企业网站有什么,创新设计多功能水杯,上海保洁服务网站建设,知名的中文域名网站什么是性能#xff1f;
怎样去衡量性能的好坏#xff0c;可以比喻为一个人搬砖#xff0c;他单位时间搬的次数多#xff0c;而且一次搬的多。
单位时间搬的多#xff0c;就是响应时间/执行时间短#xff0c;俗称“干活快”。
一次搬的多#xff0c;就是吞吐率/带宽大…什么是性能
怎样去衡量性能的好坏可以比喻为一个人搬砖他单位时间搬的次数多而且一次搬的多。
单位时间搬的多就是响应时间/执行时间短俗称“干活快”。
一次搬的多就是吞吐率/带宽大俗称“干的多”。
怎样去评估响应时间
CPU执行时间
我们一般是采用“掐秒表”的方式就是记录一下执行开始时间和结束时间求差值。
但是这个时间并不是程序真正执行的时间。因为CPU会同时执行多个程序在执行当前程序的过程中可能跑去执行其他程序。
linux里面我们可以通过time查看CPU执行时间。
$ time seq 1000000 | wc -l
1000000real 0m0.101s
user 0m0.031s
sys 0m0.016sreal就是我们“掐秒表”的时间user是用户态的时间sys是内核态的时间usersys就是程序真正执行所需的时间。 注real在多核CPU环境下可能小于usersys因为被分配到了多个核去处理总的等待时间变短而user和sys是每个核所用时间的累加 那么怎么去衡量CPU执行时间我们可以用一个公式来概括 程序的 CPU 执行时间 指令数×CPI×Clock Cycle Time
指令数就是我们的编译器把程序编译成的指令数量。也就是我们实现同样一个功能所需的代码行数、被编译成的指令多少。CPI(Cycles Per Instruction)每条指令的平均时钟周期数。加法和乘法对应一条指令但乘法需要的Cycles多。CPI低就好比我们使用了快捷键省略了一些操作。时钟周期时间也就是主频。例如2.8GHZ主频越高就代表CPU跑的越快单位时间做的事情更多。 以上三个方面实现就可以降低CPU执行时间提高我们的性能。 冯·诺依曼体系结构
除了CPU执行时间还有主板、内存等很多其他因素决定了响应时间。
经典的冯·诺依曼体系结构也就是运算器、控制器、存储器、输入设备和输出设备这五大基本组件。存储器我们需要了解CPU高速缓存、内存、SSD、机械硬盘之间的差异。
对于响应时间我们还要关注IO的等待时间等这些因素。
从哪些方面提升
摩尔定律
是不是提高主频就可以了也就是晶体管的数量单位面积放更多的晶体管把晶体管做的更小也就是从28nm制程到7nm再到5nm。
主频提高了动作变快人就会出汗散热散热也就会越多整个功耗也就变大。 功耗 ~ 1/2 ×负载电容×电压的平方×开关频率×晶体管数量 降低功耗可以通过降低电压实现 随着时间的推移经过制程的优化和电压的降低CPU性能有了很大提升但人们逐渐发现“摩尔定律”不再试用了。就好比原先是绿皮车后来换成了高铁高铁不够快又换成了飞机但想让飞机更快似乎已经到了瓶颈。 阿姆达尔定律
于是人们开始增加CPU的核数让多个CPU并行处理。通过并行处理来提高性能但是核数越多就越快吗
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提升的情况。
公式如下
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
首先我们的程序是可以拆分为多个并且可以汇总到一起对结果不会有影响。
这个不受影响的执行时间就是我们拆分后汇总计算的时间。
例如原来执行时间为10030ns130ns分四个核处理后变为100/43055ns增加到100核之后变为100/1003031ns可见提升有限。
所以我们需要从其他方面来提升。
加速大概率事件
比如深度学习99%都是向量和矩阵计算于是人们想到用GPU来代替CPU进行模型的训练不满足于GPU甚至推出了TPU。 GPUGraphics Processing Unit图形处理器显卡里面包含。 TPU是一种ASIC芯片即应用型专用集成电路Application-Specific Integrated Circuit是一种专为某种特定应用需求而定制的芯片。 通过流水线提高性能
把 CPU 指令执行的过程进行拆分细化运行像流水线一样每个人只需要处理一道工序。
通过预测提高性能
提前预测下一步要干什么提前运算好而不是等上一步结果之后再做。比如循环访问数组的时候就可以猜到下一步就是访问下一个元素这样可以提高性能。
