站长工具国色天香西地那非片说明书

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   0m0.016s

real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，user+sys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user+sys，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100+30ns=130ns，分四个核处理后，变为100/4+30=55ns，增加到100核之后，变为100/100+30=31ns，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。

GPU（Graphics 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。