计算机系统漫游

2558字约9分钟

计算机系统结构

2021-08-01

本系列是我学习计算机系统结构的一些笔记和思考，主要学习书籍为《深入理解计算机系统》（CSAPP）。这一篇对应本书的第一章。

学习计算机系统的作用

计算机系统由硬件 + 系统软件组成，他们共同工作来运行应用程序。

当我们编写并运行一个程序，学习计算机体系结构的知识，可以帮助我们了解在执行这个程序时，系统背后发生了什么以及为什么会这样。从而让我们少踩坑，同时做出更好的优化。

信息 = 位 + 上下文

文件的ASCII表示

程序都是从源文件开始的，例如下面的 hello 程序，我们可以把这一段文本保存为 hello.c 文件，这个文件称为源文件。

#include <stdio.h>

int main()
{
    printf("hello, world\n");
    return 0;
}

在计算机中，源文件是由 0 和 1 组成的位（bit）序列。大部分现代计算机都用 ASCII 标准来表示文本。例如 hello.c 文件开头的 # 字符，对应的 ASCII 码整数值是 35，每一行行尾的换行符 \n，对应的整数值是 10。这些整数值又是以二进制保存的，例如，35 的二进制是 0010 0011。

文本文件和二进制文件

像 hello.c 这样，只包含 ASCII 字符的文件称为文本文件，其他文件称为二进制文件。

比特和上下文

计算机系统的所有信息都只是 0 和 1 组成的比特流，包括磁盘文件、内存中的程序、网络传输的数据等等，这些比特流代表什么含义，只有通过我们读取到它们时的 上下文 来区分。一段相同的比特流，在不同的上下文中，可能代表不同的含义。

程序的格式转换

hello.c 文件是由 C 语言编写的， C语言我们能够读懂，但计算机并不能读懂。要让计算机读懂这段程序，就需要把源程序翻译成计算机能读懂的目标程序。

在 Linux 系统中，通过下面这个命令，由 编译器驱动程序 来完成源文件到目标文件的转换：

linux> gcc -o hello hello.c

这个命令读取一个 hello.c 文件，经过一系列转换，输出一个 hello 文件。这个 hello 文件便能够被计算机读懂并执行。

这中间主要经历四个过程：

预处理器(ccp) ：将 hello.c 文件 include 的 .h 文件头，插入到程序文本中，输出 hello.i
编译器(ccl) ：将 hello.i 翻译成汇编语言，输出 hello.s
汇编器(as) ：将汇编语言翻译成机器语言，输出hello.o
链接器(ld) ：hello 程序调用了 printf 函数，这个函数在 C语言库中已经预编译好了，链接器负责把 hello.o 和 printf.o 合并，输出可执行文件 hello

生成的 hello 文件，可以在 Linux 下执行

linux> ./hello
hello world
linux>

系统的硬件组成

总线（Bus）

总线是一组电子管道，用来在系统的各个组件中传输信息。总线传输的单位是字（word），一个字通常为 4 个字节（32位）或 8 个字节（64位）。

I/O设备（I/O devices）

I/O设备用于连接系统与外部世界，例如键盘、鼠标、显示器、磁盘。每个I/O设备都通过 控制器 或 适配器 与 I/O总线相连接。两者的作用都是在 I/O总线和 I/O设备之间传递信息。

控制器：I/O设备本身，或系统主板上的芯片组
适配器：插在主板插槽上的卡

主存（Main Memory）

主存用于在执行程序时，临时存放程序和数据。主存由 DRAM芯片组成，在逻辑上是线性的字节数组，每个字节具有唯一的地址（数组下标），地址从零开始。

处理器（CPU）

处理器的全称是中央处理单元（Central Processing Unit，CPU），用于解释（或执行）主存中的指令。处理器的核心是一个大小为一个字的寄存器，称为程序计数器（PC），程序计数器指向主存中的某条指令，按照一定的指令执行模型（由指令集架构决定）执行程序。CPU常见的动作有：

加载：从主存复制一个字节（或字）到寄存器
存储：从寄存器复制一个字节（或字）到主存
操作：把两个寄存器的内容复制到算术逻辑单元（ALU）做算术运算，并将结果存放到一个寄存器中
跳转：从指令中抽取一个字，复制到程序计数器中

这些动作都会覆盖掉目标地址的值

高速缓存（Cache Memory）

CPU从寄存器读取数据，比在主存中几乎要快100倍，在主存中读数据又比在磁盘中读要快1000万倍。为了更快地处理数据，现代计算机通常会在CPU寄存器和内存之间加两个高速缓存寄存器(cache memory)，用于存放CPU近期要处理的数据。这两个高速缓存寄存器被称为 L1 和 L2 高速缓存，是用一种叫做 SRAM 的硬件技术实现的。

存储设备的层次结构

越接近处理器的存储设备，更小、更快、更贵。层次结构链为：

寄存器 -> L1高速缓存(SRAM) -> L2高速缓存(SRAM) -> L3高速缓存(SRAM) -> 主存(DRAM) -> 本地二级存储(磁盘) -> 远程二级存储(网络)

操作系统（Operating System）

事实上，当我们执行程序时，程序并不在硬件结构上直接执行（不直接对接键盘、显示器、主存等），而是通过操作系统。

操作系统是应用程序和硬件中间的一层软件。主要有两个作用：

防止硬件被失控的应用程序滥用
向应用程序提供简单一致的机制来控制复杂各异的硬件设备

操作系统通过抽象出进程、虚拟内存、文件等概念，来实现这一目标。例如，文件是对I/O设备的抽象，虚拟内存是对主存和磁盘的抽象，进程是对CPU、主存和I/O设备的抽象。

进程（Process）

进程是操作系统对一个正在运行的程序的一种抽象。在一个系统上可以同时运行多个进程，而每个进程都好像独占地使用硬件。在单核CPU中，一个进程的指令和另一个进程的指令可以交错运行，称为并发，这是操作系统提供的一种机制，也称为 上下文切换。多核CPU能够真正实现多个进程同时运行，称为并行，但进程数大于CPU核心个数时，同样也需要交错运行。（不考虑超线程处理器和指令集并行等新一代硬件技术的情况下）

执行权由一个进程到另一个进程的转换由操作系统内核(kernel)管理，内核不是一个进程，而是系统管理全部进程所用的代码和数据结构。

当应用程序读写文件等系统操作时，会执行 系统调用 指令，将控制权转交给内核。内核执行完对应的操作后返回给应用程序。通常，在进程发出 IO 操作时，内核会挂起该进程，将 CPU 执行权转交给其他进程，直至 IO 响应（如磁盘中断），才会重新唤醒该进程，继续参与上下文切换。

线程（Thread）

一个进程可以有多个不同的控制流，称为线程。一个进程里面的所有线程共享该进程的代码和数据。现代程序一般都具有多线程模型。

虚拟内存（Virtual Memory）

虚拟内存为进程提供了一个假象，让进程以为自己独占主存。每个进程看到的内存都是一致的，称为虚拟地址空间。Linux 中的虚拟内存一般有以下区域：

程序代码和数据 ：即我们的代码和全局变量等数据，程序开始时就被指定了大小
堆：调用 malloc 和 free 时，分配或释放内存时动态扩展或收缩的一片内存空间
共享库 ：存放C标准库和数学库等共享库的代码和数据区域
用户栈 ：函数调用，调用一个函数时增长，函数返回时收缩
内核虚拟内存 ：内核保留，不允许用户程序读写

文件（File）

文件就是字节序列，在 UNIX 中，一切I/O设备皆可视为文件，包括磁盘、键盘、显示器、网络等。所有的输入输出都是通过 Unix I/O 的系统函数调用读写文件来实现的。

网络（Network）

一个系统和另一个系统，可以通过网络连接到一起。网络也是一种 I/O 设备，系统通过网络适配器读写来自其他设备的数据。我们平时收发电子邮件、发微信、刷微博等，都是基于网络。世界上最大的互联网络称为互联网（Internet）。

一个简单的例子是，我们在本地设备通过 telnet 客户端连接到远程主机的 telnet 服务端，运行远程主机的 hello 程序，远程主机会把 hello 程序的运行结果 hello wolrd 通过网络传送给我们本地，并显示在我们的显示器上。

如今，5G等网络技术的发展正在改变我们的生活。例如华为云电脑，谷歌Stadia，可以让我们通过浏览器直接连接到远程的电脑，操作“云端”上的个人电脑，游玩“云端”上的游戏。

参考书籍：

《深入理解计算机系统》