计算机体系结构

🧬 知识点关系网络

单核性能
（流水线、超标量、乱序）→多核并行
（多核、多线程）→数据并行
（SIMD、GPU）→领域专用
（TPU、NPU）

⬆️ 从通用计算到专用加速，体系结构在不断突破性能瓶颈。

流水线与指令级并行 —— 流水线如何提升吞吐率？数据冒险、控制冒险如何通过转发、分支预测解决？超标量与乱序执行的原理。
💡 用WinMIPS64或Ripes模拟器观察流水线冒险。
存储系统与Cache —— Cache映射方式（直接、组相联）、替换策略（LRU、随机）、写策略（写穿、写回）。理解Cache一致性协议（MESI）。
💡 用`perf stat`观察程序的Cache命中率。
多核与多处理器 —— 从SMP到NUMA，理解共享内存与消息传递模型。内存一致性模型（TSO、弱一致性）对并发编程的影响。
💡 写一个多线程累加程序，观察无锁与加锁的性能差异。
向量处理与GPU —— SIMD指令集（SSE、AVX、NEON）如何加速计算？GPU的SIMT模型与线程束调度。
💡 用CUDA或OpenCL写一个向量加法，体会数据并行的威力。
领域专用架构 —— TPU的脉动阵列、NPU的矩阵加速单元——AI芯片如何针对矩阵乘法优化？
💡 对比CPU与TPU在ResNet推理上的功耗与延迟。

💡 学习贴士： 多动手实践，参与开源项目或在线评测，将理论转化为肌肉记忆。

前置依赖： 学习计算机体系结构前，建议具备编程基础与相应的数学知识。

后续延伸： 学完计算机体系结构后，推荐继续探索：数据结构 · 算法设计 · 操作系统 · 计算机网络

🔵 已开放 · 可随时探索🟠 生长中 · 内容持续丰富🟣 探索级 · 深度拓展

🌱 为了包容与博爱的传递，为了知识平权，善智导航正在陆续深化每一个知识点页面。
下方所有知识点均已预留链接，可随时点击探索。

✨ 每个链接都是一扇门，推开即是新世界。

NVIDIA GPU的Tensor Core如何加速深度学习矩阵运算。

ARM big.LITTLE大小核设计，在性能与功耗间平衡。

AWS Graviton、阿里倚天——ARM服务器芯片的崛起。

PS5的统一内存架构与高速SSD直连，实现无缝加载。

我是一名正在学习计算机体系结构的学生，请用生动易懂的方式为我讲解其核心概念，并结合实际应用场景给出代码示例。