Skip to content

Computing › CS 基礎 › 電腦架構與程式執行

電腦架構與程式執行 (Computer Architecture and Program Execution) ​

硬體執行的是機器指令,不是原始碼。從人的意圖到硬體執行的路徑是:意圖 → 原始碼 → 翻譯(編譯 / 直譯)→ 機器指令 → CPU 執行。理解這條路徑,才能解釋語言速度差異、記憶體不足、為什麼向量化比迴圈快。

主要元件 ​

元件角色實務上的意義
CPU執行指令、協調工作;多核心可平行核心數決定能同時跑幾個執行緒 / 程序(-t 8、--cpus-per-task)
快取 (cache, L1/L2/L3)CPU 內的小而快的記憶體連續存取的資料(陣列)快、跳躍存取(鏈結串列、隨機索引)慢
記憶體 (RAM)存放執行中的程式與資料,斷電消失資料要整個載入時的上限;超過會用 swap 或被系統殺掉(OOM)
儲存 (storage: SSD / HDD / 網路磁碟)持久保存讀寫比 RAM 慢上千倍以上;大檔分塊讀取
GPU大量簡單核心的平行運算深度學習、矩陣運算
輸入 / 輸出 (I/O)鍵盤、網路、磁碟程式常卡在 I/O 而不是運算(I/O-bound vs CPU-bound)
層級存取延遲(數量級)容量(數量級)
CPU 暫存器 / L1 快取~1 nsKB
RAM~100 nsGB
SSD~100 µsTB
網路(跨資料中心)~ms 以上—

生資的大檔案處理(BAM、VCF、count matrix)常被記憶體與 I/O 限制,而不是 CPU。串流處理、分塊讀取、壓縮格式與索引(.bai、.tbi)都是為了少讀、少放進記憶體。

CPU 執行循環 ​

簡化模型是 fetch-decode-execute 循環:

text
1. 擷取 (fetch)    從記憶體讀下一道指令
2. 解碼 (decode)   判斷是哪種運算
3. 執行 (execute)  運算(加法、比較、讀寫記憶體、跳轉)
4. 寫回結果,程式計數器 (program counter) 指向下一道指令,重複

再高階的程式最後都化成反覆執行的低階指令。

二進位表示 ​

硬體能可靠區分兩種穩定狀態,所以資料與指令都以位元 (bit) 編碼。同一串位元的意義取決於如何解讀:可能是整數、字元、顏色或指令。

轉換方法例
二進位 → 十進位各位元乘上 2 的次方再相加1011₂ = 1·2³ + 0·2² + 1·2¹ + 1·2⁰ = 11
十進位 → 二進位反覆除以 2 記餘數,由下往上讀11 → 1011₂
十六進位 (hex)每 4 位元一個 hex 字元1011₂ = B₁₆;顏色 #4682B4
python
int("1011", 2)        # 11
bin(11), hex(255)     # ('0b1011', '0xff')
表示實務上的影響
整數有位元數上限NumPy int32 最大約 21 億,超過會溢位(Python int 沒有上限)
浮點數是近似值0.1 + 0.2 == 0.3 為 False;比較用 math.isclose / np.isclose
文字需要編碼UTF-8 中英文字 1 byte、中文 3 bytes;讀檔時編碼錯就亂碼
位元旗標SAM 的 FLAG 欄把多個是 / 否屬性打包成一個整數(samtools flags)

從原始碼到執行 ​

方式做法優點代價例子
編譯 (compilation)執行前整個翻譯成機器碼執行快;許多錯誤在編譯時發現每次修改要重新編譯;依平台產生不同執行檔C、C++、Rust、Go
直譯 (interpretation)執行時由直譯器逐步執行修改後立刻執行、互動式執行較慢Python、R、bash
位元組碼 + 虛擬機 (bytecode + VM)編譯成平台無關的中間碼,由 VM 執行可攜(一次編譯到處執行)需要安裝 runtimeJava(JVM)、Scala、Python(.pyc 也是位元組碼)
JIT (just-in-time)執行時把熱點編譯成機器碼接近編譯語言的速度第一次執行有編譯延遲JVM、Julia、PyPy、Numba

界線並不絕對:Python 先編譯成位元組碼再由直譯器執行;NumPy、pandas 的核心是 C 寫的,所以「向量化」快,是因為把迴圈交給編譯過的程式碼。各語言的比較見 程式語言。