计算机多级存储模型

2024-09-01 00:18
文章标签 模型 存储 计算机 多级

本文主要是介绍计算机多级存储模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

       在研究CPU相关内容的时候,可以潜在地把存储当做一个简单的顺序存储器(类似一个大数组),CPU可以在常数时间里访问存储器的数据。但是实际上存储系统并不是这么简单的模型。

存储器结构

在这里插入图片描述
       实际的存储器模型可以形象的表示为金字塔结构(图片来自深入理解计算机系统,很好的书,值得一读)。每个上一层存储作为下一层存储的缓存,主要原因是不可能使用速度很快但是造价很高的寄存器存储所有数据,但是磁盘存储的存取速度又远远不能跟上CPU的计算速度。多级存储存在的意义就是为了解决速度和造价之间的矛盾。

由存储器结构导致的问题

       每个上层存储都作为下层存储的缓存,而缓存的主要特点是只能存储少部分拷贝数据。将必要的数据写入到缓存,最终一层一层运输到CPU中投入计算,是这个多级存储模型的最终目的。怎样调度数据写入写出缓存,以多大数据单元调度数据,是这个模型面临的主要问题。

问题解决示例

       基本各级缓存都需要解决上述关键的问题:1. 如何分块;2. 如何调度。解决这两个问题的具体策略就构成了此级缓存的特征。由于内存调度策略更多是由软件实现(操作系统),属于下个操作系统层次的内容,不在这里过多论述。下面简要介绍一下高速缓存实现策略。

  • 高速缓存

       存储器结构金字塔中所示的高速缓存L1和L2是静态随机存储器(SRAM)。静态随机存储器是由电路实现的双稳态存储单元,可以保持在不同的电压状态之一,即使存在外界干扰,也会恢复到稳定状态。
       结构:
       比如一个计算机系统的存储器地址有m位,则这个系统所能寻址的空间大小为2m(注意这里不一定对应物理内存大小)。将这个系统的高速缓存的大小分成S组(S等于2s),则标识S组中的其中一个组的地址需要的s位。每个组有可以分成E行。每行中存在t位的标志位,可以在每组的范围内唯一标识该行;一个有效位标识可以标识该行该行数据是否有效;一个大小为2b字节的数据片存储有效数据。
       这个系统中寻址一个字节需要的地址大小为m位。对应在高速缓存中,其中有s位定位一个组,t位定位一个组中的某一行,还有b位定位某一行中缓存块的某一个字节,t=m-(s+b)。这就是高速缓存解决如何分块的方案。
在这里插入图片描述
       高速缓存的调度相对比较简单。以直接映射高速缓存为例,当CPU需要取一个数据做运算时,可以先通过这个数据的地址s位确定这个数据处于高速缓存的那个组,再通过地址的t位匹配确定该数据是否位于这个组的某一行。如果匹配则可以根据偏移地址b确定数据位置返回给CPU;如果不匹配则为不命中,需要从下级存储器中读取这个数据,同时从该存储器中清除一行,存储读取的数据,并将数据返回给CPU。

    本文总要介绍了目前计算机系统普遍应用的多级缓存的概念和多级缓存的特征(分块和调度),并举例介绍了高速缓存是如何解决分块和调度的问题。其实内存管理也包含在这个体系中,但是由于内部机制大部分由软件(操作系统)实现,是属于操作系统层次的要点,这里没有作介绍。

本系列文章:
    计算机底层架构(偏硬件)综述
    计算机处理器(CPU)基础
         汇编语言基础–机器级数据存储
         汇编语言基础–汇编操作指令概述
     计算机多级存储模型
     外设IO原理

这篇关于计算机多级存储模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1125404

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU