CA-量化设计的基本原则

# 量化设计的基本原则

[[CourseNotes/计算机体系结构/CA-CPU性能公式]]

基本思想：对于大概率事件，赋予它优先的处理权和资源使用权，以获得全局的最优结果，以达到事半功倍的效果

类似于：哈夫曼编码

比如说：CPU在进行加法的时候，运算结果无溢出为大概率事件，溢出是小概率事件，所以就针对无溢出情况来做CPU优化设计

Amdahl定律既可以用来确定系统中对性能限制最大的组件,也可以用来计算通过改进某些部件所获得的系统性能的提高

加快某部件执行速度所获得的系统性能加速比,受限于该部件在系统中所占的重要性

$$
系统加速比 = \frac{系统性能_{改进之后}}{系统性能_{改进之前}}
$$
或者
$$
系统加速比 = \frac{总执行时间_{改进之前}}{总执行时间_{改进之后}}
$$

系统加速比 可以告诉人们 改进之后的机器比改进之前快多少

系统加速比依赖于两个因素

可改进比例 $\in (0,1) \rightarrow \delta$

部件加速比 $\in (1,\infty) \rightarrow \alpha$

所以总执行时间:

$T = (1-\delta) \times T_{改进前} + \frac{\delta \times T_{改进前}}{\alpha}$

所以系统加速比:

$\alpha_{系统}=\frac{1}{(1-\delta)+\frac{\delta}{\alpha}}$

程序的局部性原理（Principle of Locality）是指在程序访问内存时，往往倾向于访问最近才使用过的数据和即将使用的数据。这个原理可以分为两个方面：时间局部性和空间局部性。

时间局部性（Temporal Locality）指的是程序中的数据项一旦被访问，很可能在不久的将来再次被访问。这意味着在程序的执行过程中，某个数据项的访问往往会连续发生，因此将该数据项保留在高速缓存中，可以显著提高程序的性能。

空间局部性（Spatial Locality）指的是程序中的数据项的访问往往是以连续的方式进行的，即如果一个数据项被访问，那么与之相邻的数据项也很可能被访问。因此，将这些连续的数据项一起加载到高速缓存中，可以提高缓存的命中率，从而减少了访问内存的时间。

在程序设计和优化中，能够充分利用局部性原理可以提高程序的性能。例如，可以通过使用数组而不是链表来提高空间局部性，因为数组中的元素在内存中是连续存储的；可以通过合理安排数据访问的顺序来提高时间局部性，避免频繁地访问不相邻的数据。

[!hello]