软考中级(软件设计)----计算机体系结构分类与指令系统

简介: 软考中级(软件设计)----计算机体系结构分类与指令系统

1 Flynn分类法

在这里插入图片描述

考试真题

  • 题目如下,答案为:A、D

在这里插入图片描述

2 计算机指令

  • 计算机指令的组成:一条指令由操作码和操作数两部分组成,操作码决定要完成的操作,操作数指参加运算的数据及其所在的单元地址
  • 在计算机中,操作要求和操作数地址都由二进制数码表示,分别称作操作码和地址码,整条指令以二进制编码的形式存放在存储器中
  • 计算机指令执行过程:取指令--分析指令--执行指令三步骤,首先将程序计数器PC中的指令地址取出,送入地址总线,CPU依据指令地址去内存中取出指令内容存入指令寄存器IR,然后由指令译码器进行分析,分析指令操作码,最后执行指令,取出指令执行所需的源操作数

3 指令寻址方式

指令寻址方式

  • 顺序寻址方式:当执行一段程序时,是一条指令接着一条指令地顺序执行
  • 跳跃寻址方式:指下一条指令的地址码不是由程序计数器给出,而是由本条指令直接给出,程序跳跃后,按新的指令地址开始顺序执行,因此,程序计数器的内容必须相应改变,以便及时跟踪新的指令地址

指令操作数的寻址方式

  • 立即寻址方式:指令的地址码字段指出的不是地址,而是操作数本身
  • 直接寻址方式:在指令的地址字段中直接指出操作数在主存中的地址
  • 间接寻址方式:指令地址码字段所指向的存储单元中存储的是操作数的地址
  • 寄存器寻址方式:指令中的地址码是寄存器的编号

4 指令系统

  • CISC是复杂指令系统,兼容性强,指令繁多,长度可变,由微程序实现
  • RISC是精简指令系统,指令少,使用频率接近,主要依靠硬件实现(通用寄存器、硬布线逻辑控制)
  • CISC和RISC的区别如下

在这里插入图片描述

考试真题

  • 题目如下,答案为:D

在这里插入图片描述

5 指令流水线

  • 指令流水线原理:将指令分成不同阶段,每段由不同的部分去处理,因此可以产生叠加的效果,所有的部件去处理指令的不同阶段,如下图所示

在这里插入图片描述

6 流水线的相关计算

  • 流水线周期:指令分成不同的执行段,其中执行时间最长的段为流水线周期
  • 流水线执行时间:1条指令总执行时间+(总指令条数-1)* 流水线周期
  • 流水线吞吐率:总指令条数/流水线执行时间
  • 流水线减速比:不适用流水线总时间/使用流水线总执行时间
  • 超标量流水线技术:常规流水线是度为1的,即每个流水线阶段只执行一个部分,当度大于1时,就是超标量技术,当度为3时,相当于3条流水线并行执行,。即取指、分析、执行每个阶段都同时处理3条指令,因此,当题目提到度的概念时,。计算时需要将:指令条数=指令条数/度,然后再套用刘淑贤执行时间的公式计算

考试真题

  • 题目如下,答案为:B

在这里插入图片描述

  • 题目如下,答案为:B、A

在这里插入图片描述

目录
相关文章
|
人工智能 编解码 并行计算
Ai实现FPS游戏自动瞄准 yolov5fps自瞄
Ai实现FPS游戏自动瞄准 yolov5fps自瞄
11363 0
|
12月前
|
存储 缓存 Apache
StarRocks+Paimon 落地阿里日志采集:万亿级实时数据秒级查询
本文介绍了阿里集团A+流量分析平台的日志查询优化方案,针对万亿级日志数据的写入与查询挑战,提出基于Flink、Paimon和StarRocks的技术架构。通过Paimon存储日志数据,结合StarRocks高效计算能力,实现秒级查询性能。具体包括分桶表设计、数据缓存优化及文件大小控制等措施,解决高并发、大数据量下的查询效率问题。最终,日志查询耗时从分钟级降至秒级,显著提升业务响应速度,并为未来更低存储成本、更高性能及更多业务场景覆盖奠定基础。
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
767 2
|
数据采集 存储 安全
利用爬虫技术自动化采集汽车之家的车型参数数据
汽车之家是一个专业的汽车网站,提供了丰富的汽车信息,包括车型参数、图片、视频、评测、报价等。如果我们想要获取这些信息,我们可以通过浏览器手动访问网站,或者利用爬虫技术自动化采集数据。本文将介绍如何使用Python编写一个简单的爬虫程序,实现对汽车之家的车型参数数据的自动化采集,并使用亿牛云爬虫代理服务来提高爬虫的稳定性和效率。
1293 0
利用爬虫技术自动化采集汽车之家的车型参数数据
|
算法
海明码详解
本文详细介绍了海明码(Hamming Code)的概念、原理和应用,包括信息位与校验位的关系、校验位的计算方法、错误检测与纠正过程,并通过实例展示了如何使用海明码进行编码,突出了海明码在提高数据传输可靠性方面的重要性。
2392 0
海明码详解
|
XML Java 数据库连接
如何使用HikariCP连接池来优化数据库连接管理
在Java应用中,高效管理数据库连接是提升性能的关键。本文介绍了如何使用HikariCP连接池来优化数据库连接管理。通过引入依赖、配置参数和获取连接,你可以显著提高系统的响应速度和吞吐量。 示例代码展示了从配置到使用的完整流程,帮助你轻松上手。
1218 3
|
搜索推荐 Linux Shell
打造个性化的Linux命令提示符
【8月更文挑战第47天】在Linux的世界里,命令行是高效工作的利器。本文将引导你如何通过简单的配置,让你的命令提示符更加个性化和实用,从而提升你的工作效率和终端使用体验。我们将从基础的颜色设置开始,逐步深入到复杂的解析符号和脚本编写,最终实现一个既美观又功能丰富的命令提示符。无论你是初学者还是高级用户,都能在这里找到适合你的技巧。让我们一起探索,让命令行不再单调!
476 16
|
监控 Windows
Windows服务器的服务如何实现自动启动?
Windows服务器的服务如何实现自动启动?
2921 1
|
数据采集 人工智能 监控
赌你一定想要!OpenDataLab首款大模型多模态标注平台Label-LLM正式开源
Label-LLM 是一款专为大模型训练设计的多模态文本对话标注工具,支持团队协作,让标注工作变得简单高效。它不仅涵盖丰富的任务类型,如回答采集、偏好收集和内容评估等,还支持多模态数据标注,包括图像、视频和音频。Label-LLM具备预标注载入功能,能大幅提升工作效率,并提供全方位的任务管理与可视化分析,确保标注质量。快来体验这款强大的标注平台吧![部署文档](https://github.com/opendatalab/LabelLLM)
3755 0
赌你一定想要!OpenDataLab首款大模型多模态标注平台Label-LLM正式开源
|
调度 UED Python
探索Python中的异步编程:从回调到async/await
本文将深入探讨Python中的异步编程,从最初的回调函数到现代的async/await语法。通过比较不同的异步编程方法,读者将了解它们的优缺点,并学习如何在项目中选择合适的方式来提高性能和可维护性。

热门文章

最新文章