面的公式外面 不受影响的执行工夫 这一部分。
比方下面的各个向量的一小段的点积，须要 100ns，加法须要 20ns，总共须要 120ns。这里通过并行 4 个 CPU 有了 4 倍的加速度。那么最终优化后，就有了 100⁄4+20=45ns。即便咱们减少更多的并行度来提供减速倍数，比方有 100 个 CPU，整个工夫也须要 100⁄100+20=21ns。
总结延长
咱们能够看到，无论是简略地通过晋升主频，还是减少更多的 CPU 外围数量，通过并行来晋升性能，都会遇到相应的瓶颈。仅仅简略地通过“堆硬件”的形式，在明天曾经不能很好地满足咱们对于程序性能的冀望了。于是，工程师们须要从其余方面开始下功夫了。
在“摩尔定律”和“并行计算”之外，在整个计算机组成层面，还有这样几个原则性的性能晋升办法。
1.减速大概率事件。最典型的就是，过来几年风行的深度学习，整个计算过程中，99% 都是向量和矩阵计算，于是，工程师们通过用 GPU 代替 CPU，大幅度晋升了深度学习的模型训练过程。原本一个 CPU 须要跑几小时甚至几天的程序，GPU 只须要几分钟就好了。Google 更是不满足于 GPU 的性能，进一步地推出了 TPU。前面的文章，我也会为你解说 GPU 和 TPU 的根本结构和原理。
2.通过流水线进步性能。古代的工厂里的生产线叫“流水线”。咱们能够把拆卸 iPhone 这样的工作拆分成一个个细分的工作，让每个人都只须要解决一道工序，最大化整个工厂的生产效率。相似的，咱们的 CPU 其实就是一个“运算工厂”。咱们把 CPU 指令执行的过程进行拆分，细化运行，也是古代 CPU 在主频没有方法晋升那么多的状况下，性能依然能够失去晋升的重要起因之一。咱们在前面也会讲到，古代 CPU 里是如何通过流水线来晋升性能的，以及背面的，过长的流水线会带来什么新的功耗和效率上的负面影响。
3.通过预测进步性能。通过事后猜想下一步该干什么，而不是等上一步运行的后果，提前进行运算，也是让程序跑得更快一点的方法。典型的例子就是在一个循环拜访数组的时候，凭教训，你也会猜到下一步咱们会拜访数组的下一项。前面要讲的“分支和冒险”、“局部性原理”这些 CPU 和存储系统设计办法，其实都是在利用咱们对于将来的“预测”，提前进行相应的操作，来晋升咱们的程序性能。
好了，到这里，咱们讲完了计算机组成原理这门课的“前情提要”。一方面，整个组成乃至体系结构，都是基于冯·诺依曼架构组成的软硬件一体的解决方案。另一方面，你须要明确的就是，这外面的方方面面的设计和思考，除了体系结构层面的形象和通用性之外，外围须要思考的是“性能”问题。
接下来，咱们就要开始深刻组成原理，从一个程序的运行讲起，开始咱们的“机器指令”之旅。
本文由 mdnice 多平台公布