计算机超速进化，你准备好了吗？
做信息安全的都免不了和计算机打交道，计算机是信息安全的主要防护对象之一，信息安全的工具也是在计算机上进行操作和使用，所以对计算机基础的了解有助于分析安全。计算机经过几十年的发展取得了长久的进步，速度越来越快，功能越来越强，形态差异越来越大。但现代计算机到底有多快，估计大多数人都没有直观概念，本文从计算机中的核心组件来分析下计算机到底有多快。
好在计算机的原理这么多年都没有怎么发生过本质的变化，从结构上看，还是cpu，缓存，内存，硬盘，网络等主要内容，下面就逐步分析和介绍这些内容的速度到底是多少。
然后再介绍一下数学知识中的浮点数：
什么是浮点数？浮点数表示的是一个数字，其小数点所在的位置是不确定的，也就是浮动的，因此称之为浮点数，浮点数分为单精度浮点数和双精度浮点数。
单精度浮点数（float）：占用4个字节（32位）存储空间，包括符号位1位，阶码8位，尾数23位。其数值范围为-3.4E38～3.4E38。
双精度浮点数(double)：占用8个字节（64 位）存储空间。其数值范围为：-1.79E+308~+1.79E+308。
对计算机中的指令周期、CPU周期和时钟周期做下说明：
指令周期：是指计算机从取指令到指令执行完毕的时间
CPU周期：也称机器周期，把一条指令的执行过程划分为若干个阶段，每一阶段完成一项基本操作，完成一个基本操作所需要的时间称为CPU周期，通常用内存中读取一个指令字的最短时间来规定CPU周期。
时钟周期：也称为振荡周期，定义为时钟频率的倒数。时钟周期是计算机中最基本的、最小的时间单位。在一个时钟周期内，CPU仅完成一个最基本的动作。
下面就了解下CPU到底有多快，在频率为3.0GHz的cpu中，也就是说每秒可以执行3*10^9个指令。大部分简单指令的执行只需要一个时钟周期，也就是1/3纳秒左右。即使是真空中传播的光，在这段时间内也只能走10厘米（约4英寸）。
在计算机中常用FLOPS来表示CPU的处理速度，FLOPS字尾的那个S，代表秒。
FLOPS（即“每秒浮点运算次数”，“每秒峰值速度”）是“每秒所执行的浮点运算次数”是（floating-point operations per second）的缩写。
常用FLOPS单位：
MFLOPS（megaFLOPS）：每秒一佰万（=10^6）次的浮点运算，
GFLOPS（gigaFLOPS）：每秒十亿（=10^9）次的浮点运算，
TFLOPS（teraFLOPS）：每秒万亿（=10^12）次的浮点运算，
PFLOPS（petaFLOPS）：每秒千万亿（=10^15）次的浮点运算，
EFLOPS（exaFLOPS）：每秒百亿亿（=10^18）次的浮点运算
ZFLOPS（zettaFLOPS）：每秒十万京（=10^21）次的浮点运算。
CPU峰值性能：就是CPU运算能力满打满算最最理想情况下的性能。
CPU峰值性能计算公式：
峰值浮点性能＝CPU核数×CPU频率×每周期执行的浮点操作数
每周期执行的浮点操作数：分单精度(SP)浮点性能和双精度(DP)浮点性能。这两个指标主要和CPU架构有关系：
例如：Intel Core 2 and Nehalem (SSE/SSE2）：
4 DP FLOPs/cycle: 2-wide SSE2 addition + 2-wide SSE2 multiplication8 SP FLOPs/cycle: 4-wide SSE addition + 4-wide SSE multiplication
Intel Sandy Bridge/Ivy Bridge (AVX1）：8 DP FLOPs/cycle: 4-wide AVX addition + 4-wide AVX multiplication16 SP FLOPs/cycle: 8-wide AVX addition + 8-wide AVX multiplication
Intel Haswell/Broadwell/Skylake/Kaby Lake/Coffee/... （AVX+FMA3）16 DP FLOPs/cycle: two 4-wide FMA (fused multiply-add) instructions32 SP FLOPs/cycle: two 8-wide FMA (fused multiply-add) instructions比如CPU：E5-2690 v2，基本频率为3.0GHz（这里不考虑Turbo boost动态升频），有10个核，每个核每周期可以做8次双精度浮点运算或16次单精度浮点运算，因此：
单精度峰值浮点性能=3.0*10*16=480 GFLOPS
双精度峰值浮点性能=3.0*10*8=240 GFLOPS
可以理解此款CPU的单精度浮点运算峰值为480GFLOPS,双精度为240GFLOPS。
举个最新的AMD的3990x CPU为例，单精度浮点性能达到了8098GFLOPS（8万亿FLOPS），双精度浮点性能则为4016 GFLOPS（4万亿FLOPS）。
什么概念呢，1993年全部Top 500的超级计算机算力总和，也就1.1TFLOPS，也就是说AMD的3990x CPU的算力比当时世界上所有超级计算机算力的总和还多。
2000年11月，国际TOP500组织宣布，当前最快的超级计算机的运算速度达到4938GFLOPS（4.9万亿FLOPS），应用了8000多个CPU。也就是说AMD的3990x CPU的算力，比2000年世界上最快的超级计算机的算力高出近1倍。
2020年11月，数据依旧来源于国际TOP500组织，日本富士通公司的超级计算机的运算速度已经达到442,010TFLOPS，也就是说，相比2000年的4938GFLOPS，运算速度提高了约9万倍。
由于CPU的速度实在太快了，快到主存跟不上，在读取主存数据的时候CPU常常需要等待，浪费资源，所以在CPU内部集成了缓存来作为缓冲区域，就是为了缓解CPU和内存之间速度不匹配问题（结构：CPU→cache→memory）
缓存是当CPU进行读取数据的时候：
是先从缓存的数据进行查找的，读取之后再输入到CPU的寄存器里面进行处理的；
如果没有对应的缓存数据给CPU进行处理的话，那电脑就会从内存中拿数据给交给CPU进行 处理，但读取内存比读缓存数据要慢的多。
CPU处理完数据之后，就会把处理完的的数据模块进行保存，这个也是缓存数据，这些数据在以后进行读取操作的时候就会快很多，不会像以前那么慢，并且不会重复读取内存中的数据。
一级缓存读取时间为 0.5ns，大约一次或者两次心跳的时间。这里能看出缓存的重要性，因为它的速度可以赶上 CPU，所以在CPU指令层级上的优化，提高缓存访问的命中率，这样可以极大的提高效率。但如果是命中预测错误则需要耗时 5ns，这个时间就慢了不少，所以你会看到很多文章分析如何优化代码来提高预测的概率，这样对运行效率可以提高不少。
二级缓存时间就比较久了，大约在 7ns，可以看到的是如果一级缓存没有命中，然后去二级缓存读取数据，时间差了一个数量级。然后是三级缓存。
顺便提一下线程的互斥锁的加锁和解锁时间需要 25ns，首次会需要更长的时间。所以在并发编程中，我们经常听说锁是一个很耗时的东西就是这个原因。
内存是计算机中重要的部件之一，它是与CPU进行沟通的桥梁。计算机中所有程序的运行都 是在内存中进行的，因此内存的性能对计算机的影响非常大。内存(Memory)也被称为内存储器，其作用是用于暂时存放CPU中的运算数据，以及与硬盘等外部存储器交换的数据。只要计算机在运行中，CPU就会把需要运算的数据调到内存中进行运算，当运算完成后CPU再将结果传送出来，内存的运行也决定了计算机的稳定运行。
但CPU读内存数据，每次内存寻址需要 100ns，相比缓存慢了很多，CPU 和内存之间的速度瓶颈被称为冯诺依曼瓶颈。
从内存中读取 1MB 的连续数据，耗时大约为 250us。
顺便提一下，一次CPU上下文切换（系统调用）需要大约 1500ns，也就是 1.5us，所以上下文切换是很耗时的行为。上下文切换更恐怖的事情在于，这段时间里 CPU 没有做任何有用的计算，只是切换了两个不同进程的寄存器和内存状态；而且这个过程还破坏了缓存，让后续的计算更加耗时。
硬盘的主要作用就是用来储存我们平时安装的软件、电影、游戏、音乐等的一个数据容器。现在的硬盘主要有ssd和普通机械硬盘。
SSD 随机读取耗时为 150us，虽然我们知道 SSD 要比机械硬盘快很多，但是这个速度对于CPU 来说也是像乌龟一样。I/O 设备 从硬盘开始速度开始变得漫长，这个时候我们就想起内存的好处了。尽量减少 IO 设备的读写，把最常用的数据放到内存中作为缓存是所有程序的通识。像 memcached 和 redis 这样的高速缓存系统近几年的异军突起，就是解决了这里的问题。
从 SSD 读取 1MB 的顺序数据，大约需要 1ms，也就是说 SSD 读一个普通的文件，如果要等你做完，CPU浪费了很多时间，但SSD 已经很快啦，不信你看下面机械磁盘的表现。
磁盘寻址时间为 10ms。机械硬盘使用 RPM（Revolutions Per Minute/每分钟转速) 来评估磁盘的性能：RPM 越大，平均寻址时间更短，磁盘性能越好。寻址只是把磁头移动到正确的磁道上，然后才能读取指定扇区的内容。换句话说，寻址虽然很浪费时间，但其实它并没有办任何的正事（读取磁盘内容）。
从磁盘读取 1MB 连续数据需要 20ms，IO 设备是计算机系统的瓶颈，希望读到这里你能更深切地理解这句话！如果还不理解，不妨想想你在网上买的东西，快递送了将近两年，你的心情是怎么样的。
现在的网络无处不在，不管是有线还是无线网络现在都取得了长足的进步，但网络传输对CPU 来说还是太慢了。
在 1Gbps 的网络上传输 2K 的数据需要 20us，可以看到网络上非常少数据传输对于 CPU 来说，已经很漫长。而且这里的时间还是理论最大值，实际过程还要更慢一些。
同一个数据中心网络上跑一个来回需要 0.5ms。如果你的程序有段代码需要和数据中心的其他服务器交互，在这段时间里 CPU 都已经休息了很长时间。减少不同服务组件的网络请求， 是性能优化的一大课题。
而从世界上不同城市网络上走一个来回，平均需要 150ms（参考世界各地 ping 报文的时间），不难理解，所有的程序和架构都会尽量避免不同城市甚至是跨国家的网络访问，CDN就是这个问题的一个解决方案：让用户和最接近自己的服务器交互，从而减少网络上报文的传输时间。
前面介绍了计算机中的各个组件相对于CPU的时间，虽然很多组件相对于CPU来说还是很慢，但考虑到人对时间感官是秒为单位的。所有现代的计算机对人类来说还是太快了。不过了解这些内容会加深对计算机的理解，对软件开发优化可起到一定的帮助。