简介计算机系统结构第一章作业PPT围绕性能评估这一核心主题针对有效CPI、MIPS速率及程序执行时间三个基本指标展开讲解内容取自教材配套的经典练习题。资料以一台40MHz处理机上的标准测试程序为例统计整数运算、数据传送、浮点运算、控制传送四类指令的数量与时钟周期推导出有效CPI为2.0、MIPS速率为20MIPS、执行时间为5ms同时根据指令混合比计算平均CPI为9.46及相应MIPS速率约4.23MIPS完整呈现两类典型性能计算题的已知条件、公式代入和数值结果帮助读者从不同指令类型的时钟周期和占比入手理解处理器效率的评估方法。压缩包仅含1个PPT文件大小1.29MB便于直接打开使用。目前已有123人浏览/学习这份作业资料适合计算机系统结构课程初学者、考研复习者及需要快速理解CPI与MIPS计算的工程人员参考。1. 计算机系统结构第一份作业40MHz老机器上的性能公式计算机系统结构课程的第一章作业往往不是写代码而是先算一道看起来很老的题一台 40MHz 处理机执行一个混合指令测试程序让你根据给定的指令数和每类指令的时钟周期数求出有效 CPI、MIPS 速率和执行时间。题目只有三四行数据但里面一环套一环总时钟周期怎么汇总、CPI 为什么要做加权平均、MIPS 和主频以及 CPI 是什么关系、单位怎么换算所有坑都埋在里头。这道题适合正在修计算机系统结构或计算机组成原理的学生也适合日常要跟 perf 统计、性能估算打交道的工程师——很多人在真实项目里算 IPC、CPI反而把公式记反了。2. 指令数与时钟周期有效 CPI 和它的两种算法2.1 有效 CPI 的定义为什么用“时钟周期”而不是“秒”CPICycle Per Instruction字面意思是执行一条指令平均花掉几个时钟周期。处理器内部所有操作都以时钟周期作为最小时间刻度取指、译码、执行、访存、写回每一步都可能占一个或多个周期。不同指令功能不一样耗费的周期数也不一样比如整数运算往往比访存指令快。所谓有效 CPI就是把程序里所有指令的 CPI 按“指令条数”做加权平均后的值。严格写出来是两个等价形式。第一种是从定义出发有效 CPI 总时钟周期数 / 总指令数第二种是把总时钟周期展开成每类指令的贡献之和有效 CPI Σ第 i 类指令数 × 第 i 类 CPI / Σ 指令数这两个公式必须放在一起理解。前者适合你已经知道程序总共跑了多少个周期、多少条指令后者适合像作业题这样只给了“指令混合情况”。注意这里不能做简单算术平均因为各类指令数量不一样。把四条指令等权重平均结果会完全失真后面第 4 章会专门把这类错误列出来。2.2 第一题的数据表整数运算其实是 1 个周期第一题原始数据长这样指令类型指令数时钟周期数周期总数整数运算45,000145,000数据传送32,000264,000浮点运算15,000230,000控制传送8,000216,000合计100,000—155,000表里最容易翻车的地方是第一行整数运算是 1 个时钟周期后面三类才是 2。很多流传的答案把四类全部写成 2算出来的 CPI2.0实际应该是 1.55。之所以产生这种误读是因为题干排版把四类指令名连在一起数值区又写成一串“1 2 2 2”第一眼很容易忽略 1 和 2 的区别。把数据代进去总指令数 45,00032,00015,0008,000100,000总周期数 45,000×1 32,000×2 15,000×2 8,000×2155,000因此有效 CPI155,000 / 100,0001.55。这比 2.0 低不少说明该测试程序里六成以上指令是单周期整数运算整体开销被拉下来了。这种“先汇总、再除”的算法用命令行可以一步到位。在 bash 里把每行当作“指令数 周期数”喂给 awkawk BEGIN {n0; cyc0} {n $1; cyc $1 * $2} END {printf 总指令数%d\n总时钟周期%d\n有效CPI%.4f\n, n, cyc, cyc/n} EOF 45000 1 32000 2 15000 2 8000 2 EOFawk 的$1是第一列指令数$2是第二列周期数cyc $1 * $2等价于每类指令的“条数 × 周期数”累加。END 块里的cyc/n就是总周期除以总指令数得到 1.55。用这种方法的好处是数据改动只改输入行计算逻辑不用重写后面第二题换个表格也能直接复用。2.3 执行时间把周期数换算成秒题目给的主频是 40MHz即每秒 40,000,000 个时钟周期。一个时钟周期的时间就是主频的倒数时钟周期时间 1 / 40,000,000 秒 25 纳秒ns程序执行时间 总时钟周期数 × 时钟周期时间。第一题总周期数 155,000所以执行时间为 155,000 × 25ns 3,875,000ns也就是 3.875ms。这里要习惯一个换算链1ms1,000μs1,000,000ns。很多人在这一步把 25ns 直接乘上 155,000得到 3,875,000 后忘了除以 1,000,000写成了 3.875 秒数量级差了整整 1000 倍。更稳妥的写法是直接套联合公式执行时间 指令数 × 有效 CPI × 时钟周期时间 N × CPI / f代入 N100,000、CPI1.55、f40MHz得到 100,000 × 1.55 / 40,000,000 0.003875 秒。这个式子把主频放在分母上能直接避免纳秒和毫秒换算时出错的概率。可以顺手对比一下现实处理器一台 4GHz 的机器如果同样跑 100,000 条指令且 CPI 接近 1执行时间只有 0.025ms快了将近 155 倍——这就是主频提升带来的直观收益。3. 指令混合比下的平均 CPI 与 MIPS 速率3.1 第二题的关键变化从“指令数”变成“混合比”第二题换了种给数据的方式总指令数 200,000但不再直接列出每类指令的条数而是给出 CPI 和指令混合比。原始数据按表格拆开是这样指令类型CPI混合比算术和逻辑160%高速缓存命中的加载/存储218%转移412%高速缓存缺失的存储器访问810%注意这里 CPI 的取值是“1 2 4 8”不是“12 4 12 12”。题干把 1、2、4、8 四组数字和四个百分比连排在一起特别容易断句错误。从系统结构角度看1、2、4、8 这组数也远比 12、4、12、12 合理算术逻辑指令单周期Cache 命中的加载/存储多一次命中访问所以是 2转移指令可能引起分支开销所以是 4Cache 缺失的存储器访问要走到主存所以代价最高8 个周期。平均 CPI 的计算直接用混合比加权平均 CPI 60%×1 18%×2 12%×4 10%×8 0.6 0.36 0.48 0.8 2.24为了验证这个加权结果可以把它还原成指令条数再算一遍200,000 条指令按比例拆成 120,000、36,000、24,000、20,000总周期数为 120,000×1 36,000×2 24,000×4 20,000×8 448,000448,000 / 200,0002.24。两种算法完全一致说明“混合比加权”本质上就是“指令数加权”消去了公共分母 N。3.2 MIPS 速率40MHz 处理器能跑到多少MIPS 是每秒执行的百万条指令数。只要知道主频MHz和 CPI就能直接算MIPS 主频(MHz) / 有效 CPI第一题40 / 1.55 ≈ 25.8 MIPS。第二题40 / 2.24 ≈ 17.9 MIPS。两个结果差得挺多原因是第二题里高 CPI 指令占比更大其中 10% 的 Cache 缺失访存指令一个就要吃掉 8 个周期。这里必须强调单位问题。40 / 2.0 得到的是 20 MIPS意思是每秒 2000 万条指令。有人会写成“20,000,000 MIPS”这在数值上差了 100 万倍。MIPS 里的“M”已经带了“百万”不要再乘一次 10^6。检查方式很简单200,000 条指令按 2.24 的 CPI 跑执行时间是 200,000 × 2.24 × 25ns 11.2ms200,000 条指令除以 11.2ms每秒约 17,857,143 条即 17.86 MIPS。三条数据能互相印证说明 17.9 是对的。MIPS 的局限也要知道它跟指令集有关同样的 20 MIPS在 RISC 机器上和 CISC 机器上实际完成的工作量可能差很多。所以课程里用 MIPS 做教学指标真实工程里更常看 IPC每周期指令数CPI 的倒数配合总执行时间一起评估而不是单独盯一个 MIPS。3.3 用 Python 把两组计算一次跑完把前面两题的数据组织成结构化格式用 Python 重算顺便把执行时间也补上# 第一题每项是(名称, 指令数, 周期数) case1 [ (整数运算, 45000, 1), (数据传送, 32000, 2), (浮点运算, 15000, 2), (控制传送, 8000, 2), ] n1 sum(c[1] for c in case1) cyc1 sum(c[1] * c[2] for c in case1) cpi1 cyc1 / n1 print(f第一题: N{n1}, 周期数{cyc1}, CPI{cpi1:.2f}) print(f MIPS{40 / cpi1:.2f}, 执行时间{cyc1 / 40 / 1000:.4f}ms) # 第二题每项是(名称, 混合比, CPI) case2 [ (算术和逻辑, 0.60, 1), (Cache命中加载/存储, 0.18, 2), (转移, 0.12, 4), (Cache缺失访存, 0.10, 8), ] cpi2 sum(p * c for p, c in case2) # 混合比加权 n2 200000 print(f第二题: CPI{cpi2:.4f}, MIPS{40 / cpi2:.2f}) print(f 执行时间{n2 * cpi2 / 40 / 1000:.4f}ms)代码里的c[1] * c[2]对应“指令数 × CPI”用来累加总周期p * c对应“混合比 × CPI”两者数学本质一样。第二题执行时间算出来约 11.2ms题目没要求但算出来可以和 MIPS 互相验证。我在格式化输出里把cyc1 / 40的结果再除以 1000因为周期数除以 40MHz 得到的是微秒要转成毫秒。4. 从两道作业题看 CPI 的构成与 Cache 缺失惩罚4.1 CPI 不是印在 CPU 说明书上的常数很多初学者以为 CPU 的 CPI 是个固定值比如“酷睿 i7 的 CPI 是 0.5”其实不对。CPI 是程序与机器共同作用的结果同一颗处理器跑不同程序CPI 可能差好几倍。第一题和第二题恰好展示了这个现象同一台 40MHz 机器第一题程序有效 CPI1.55MIPS 约 25.8第二题程序平均 CPI2.24MIPS 约 17.9。机器没换换的是指令混合情况。第二题的 1、2、4、8 这组数本身就是刻意设计的性能层级算术逻辑指令只访问寄存器一个周期完成Cache 命中的加载/存储多了一次命中访问所以两个周期转移指令在多级流水线里可能打断流水代价更高Cache 缺失的访存要下到主存DDR 读一个缓存行要几十上百个周期8 已经是简化模型。看这个序列就能体会CPI 差异的本质来自数据访问路径的长度而不是运算本身有多复杂。4.2 从“混合比”到缺失惩罚模型把第二题里的 8 拆开看可以写成“命中访问 2 周期 缺失额外惩罚 6 周期”于是平均 CPI 的表达式可以重构为CPI 60%×1 18%×2 12%×4 10%×(2 6) 2.24后半项 10%×60.6就是 Cache 缺失给每条指令摊上的额外周期。这种写法在真实系统结构分析里更常见因为硬件设计者能分别提供命中延迟和缺失惩罚而缺失率取决于程序访问模式。教材后续讲存储层次时公式会变成CPI 理想 CPI 每条指令访存次数 × 缺失率 × 缺失惩罚第二题没给“每条指令访存次数”默认是 1所以缺失惩罚项就是 10%×6。用代码拆这一步会更直观# 拆解第二题 CPI把缺失访存指令的8周期分解为命中延迟惩罚 base_cpi 0.60 * 1 0.18 * 2 0.12 * 4 # 前三类不含缺失访问 miss_rate 0.10 miss_penalty 8 - 2 # Cache缺失相对命中多付的周期 cpi2 base_cpi miss_rate * miss_penalty print(f基准CPI{base_cpi:.2f}, 缺失惩罚贡献{miss_rate * miss_penalty:.2f}, 合计CPI{cpi2:.2f})输出会是基准 CPI1.44缺失惩罚贡献0.60合计 2.04——不对这里base_cpi算出来是 1.440.10×60.60加起来应该等于 2.04不是 2.24。问题出在分解方式前一类的“命中访问”CPI 其实是 2而基础部分只算了 18%×2缺失那类应该先归入命中访问的基础 18%×2 再叠加惩罚 6。正确拆法是把缺失率并入命中比例一起算load_store_hit_ratio 0.18 0.10 # 命中的加载/存储 缺失的访存 cpi2 (0.60 * 1 load_store_hit_ratio * 2 # 所有访存类先按命中算 0.12 * 4 0.10 * 6) # 只有缺失部分补惩罚 print(fCPI{cpi2:.2f})修改的核心是参数口径缺失的访存指令同时属于“加载/存储”这一类它先支付 2 个命中周期再额外支付 6 个惩罚周期所以 826。这个细节在作业里不重要但在真实性能建模里决定生死——如果把缺失率的基数和命中率的基数搞混CPI 能偏出去 10% 以上。4.3 同一份作业里最容易翻的五个车把常见错误汇总成一张表每一行都是批作业时真实见到过的出错位置错误表现正确做法第一题表格把整数运算 CPI 当成 2四类全乘 2整数运算 CPI1总周期 155,000第二题断句把“1 2 4 8”读成 CPI12、4、12、12按列对齐1、2、4、8MIPS 单位40/2.020 之后再乘 10^6 写成 20,000,00020 MIPS 本身已含百万单位混合比处理用(1248)/43.75 做平均必须乘以对应比例再求和时间换算155,000×25ns 忘记转毫秒除以 10^6 或直接用 N×CPI/f每一类错误都能在计算中途发现CPI 如果算出来 2.0对照 1.55 的结果偏差 29%MIPS 如果写成 20,000,000用执行时间反推每秒指令数一定对不上。性能指标的检验手段永远是交叉验证。5. 验算技巧把两道作业题改造成可运行的基准测试5.1 用断言把计算过程变成自动化测试手算容易错那就把计算规则封装成函数再用断言锁住结果。以后拿到任何同类型表格改数据就能跑def cpi_by_count(rows): rows: [(指令数, CPI), ...]返回有效CPI total sum(r[0] for r in rows) cycles sum(r[0] * r[1] for r in rows) return cycles / total def cpi_by_ratio(rows, total_inst): rows: [(混合比, CPI), ...]返回平均CPI return sum(r[0] * r[1] for r in rows) # 第一题 assert abs(cpi_by_count([(45000, 1), (32000, 2), (15000, 2), (8000, 2)]) - 1.55) 1e-9 # 第二题 assert abs(cpi_by_ratio([(0.60, 1), (0.18, 2), (0.12, 4), (0.10, 8)], 200000) - 2.24) 1e-9 print(两组CPI校验通过)这里用了浮点误差阈值1e-9而不是直接比较相等因为 0.6、0.18 这类小数在二进制浮点里并不精确。assert 失败时脚本会直接抛异常适合在改参数后快速确认有没有破坏公式结构。5.2 改变指令总数 N 观察不变性一个值得动手做的实验把第二题的总指令数从 200,000 改成 20,000、2,000,000平均 CPI 和 MIPS 都不会变只有执行时间线性变化。原因是指令混合比是归一化的权重与规模无关而执行时间N×CPI/fN 直接乘在前面。用前面给出的 Python 脚本改n2重新跑能看到第一行输出不变执行时间按 0.1 倍、10 倍变化。这个结论可以帮助理解性能指标的适用边界CPI、MIPS 描述的是“处理器的执行效率”执行时间才是用户真正感知的指标。5.3 把作业题映射到 perf 统计真实 Linux 机器上可以用perf stat采到 cycles 和 instructions 两个硬件计数器perf stat -e cycles,instructions ./test_program输出里 cycles 除以 instructions 就是程序实际 CPI。常见做法是把两个数值记下来手工除一下或者用管道传进 awk 取第三列直接算。要注意 perf 在虚拟机、容器里可能因为缺少硬件计数器权限而报错这时加上perf stat -e cycles:u,instructions:u只统计用户态能规避一部分权限问题。作业题里的 40MHz 是老师给定的固定主频而 perf 给的是真实机器上的动态频率数据两者计算方法一致只是数据来源不同——把作业里的表格换成 perf 输出你就完成了从书面计算到实测基准的跨越。本文还有配套的精品资源点击获取
