冯诺依曼结构理解

news2025/3/17 7:47:47

冯诺依曼结构

存储器:内存
数据是要在计算机的体系结构中进行流动的,在流动过程中对数据加工处理
从一个设备到另一个设备,本质是一种拷贝
CPU的计算速度是很快的,所以数据设备间的拷贝效率,决定了计算机整体的基本效率
存储金字塔 

计算机的处理逻辑是:
输入设备->CPU->输出设备
也就是说,我们其实可以只要一个输入输出设备就好了
直接把数据给到CPU,而不用再给存储器一道,岂不是加快了速度?
逻辑上是这样的
但是,奈何输入输出设备的效率太低了
所以为了解决输入输出设备效率太低,假如了存储器
在CPU工作的时间,我们就可以同时使用输入设备输入数据到存储器
这样CPU取数据时,就可以不用等输入设备,而是直接从存储器中取数据
这样的设计构架,加快了整体计算机的数据处理效率


计算机中寄存器的速度是最快的,既然是最快的
你有没有想过,为什么不全部使用寄存器呢?
你说太贵了
好的
你现在是一个土豪,你身价万亿
你说我不要什么存储器了,我就要全部干寄存器
人家的寄存器1G,我干一个500G
行不行?
可以,没毛病
反正咱有钱,你给我造出来就完事
好的,到目前没有任何问题
可是,这么一台计算机上百万千万
有几个人买得起呢?中东土豪?
假设这个世界上有100个人买得起
那么,也就是说,这个世界使用计算机的只有100人
只有100人的计算机使用群体
那么请问:没有庞大的网民,谁来养那些规模庞大的互联网公司?苹果谁来养?BAT谁来养?英特尔谁来养?没有他们,谁来养规模庞大的工程师?没有工程师,
网络哪里来?
互联网哪里来?
手机哪里来?
个人电脑哪里来?
根本撑不起来

所以,增加了存储器的计算机冯诺依曼结构,使得我们在不增加过多成本的同时,可以获得一个速度、效率还不错的,性价比不错的计算机。
只有平头老百姓都买得起
才能支撑起一个规模庞大的,世界范围的行业
进而促进相关产业的发展
这才有了后来的互联网时代
所以,这才是冯诺依曼体系结构的伟大之处
在降低了计算机成本的基础上,并没有对计算机的运行处理速度造成很大的损失
当一个创新发生,产生了相当范围的影响,那么创新就不仅仅局限于创新本身了
例如火药的创新

在硬件数据流动角度,在数据层面:
1、CPU不和外设直接打交道,CPU只和内存打交道
2、外设(输入和输出)的数据,不是直接给CPU的,而是要放入内存中

那么冯诺依曼结构能做什么呢?
1、程序运行,为什么要加载到内存中呢?
程序=代码+数据
在程序运行时,程序的数据要被CPU访问,指令要被CPU执行
但是,CPU只会从内存中读取代码和数据
因此,我们写的代码必须加载到内存中,CPU才能访问,CPU访问,就是执行运行代码
那么程序没有被加载到内存的时候,在哪里?在磁盘上,是一个二进制可执行文件
CPU要执行程序,就要从欧冠磁盘(外设)加载到内存中

2、既然数据要加载到内存中,那么,
什么时候加载?怎么加载?加载到内存的那个位置?
我怎么知道什么时候开始加载?什么时候加载结束?
加载完数据之后,要CPU进行处理,我要去内存读取数据
去内存的哪里读取?读取多少?
处理完数据之后,还是要加载到内存中,加载到内存的哪里?
什么时候刷新到下一个设别?要不要存储结果?
等等等等
以上这一切都是由操作系统完成

3、两台电脑/手机设备进行通信时,数据的流动是怎样的?
两个设备都是冯诺依曼机器
所以,第一个发送信息时,从输入设备输入数据到内存,经过CUP加密后,再回到内存,再把这个数据加载给网卡,网卡通过网络传输给另一个设备
另一个设备由网卡收到数据,同样的,数据从网卡加载到内存,再由CPU的对应程序(例如QQ)解密,将数据刷新到另一个设备的显示器

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1598106.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

vue3第十八节(diff算法)

引言: 上一节说了key的用途,而这个key属性,在vue的vnode 中至关重要,直接影响了虚拟DOM的更新机制; 什么场景中会用到diff算法 如:修改响应式属性需要重新渲染页面,会重新执行render渲染函数返…

Maven 项目 JDK 8、JDK 17 多版本 Java 编译依赖最佳实践

博主历时三年精心创作的《大数据平台架构与原型实现:数据中台建设实战》一书现已由知名IT图书品牌电子工业出版社博文视点出版发行,点击《重磅推荐:建大数据平台太难了!给我发个工程原型吧!》了解图书详情,…

layui复选框勾选取消勾选事件监听

监听事件放置位置&#xff1a; form.on(checkbox(equipInputClick), function(data){var a data.elem.checked;var val data.value;if(a true){}else{}});html部分 <input lay-filter"equipInputClick" type"checkbox" lay-skin"primary&quo…

ViT——nlp和cv进行了统一,使多模态成为可能

题目:AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE 1.概述之前的transformer在cv中应用,大部分是将CNN模型中部分替换成transformer block(整体网络结构不变)或者用transformer将不同网络连接起来,而本文提出:一个针对图像patch的纯的t…

LeetCode-706. 设计哈希映射【设计 数组 哈希表 链表 哈希函数】

LeetCode-706. 设计哈希映射【设计 数组 哈希表 链表 哈希函数】 题目描述&#xff1a;解题思路一&#xff1a;超大数组解题思路二&#xff1a;拉链法解题思路三&#xff1a; 题目描述&#xff1a; 不使用任何内建的哈希表库设计一个哈希映射&#xff08;HashMap&#xff09;。…

LeetCode 热题 100 Day03

普通数组 常见的题型有&#xff1a; 取模、区间合并、最大子序列和、最长非0子序列等。 一些解题思路很巧妙&#xff0c;多练多总结。 Leetcode 53. 最大子数组和 [dp动态查找最大值] 题目理解&#xff1a; 给定一个整数数组, 求一个连续的子序列 该子序列满足和最大 要求返回最…

有依赖的的动态规划问题

题目 题型分析 这是比较典型的动态规划的问题。动态规划是什么呢&#xff1f;本质上动态规划是对递归的优化。例如&#xff0c;兔子数列&#xff1a;f(x) f(x - 1) f(x -2), 我们知道 f 代表了计算公式&#xff0c;这里解放思想一下&#xff0c;如果 f 替换为数组&#xff0…

用于 SQLite 的异步 I/O 模块(二十四)

返回&#xff1a;SQLite—系列文章目录 上一篇&#xff1a;SQLite的PRAGMA 声明&#xff08;二十三&#xff09; 下一篇&#xff1a;SQLite、MySQL 和 PostgreSQL 数据库速度比较&#xff08;本文阐述时间很早比较&#xff0c;不具有最新参考性&#xff09;&#xff08;二…

【数据结构|C语言版】单链表应用

前言1. 基于单链表实现通讯录1.1 知识要求1.2 功能要求 2. 代码总结2.1 SeqList.h2.2 SeqList.c2.3 Contact.h2.4 Contact.c2.5 test.c 后言 上期回顾&#xff1a;【数据结构|C语言版】单链表 前言 各位小伙伴大家好&#xff01;上期小编讲解了单链表相关知识&#xff0c;在此…

linux 设置定时任务---学习

1、设置定时任务 crontab -e 设置格式参考&#xff1a;【Linux】Linux crontab 命令定时任务设置_crontab 设置每天10:30执行-CSDN博客 测试过程&#xff1a; */1 * * * * /root/cronjob.sh 脚本内容: echo "hell0 cronjob" >> /root/test/hello.txt 实现…

腾讯云服务器CVM标准型S8实例CPU内存、网络和存储性能测评

腾讯云第八代云服务器标准型S8实例基于全新优化虚拟化平台&#xff0c;CPU采用Intel Emerald Rapids 全新处理器&#xff0c;睿频3.0GHz&#xff0c;内存采用最新DDR5&#xff0c;默认网络优化&#xff0c;最高内网收发能力达4500万pps&#xff0c;最高内网带宽可支持120Gbps。…

游戏生成式 AI:编织梦想,避开阴影

想象一下&#xff0c;一个沉浸式的游戏世界中玩家遇到的每个 NPC 都由 AI 驱动&#xff0c;他们能与玩家进行互动&#xff0c;从改变游戏体验。据 Inword 一项研究显示&#xff0c;绝大多数游戏玩家渴望这种互动&#xff0c;愿意投入更多的时间和金钱来玩这种由 AI 驱动的游戏。…

亚马逊、沃尔玛自养号测评技术解析:如何降低潜在风险

亚马逊等电商平台在全球范围内迅速扩张&#xff0c;竞争愈发激烈。为提升产品排名和销量&#xff0c;众多卖家选择采用自养号测评的策略。然而&#xff0c;自养号测评技术并非完美无缺&#xff0c;它存在着一定的技术局限性。由于缺乏对自养号原理及底层环境搭建的深入理解&…

如何在Vue3中使用H.265视频EasyPlayer.js流媒体播放器?

H5无插件流媒体播放器EasyPlayer属于一款高效、精炼、稳定且免费的流媒体播放器&#xff0c;可支持多种流媒体协议播放&#xff0c;可支持H.264与H.265编码格式&#xff0c;性能稳定、播放流畅&#xff0c;能支持WebSocket-FLV、HTTP-FLV&#xff0c;HLS&#xff08;m3u8&#…

操作系统(第五周 第一二堂总结)

目录 回顾 前景知识 概述 定义 进程和线程的关系 进程和线程的区别 线程优缺点 优点&#xff1a; 缺点&#xff1a; 易混概念 线程实现方式 线程的类型&#xff1a; ​编辑 多线程模型&#xff1a; 线程函数 头文件&#xff1a; 线程创建函数&#xff1a; 线…

k8s控制器(五)_____DaemonSet

DaemonSet控制器 DaemonSet控制器是Kubernetes中的一种控制器&#xff0c;用于确保集群中的每个节点都运行一个Pod的副本。它通常用于在整个集群中部署一些系统级别的服务&#xff1a; 在每一个node节点运行一个存储服务&#xff0c;例如gluster&#xff0c;ceph。在每一个no…

DRF视图组件(2个视图基类、5个视图扩展类、9个视图子类、视图集和路由映射)

DRF视图组件(2个视图基类、5个视图扩展类、9个视图子类、视图集和路由映射) 目录 DRF视图组件(2个视图基类、5个视图扩展类、9个视图子类、视图集和路由映射)2个视图基类mixins的5个视图扩展类generics的9个视图子类视图集自定制返回格式自动生成路由(SimpleRouter)action装饰器…

非监督学习的模型为条件概率分布P(z|x)和p(x|z)的区别

在无监督学习中&#xff0c;假设X是输入空间&#xff0c;Z是输出的隐式结构空间&#xff0c;要学习的模型非概率模型情况可以表示为函数zg(x)&#xff0c;概率模型情况下表示为条件概率分布P&#xff08;z|x&#xff09;或p(x∣z)&#xff0c;它们 都可以用来描述数据中的潜在结…

[ROS 系列学习教程] 建模与仿真 - URDF 语法介绍

ROS 系列学习教程(总目录) 本文目录 一、robot标签二、link标签三、joint标签 URDF文件中使用XML格式描述的机器人模型&#xff0c;下面介绍URDF的XML标签。 一、robot标签 机器人描述文件中的根元素必须是robot&#xff0c;所有其他元素必须封装在其中。 属性 name&#x…

JetBrains Rider 2024.1 发布 - 快速且强大的跨平台 .NET IDE

JetBrains Rider 2024.1 发布 - 快速且强大的跨平台 .NET IDE 请访问原文链接&#xff1a;JetBrains Rider 2024.1 (macOS, Linux, Windows) - 快速且强大的跨平台 .NET IDE&#xff0c;查看最新版。原创作品&#xff0c;转载请保留出处。 作者主页&#xff1a;sysin.org Jet…