深入浅出计算机组成原理
徐文浩
bothub创始人
立即订阅
13019 人已学习
课程目录
已完结 62 讲
0/4登录后,你可以任选4讲全文学习。
入门篇 (5讲)
开篇词 | 为什么你需要学习计算机组成原理?
免费
01 | 冯·诺依曼体系结构:计算机组成的金字塔
02 | 给你一张知识地图,计算机组成原理应该这么学
03 | 通过你的CPU主频,我们来谈谈“性能”究竟是什么?
04 | 穿越功耗墙,我们该从哪些方面提升“性能”?
原理篇:指令和运算 (12讲)
05 | 计算机指令:让我们试试用纸带编程
06 | 指令跳转:原来if...else就是goto
07 | 函数调用:为什么会发生stack overflow?
08 | ELF和静态链接:为什么程序无法同时在Linux和Windows下运行?
09 | 程序装载:“640K内存”真的不够用么?
10 | 动态链接:程序内部的“共享单车”
11 | 二进制编码:“手持两把锟斤拷,口中疾呼烫烫烫”?
12 | 理解电路:从电报机到门电路,我们如何做到“千里传信”?
13 | 加法器:如何像搭乐高一样搭电路(上)?
14 | 乘法器:如何像搭乐高一样搭电路(下)?
15 | 浮点数和定点数(上):怎么用有限的Bit表示尽可能多的信息?
16 | 浮点数和定点数(下):深入理解浮点数到底有什么用?
原理篇:处理器 (18讲)
17 | 建立数据通路(上):指令+运算=CPU
18 | 建立数据通路(中):指令+运算=CPU
19 | 建立数据通路(下):指令+运算=CPU
20 | 面向流水线的指令设计(上):一心多用的现代CPU
21 | 面向流水线的指令设计(下):奔腾4是怎么失败的?
22 | 冒险和预测(一):hazard是“危”也是“机”
23 | 冒险和预测(二):流水线里的接力赛
24 | 冒险和预测(三):CPU里的“线程池”
25 | 冒险和预测(四):今天下雨了,明天还会下雨么?
26 | Superscalar和VLIW:如何让CPU的吞吐率超过1?
27 | SIMD:如何加速矩阵乘法?
28 | 异常和中断:程序出错了怎么办?
29 | CISC和RISC:为什么手机芯片都是ARM?
30 | GPU(上):为什么玩游戏需要使用GPU?
31 | GPU(下):为什么深度学习需要使用GPU?
32 | FPGA和ASIC:计算机体系结构的黄金时代
33 | 解读TPU:设计和拆解一块ASIC芯片
34 | 理解虚拟机:你在云上拿到的计算机是什么样的?
原理篇:存储与I/O系统 (17讲)
35 | 存储器层次结构全景:数据存储的大金字塔长什么样?
36 | 局部性原理:数据库性能跟不上,加个缓存就好了?
37 | 高速缓存(上):“4毫秒”究竟值多少钱?
38 | 高速缓存(下):你确定你的数据更新了么?
39 | MESI协议:如何让多核CPU的高速缓存保持一致?
40 | 理解内存(上):虚拟内存和内存保护是什么?
41 | 理解内存(下):解析TLB和内存保护
42 | 总线:计算机内部的高速公路
43 | 输入输出设备:我们并不是只能用灯泡显示“0”和“1”
44 | 理解IO_WAIT:I/O性能到底是怎么回事儿?
45 | 机械硬盘:Google早期用过的“黑科技”
46 | SSD硬盘(上):如何完成性能优化的KPI?
47 | SSD硬盘(下):如何完成性能优化的KPI?
48 | DMA:为什么Kafka这么快?
49 | 数据完整性(上):硬件坏了怎么办?
50 | 数据完整性(下):如何还原犯罪现场?
51 | 分布式计算:如果所有人的大脑都联网会怎样?
应用篇 (5讲)
52 | 设计大型DMP系统(上):MongoDB并不是什么灵丹妙药
53 | 设计大型DMP系统(下):SSD拯救了所有的DBA
54 | 理解Disruptor(上):带你体会CPU高速缓存的风驰电掣
55 | 理解Disruptor(下):不需要换挡和踩刹车的CPU,有多快?
结束语 | 知也无涯,愿你也享受发现的乐趣
免费
答疑与加餐 (5讲)
特别加餐 | 我在2019年F8大会的两日见闻录
FAQ第一期 | 学与不学,知识就在那里,不如就先学好了
用户故事 | 赵文海:怕什么真理无穷,进一寸有一寸的欢喜
FAQ第二期 | 世界上第一个编程语言是怎么来的?
特别加餐 | 我的一天怎么过?
深入浅出计算机组成原理
登录|注册

51 | 分布式计算:如果所有人的大脑都联网会怎样?

徐文浩 2019-08-28
今天是原理篇的最后一篇。过去 50 讲,我们一起看了抽象概念上的计算机指令,看了这些指令怎么拆解成一个个简单的电路,以及 CPU 是怎么通过一个一个的电路组成的。我们还一起看了高速缓存、内存、SSD 硬盘和机械硬盘,以及这些组件又是怎么通过总线和 CPU 连在一起相互通信的。
把计算机这一系列组件组合起来,我们就拿到了一台完整的计算机。现在我们每天在用的个人 PC、智能手机,乃至云上的服务器,都是这样一台计算机。
但是,一台计算机在数据中心里是不够的。因为如果只有一台计算机,我们会遇到三个核心问题。第一个核心问题,叫作垂直扩展和水平扩展的选择问题,第二问题叫作如何保持高可用性(High Availability),第三个问题叫作一致性问题(Consistency)。
围绕这三个问题,其实就是我们今天要讲的主题,分布式计算。当然,短短的一讲肯定讲不完这么大一个主题。分布式计算拿出来单开一门专栏也绰绰有余。我们今天这一讲的目标,是让你能理解水平扩展、高可用性这两个核心问题。对于分布式系统带来的一致性问题,我们会留在我们的实战篇里面,再用案例来为大家分析。

从硬件升级到水平扩展

从技术开发的角度来讲,想要在 2019 年创业真的很幸福。只要在 AWS 或者阿里云这样的云服务上注册一个账号,一个月花上一两百块钱,你就可以有一台在数据中心里面的服务器了。而且这台服务器,可以直接提供给世界各国人民访问。如果你想要做海外市场,你可以把这个服务器放在美国、欧洲、东南亚,任何一个你想要去的市场的数据中心里,然后把自己的网站部署在这台服务器里面就可以了。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《深入浅出计算机组成原理》,如需阅读全部文章,
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(9)

  • 幻月剑
    原来还有保持可用性的原因,以前一直只觉得分布式是用来增加性能的

    作者回复: 幻月剑同学你好,

    能给大家补充一点之前没有想到的问题是再好不过了。

    2019-08-28
    6
  • 活的潇洒
    这一讲讲的东西都是我工作中用得,但是让我给比人讲我无法达到老师这样的清晰,下面分享一下关于负载均衡的形象比喻“
    、什么是负载均衡?

      你上班的时候有经理、经理自己不干活,一有活就分给下面的人

    2、什么是负载?

      就是每个干活的职员

    3、什么是均衡?

      他们不能让:有的人太忙有的太闲

    4、什么是最小连接数?

      有的活:5个5分钟干完,有的活1个活需要1天才能干完
      别看人家,那活干了一天,人家拿活就是需要干一天。

    5、什么是加权轮询?

      年轻:干活干的快那的工资高
      岁数大的:干活干的少,工资也低
      男的和女的按照不同的权重分配

    6、哈希的算法的原理?

      你在超市的干活洗发水都是你干
      每次来活经理就会把活分配给你因为你有经验
      摆干货的就摆不了洗发水

    7、负载均衡算法的分类?

      静态算法:不需要看你干什么
      动态算法:不停的看每个人都在干什么

    8、负载均衡是一个什么样的设备?

      经理就是单点故障,经理生病了?经理休假了咋办,这些活咋办?
      要是静态算法谁都能分活
      要是动态就需要再招一个副经理

    作者回复: 很好的比喻啊

    2019-09-15
    3
  • leslie
    今天的课程提到一块东西是我一直在思考的:分布式系统的消息队列;系统当下用了大量的云服务器,各大云厂商其实都做了各种HA;
    至于云厂商的HA相信老师应当非常了解这块策略,我就不多做分享;谈一下自己对于这节课的收获和理解供探讨吧。
    关于负载均衡和消息队列:其实是我目前一直困惑的两块知识
    1)负载均衡:之前许老师的架构课里面有从架构层解释过,可是我觉得老师换了角度去讲解-从硬件层和硬件实现模式补充了许老师的课程;两位老师的课程其实结合起来就完全解释清楚了这块;
    2)消息队列:其实牵涉的知识众多:现实工作中的MQ用的不太合适,因为数据库压力这块分担的不太好;
    通过对数据库性能做了一系列优化短期内暂无明显压力,获得了一段缓冲时间;故而学习了《消息队列高手》这门课,学习中发现了部分问题其实源自操作系统为此还特意在刘老师提及消息队列的课程咨询了,但是总觉得有些地方还是不太明白,今天老师的课程中刚好有分布式系统的消息队列-对于系统层的问题又做了补充,结合今天老师的课大致上可以消息队列的问题。可能就像刘老师的课程所说:"操作系统和计算机组成相辅相成"相互理解和明白才能真正把握好。
          谢谢老师的分享和传授:相辅相成的换个角度去学习感悟才能明白和理解课程。

    作者回复: leslie同学,

    你好,是的,其实计算机科学的各个学科之间是有很紧密的联系的,大都是在设计和制造计算机的实践过程中抽象出来的。

    学东西也是一样,只看一个主题往往容易缺那么一两个细节点。

    2019-08-28
    1
    2
  • 活的潇洒
    终于讲到了和我工作中一样的场景
    1、首先是Nginx反向代理的高可用集群
    2、MySQL的一主多从,主从复制
    3、openstak再创建虚拟机时会把相同服务的虚拟机分散到不同的宿主机上
    4、微服务的注册中心集群
    5、微服务水平扩展的多个节点

    作者回复: 👍 可以和大家分享一下你们的节点分配策略是怎么样的。是出于什么考虑这么来分配的。

    2019-08-28
    1
  • 秋天
    而通过水平扩展保障高可用性,则需要我们做三件事情。第一个是理...
    2019-10-15
  • 周涛
    这章讲的实在太好了,用浅显的道理讲复杂的原理,非常希望在这里不断提高。最终达到实际操作的境界。
    2019-10-05
  • 陈华应
    以前上一个h5,软件服务都是独立的并且都是部署到几台机器,数据库是ha,就觉得实现了高可用。
    现在软件是微服务化,部署是docker+k8s,数据中心是异地。一致性只能根据业务场景case by case

    作者回复: 其实高可用的挑战很多,每次故障都会让你发现漏考虑的SPOF的节点,以及没有考虑周到的FailOver策略

    2019-08-31
  • 许童童
    我们的系统就是最简单的LEMP架构,能过nginx将流量分发到不同的PHP服务器,PHP通过连接读写分离的MYSQL完成服务。后期准备迁入Kubernetes,利用云原生的便利性和高扩展性,更好的提升可用性,与分页式计算。

    作者回复: 👍 很棒,用好k8s做自动扩展不容易

    2019-08-28
  • pebble
    有个问题一直不明白,云上的cpu,是多线程后的,还是一个物理u

    作者回复: pebble同学,

    你好,可以认为是物理U。但是你知道,云服务商都会超卖来保障自己能有利润……

    2019-08-28
    1
收起评论
9
返回
顶部