外觀
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 ns | KB |
| RAM | ~100 ns | GB |
| SSD | ~100 µs | TB |
| 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 runtime | Java(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。