当前位置: 首页 > news >正文

软考备考(三)

前言

上一篇文章写了计算机硬件系统的 CPU构造,知晓了CPU的组成、运算器、主存、控制器的包含组件以及作用。在末尾也讲述了流水线工作的原理以及运算公式。下面开始新的内容吧。

1、计算机的存储系统结构

如图所示,其中我们常说的Cache就是缓存。

成本:从右到左越来越贵

容量:从右到左越来越小

速度:从右到左越来越快

历史由来:        

        CPU原本是直接调用主存中的指令,但是随着CPU技术的发展,CPU的运行速度越来越快,但主存的运行速度却远远小于CPU,为了不让主存成为计算机发展的瓶颈,就发明了缓存,把CPU经常调用的指令放在缓存中,加快了程序的运行。

        辅存和主存采用的是虚拟缓存思想,就是把辅存(外存)的内存分一些出来给主存,类似于外接固态硬盘。

        内存就是主存!

2、计算机存储系统的性能指标?

成本、容量、速度。
3、主存的认识?

主存:随机存储器RAM(掉电丢失,可读可写,就是电脑的运行内存,16GB那个)

        {这里又可分为DRAM和SRAM,即分为动态和静态,区分点在于要不要动态刷新,动态要, 静态不用}

           只读存储器ROM(掉电不丢失)

这里要注意!!!!!!!


我们买电脑时看的固态硬盘SSD和机械硬盘HDD,是属于辅存(外存),不是主存!

4、存储器的存储方式?

一共有4种:

顺序存取(磁带)            直接存取(硬盘)

随机存取(内存)            相联存取(Cache)

        磁带存储就是2011年左右的那种磁带机,可以来放歌,听英语听力啥的,现在基本不用了,

顺序存储就是只能通过送磁带往一个方向送,不能删除,记录的东西就记录了,不能删除。

        直接存取:把数据存放在磁盘(外存)中,磁盘被分成了许多个“块”,每个块都有个标识,然后查找数据时就直接通过标识去查找。

        随机存取:想找哪个,就能马上找到哪个。比如读一本书,想读第五章,就直接通过目录(地址)跳到第五章。

        相联存取:要找某个数据,不用它的地址和编号,直接按照这个数据的某些特征来找。比如要找一个男生,那么就直接利用男生是短发这个特征去找即可。

5、存储器由多少个芯片组成?怎么算?

存储器由多个芯片组成,每个芯片的容量计算方式是:W*B;

W是存储单元,B是每个存储单元里面能存储多少个bit。

唯一考点:已知某个芯片的容量是w*b,则组成W*B的存储器需要(W / w)*(B / b)

例:假如芯片的容量是4*8,一个存储器的容量是16*24,则需要(16/4)*(24/8)=4*3=12(块)

答:需要12块芯片

6、主存储器的存储方式?

        主存储器会对每一个地址单元(1个字节,8位)进行单独编址,也可以说每个字都有个地址,地址用16进制表示。

例:

某个存储器要存储一组数据,这个数据的地址范围是A4000(H)-CBFFF(H)。那么这个数据表示了多少个字节?

解:用CBFFF-A4000+1=28000(H),即一共存放了28000个地址

转换成10进制为163840个地址,就是16KB.

7、了解基本的单位

在存储容量单位中

1B=8bit        1K=2的10次方bit=1024B        1KB=1K*bit=1024*8=8192 bit

在速率单位中

1K=10的3次方=1000B

8、什么是Cache和主存的命中率?

就是CPU要处理的数据恰好在Cache中的概率,也叫命中率。比如CPU要寻找小明的姓名,那么小明的姓名在Cache中的概率是20%,那命中率也是20%,那么主存的命中率就是80%。

所以:Cache和主存是不相容关系。Cache命中率+主存命中率=100%

常见考点:

已知Cache的命中率h,以及Cache和主存访问周期分别是t1和t2,那么系统的平均访问周期是

t3=h*t1+(1-h)*t2

就是用Cache的访问时间加上主存访问时间

9、Cache的淘汰算法有哪些?

(1)先进先出算法

(2)最近一段时间,很少使用的数据先排除算法

(3)随机选一个数据算法

http://www.lryc.cn/news/618570.html

相关文章:

  • 2-1〔O҉S҉C҉P҉ ◈ 研记〕❘ 漏洞扫描▸理论基础与NSE脚本
  • 26 届秋招建议指南
  • Git与CI/CD相关知识点总结
  • [激光原理与应用-251]:理论 - 几何光学 - 长焦与短焦的比较
  • k8s-scheduler 解析
  • 【Java项目与数据库、Maven的关系详解】
  • 正向传播与反向传播(神经网络思维的逻辑回归)
  • Gradient Descent for Logistic Regression|逻辑回归梯度下降
  • B站 韩顺平 笔记 (Day 16)
  • 微软发布GPT-5赋能的Copilot:重构办公场景的智能革命
  • MODBUS RTU协议:工业物联网的“普通话“(Android开发实战指南)
  • C++ Rust与Go
  • LeetCode算法领域经典入门题目之“Two Sum”问题
  • Springboot3多数据源案例
  • Springboot注册过滤器的三种方式(Order 排序)
  • 亚马逊后台功能风险解构:“清除并替换库存” 的致命陷阱与全链路防控策略
  • 第五章 特征值与特征向量
  • Wireshark专家模式定位网络故障:14种TCP异常深度解剖
  • 【Altium designer】快速建立原理图工程的步骤
  • 深度学习-卷积神经网络-NIN
  • Nginx反向代理功能
  • 【实时Linux实战系列】复杂实时系统中的需求管理
  • 【无标题】centos 配置阿里云的yum源
  • CS2服务器是何方神圣
  • linux 执行ls命令文件夹显示全白色
  • C++——高性能组件
  • 深度学习与遥感入门(六)|轻量化 MobileNetV2 高光谱分类
  • Python 标准库模块shutil
  • 《算法导论》第 20 章 - van Emde Boas 树
  • 电商双11美妆数据分析(一)