系统架构第 2 章 第二节 计算机硬件 核心考试笔记

Posted on by

一、硬件组成基础（基于冯・诺依曼结构演化）

核心逻辑：延续 “运算器、控制器、存储器、输入设备、输出设备” 五大模块，现代硬件将运算器与控制器集成为 CPU，输入 / 输出设备常整合设计，核心组件按 “处理器→存储器→总线→接口→外部设备” 分工协作。

二、核心组件考点详解

1. 处理器（CPU）

  • 核心功能：系统运算与控制核心，主导指令执行、数据处理，协调各组件工作。
  • 关键考点：
    1. 指令集分类：
      • CISC（复杂指令集）：代表 x86 架构（Intel/AMD 处理器），指令丰富、兼容性强；
      • RISC（精简指令集）：代表 ARM/Power 架构，指令精简、功耗低、执行效率高，广泛用于移动设备、嵌入式系统。
    2. 专用处理器：
      • GPU（图形处理器）：数百 / 数千个内核，擅长并行计算，适用于深度学习、机器学习；
      • DSP（数字信号处理器）：优化实时数字信号处理，支持饱和算法、乘积累加运算，用于高速信号采集设备；
      • FPGA（现场可编程逻辑门阵列）：可编程逻辑器件，灵活适配专用场景。
    3. 国产处理器代表：龙芯、飞腾、申威、兆芯、国微、华睿等。

2. 存储器

  • 核心功能：存储程序与数据，构建 “速度 – 容量 – 成本” 平衡的分层存储体系。
  • 分层结构（从近 CPU 到远 CPU，速度递减、容量递增、成本递减）：
    1. 片上缓存：SRAM 材质，容量 16kB~512kB，读写速度最快，直接集成在 CPU 核心内；
    2. 片外缓存：SRAM 材质，容量 256kB~4MB，又称 L2/L3 Cache 或 Platform Cache，需通过交换互联开关访问；
    3. 主存（内存）：DRAM 材质，容量数百 MB~ 数十 GB，独立部件，通过总线与 CPU 连接，需持续供电保存数据；
    4. 外存：含 Flash、磁盘、光盘、磁带等，容量大（MB~TB 级），掉电后数据不丢失，不同介质保存年限不同（Flash 约 10 年，光盘数年～数十年，磁盘 10 年 +，磁带 30 年 +）。

3. 总线

  • 核心功能：组件间数据、地址、控制信号的传输通道，遵循特定协议实现标准化通信。
  • 关键考点：
    1. 分类（按位置）：
      • 内总线（片上总线）：芯片内部组件互联；
      • 系统总线：CPU、主存、通信桥之间的总线（狭义），含次级级联的局部总线（广义）；
      • 外部总线（通信总线）：计算机与外部设备、计算机系统间互联。
    2. 常见类型：
      • 并行总线：PCI、PCle、ATA 等；
      • 串行总线：USB、SATA、CAN、RS-232、RS-485、RapidIO、以太网等。
    3. 专业领域总线：航空领域（ARINC429/659/664、MIL-STD-1553B）、工业控制领域（CAN、IEEE1394、VME）。
    4. 性能指标：总线带宽、服务质量（QoS）、时延、抖动。

4. 接口

  • 核心功能：同一计算机不同功能层的通信规则，实现组件 / 设备间的物理连接与信号交互。
  • 常见类型（考试高频）：
    • 显示类：HDMI、DVI；
    • 音频类：TRS、RCA、XLR；
    • 网络类：RJ45、FC；
    • 通用类：USB、SATA、PS/2、LPT 打印接口、RS-232；
    • 专用类：离散量接口、A/D 转换接口（非标准，按需设计）。
  • 特性：一种总线可对应多种接口（如以太网支持 RJ45、同轴电缆连接）。

5. 外部设备（外围设备）

  • 核心功能：系统与外部环境的交互接口，含输入、输出、外存扩展设备。
  • 分类（考试常考）：
    1. 输入设备：键盘、鼠标、扫描仪、摄像头、麦克风、轨迹球、指纹识别设备；
    2. 输出设备：显示器、打印机、音箱、功率驱动装置、机械臂、液压装置；
    3. 存储类外部设备：光驱、存储卡 / 盘、移动硬盘；
    4. 专用领域设备：工业控制中的测温仪、测速仪，航空航天中的油门杆、驾驶杆，医疗领域的各类传感设备。

三、核心设计原则（考试隐含考点）

  1. 分层与协作：存储体系分层设计，平衡速度、容量、成本；总线与接口标准化，保障组件兼容性；
  2. 适配场景：通用处理器满足常规计算，专用处理器适配特定场景（如 GPU 并行计算、DSP 信号处理）；
  3. 扩展性：外部设备通过标准化接口接入，支持系统功能扩展。

四、GPU、FPGA、ASIC、SoC 区别

GPU（图形处理器）：拥有海量计算核心，擅长大规模并行计算，是当前 AI 模型训练的主力军。 FPGA（现场可编程门阵列）：硬件逻辑可通过编程反复配置，兼具灵活性与一定的性能效率，适合算法快速迭代或低延迟场景。 ASIC（专用集成电路）：为特定 AI 任务（如 TPU、NPU）深度定制的芯片，在能效比和速度上最优，但设计周期长、成本高。SoC 是 System on a Chip 的缩写，中文译为片上系统或系统级芯片。