計算機體系結構 基於性能的考量

錢安達

計算機體系結構 基於性能的考量

買這商品的人也買了...

商品描述

本書涵蓋了計算機性能的四個關鍵支柱，並為推理和理解這些概念提供了高級基礎： 小即快——規模擴展如何驅動性能；隱性並行——順序程序如何通過並行而更快地執行；動態定位——通過在更小的空間內安排數據而繞過物理限制；並行——通過工作者團隊提高性能。這些原則和模型提供了清晰易懂的高層次見解和定量建模，同時兼顧了低層次細節。最後，本書還涵蓋了GPU和機器學習加速器，它們對主流應用變得越來越重要。本書可幫助軟件架構師、開發人員甚至是數據科學家了解計算機體系結構以及如何提升性能。

作者簡介

王黨輝，博士，西北工業大學計算機學院副教授，主要研究方向為計算機體系結構、高性能微處理器設計、嵌入式系統設計等。主持或承擔了國家自然科學基金、基礎研究等科研項目30多項，發表科研論文80餘篇，曾獲得省部級科技進步一等獎2項。主持了3項教育部產學合作協同育人項目，主講本科生“計算機組成與系統結構”、碩士生“計算機系統結構”等課程，獲得陜西省教學成果一等獎2項、二等獎1項；指導本科生參加全國大學生計算機系統能力培養大賽，多次獲得團體一等獎和二等獎。入選2021年度高校計算機專業優秀教師獎勵計劃。

目錄大綱

譯者序
前言
第1章 計算與社會變遷
1.1 計算改變了社會和經濟
1.1.1 家庭
1.1.2 汽車和交通
1.1.3 商業
1.2 計算改變了科學和探索
1.3 計算的非凡特性
1.4 什麼是計算機體系結構
1.5 計算機性能的四大支柱：微型化、隱式並行性、動態局部性和顯式並行性
1.6 對讀者的預期
1.7 本書組織結構
1.8 總結
1.9 習題
第2章 指令集、軟件和指令執行
2.1 計算機的指令集
2.2 計算機系統結構
2.3 指令集體系結構：RISC-V實例
2.3.1 計算指令
2.3.2 條件控制和程序連接指令
2.3.3 內存訪問指令
2.4 機器指令和基本的軟件結構
2.4.1 基本表達式的實現
2.4.2 數據結構的實現：結構體和對象
2.4.3 一維數組和多維數組的實現
2.4.4 實現條件疊代結構：循環
2.4.5 實現過程調用、返回和棧
2.5 基本的指令執行和實現
2.5.1 順序狀態和指令執行
2.5.2 指令執行的硬件實現
2.6 提高指令的執行速度和程序的性能
2.7 總結
2.8 深入探究
2.9 習題
第3章 處理器與擴展：小即快
3.1 微型化與信息處理
3.2 計算機的自然規模是什麼
3.2.1 例子：位大小和速度
3.2.2 體積不斷縮小的計算機
3.3 計算機的大小和速度
3.3.1 體積較小的計算機更快
3.3.2 例子：應用物理大小和時鐘周期模型
3.3.3 從房間大小的計算機到單芯片計算機的尺寸縮放
3.3.4 尺寸縮放的單芯片計算機：功耗問題和登納德的解決方案
3.3.5 登納德縮放定律的終結
3.4 計算機尺寸與功耗
3.5 其他技術中的尺寸
3.6 微型計算機推動應用爆炸式發展
3.7 總結
3.8 深入探究
3.9 習題
第4章 順序抽象，並行實現
4.1 順序計算抽象
4.1.1 順序程序
4.1.2 指令級並行：流水線及更多方法
4.1.3 數據依賴和順序錯覺
4.2 順序錯覺：重命名與亂序執行
4.2.1 變量與寄存器的重命名
4.2.2 實現寄存器重命名的方法: 重排序緩沖區
4.2.3 亂序執行的局限性
4.3 因果關系錯覺：推測執行
4.3.1 分支預測
4.3.2 推測執行
4.3.3 精確的分支預測器
4.3.4 推測執行的安全風險：幽靈和熔斷
4.4 總結
4.5 深入探究
4.6 習題
第5章 存儲器：開發動態局部性
5.1 存儲器技術、小型化和不斷增加的容量
5.2 軟件和應用程序對內存容量的需求
5.3 存儲系統的挑戰：存儲墻
5.4 存儲器延遲
5.4.1 空間局部性和時間局部性（緩存）
5.4.2 程序中的動態局部性
5.4.3 地址過濾器（緩存）
5.4.4 過濾器的有效性
5.4.5 實現緩存（局部性和過濾）
5.4.6 遞歸過濾（多級緩存）
5.4.7 存儲層次結構性能建模
5.5 為什麼緩存具有良好的效果，如何編程以提高局部性
5.6 應用程序動態局部性的測量和性能的建模
5.6.1 測量動態局部性：重用距離
5.6.2 重用距離和動態局部性
5.6.3 使用重用距離對應用程序的訪存性能進行建模
5.6.4 調整程序以實現動態局部性
5.7 訪問速率和並行存儲器系統
5.8 總結
5.9 深入探究
5.10 習題
第6章 通用計算機
6.1 一個商用處理器：英特爾Skylake
6.2 一個商業存儲層次結構：英特爾Skylake
6.3 CPU是通用計算機
6.4 觀點：數學的普遍性和覆雜性
6.5 總結
6.6 深入探究
6.7 習題
第7章 順序之上：多核和雲端的並行性
7.1 登納德縮放定律的失效與向並行性的轉變
7.2 並行單芯片計算機：多核CPU
7.3 多核計算機的編程：OpenMP和pthreads
7.3.1 OpenMP：基於指示符的並行化
7.3.2 pthreads：顯式線程並行性
7.3.3 多核CPU中的並行性挑戰
7.3.4 多核的簡便使用方法：庫和服務器
7.4 百萬級的並行：超級計算機與雲計算
7.5 高效並行性：計算粒度大小
7.6 雲計算機編程：粗粒度並行性
7.6.1 三層Web應用程序：可擴展的Web服務
7.6.2 分布式MapReduce（Hadoop和Spark）
7.6.3 微服務：模塊化的可靠性與演化
7.6.4 無服務器架構（函數/功能即服務）
7.7 總結
7.8 深入探究
7.9 習題
第8章 加速器：為性能定制的體系結構
8.1 加速器的出現
8.1.1 加速器的硬件優勢
8.1.2 編程和軟件方面的挑戰
8.2 並行加速器
8.2.1 GPU體系結構
8.2.2 不同的GPU及其性能
8.3 機器學習加速器
8.3.1 Google的張量處理單元
8.3.2 Cerebras CS-2：一個晶片規模的機器學習加速器
8.3.3 小型機器學習加速器（邊緣）
8.4 加速器的其他應用機會
8.5 加速計算的限制和不足
8.6 總結
8.7 深入探究
8.8 習題
第9章 計算性能：過去、現在和未來

類似商品

最後瀏覽商品 (3)