Vitajte na [www.pocitac.win] Pripojiť k domovskej stránke Obľúbené stránky
Čo je to vonkajšie prekážky?
Von Neumann Architecture, základ pre väčšinu počítačov dnes, využíva jediný adresný priestor pre pokyny (kód) aj údaje. To znamená, že CPU môže mať prístup iba k pokynom alebo údajom v akomkoľvek danom čase, čo vedie k prekážke pri prenose údajov medzi CPU a pamäťou. CPU trávi značné množstvo času čakaním na získanie údajov z pamäte, aj keď by to mohlo potenciálne vykonávať výpočty paralelne.
Vplyv na výkon:
* Obmedzená rýchlosť spracovania: Rýchlosť, pri ktorej môže procesor spracovať informácie, je obmedzená rýchlosťou, pri ktorej je možné z pamäte načítať údaje a pokyny. Toto je jadro prekážky. Rýchlejšie CPU môžu byť vyhladované z údajov, ak prístup pamäte nie je rovnako rýchly.
* Memory Wall: Zvyšujúca sa rozdiely medzi rýchlosťou CPU a rýchlosťou prístupu pamäte sa často označujú ako „pamäťová stena“. CPU zlepšujú exponenciálne rýchlejšie ako rýchlosti pamäte, čo zhoršuje prekážku. To znamená, že CPU trávi stále viac času čakaním na údaje.
* Zvýšená spotreba energie: Neefektívny prenos údajov v dôsledku prekážky vedie k zvýšenej spotrebe energie. Čakajú sa viac cyklov a techniky na zmiernenie prekážky (napr. Väčšie vyrovnávacie pamäte) tiež konzumujú energiu.
* limituje paralelizmus: Zatiaľ čo moderné procesory majú viac jadier a môžu vykonávať paralelné operácie, prekážka von Neumann obmedzuje, ako efektívne môžu využiť tento paralelizmus. Ak všetky jadrá potrebujú prístup k údajom z rovnakého umiestnenia pamäte, budú sa usilovať o obmedzenú šírku pásma a bránia zisku výkonu.
* zložitosť v návrhu softvéru: Programátori si musia byť vedomí vzorov prístupu k pamäti a snažia sa písať kód, ktorý maximalizuje dátovú lokalitu (udržiavanie často používaných údajov blízko spolu v pamäti). To zvyšuje zložitosť vývoja softvéru, pretože vývojári musia zvážiť obmedzenia hardvéru, a nie iba zameranie sa na efektívnosť algoritmov.
* Znížená účinnosť pre aplikácie náročné na dáta: Prekážka je obzvlášť problematická pre aplikácie, ktoré zahŕňajú veľké súbory údajov, napríklad:
* strojové učenie: Výcvikové modely vyžadujú spracovanie obrovského množstva údajov.
* Vedecké simulácie: Zložité simulácie si často vyžadujú častý prístup k veľkým súborom údajov.
* grafikové vykreslenie: Spracovanie textúr, modelov a iných vizuálnych údajov je náročné na pamäť.
* Databázy: Dopyt a manipulácia s veľkými databázami si vyžaduje rozsiahly prístup k údajom.
Stratégie zmierňovania:
Zatiaľ čo von Neumann prekážky nemožno úplne vylúčiť súčasnou architektúrou, na zmiernenie jeho účinkov sa používajú rôzne techniky:
* caches: Rýchle, malé pamäťové vyrovnávacie pamäte sa používajú na ukladanie často prístupných údajov bližšie k CPU. To znižuje potrebu prístupu pomalšieho hlavnej pamäte. Moderné CPU majú viac úrovní vyrovnávacej pamäte (L1, L2, L3) s rôznymi rýchlosťami a veľkosťami.
* hierarchia pamäte: Použitie hierarchie typov pamäte, od veľmi rýchleho (ale drahého) SRAM po pomalšie (ale lacnejšie) DRAM a prípadne pretrvávajúce úložisko (SSDS/HDDS), umožňuje systému strategicky umiestňovať údaje tam, kde je to potrebné.
* širšie pamäťové zbernice: Zvýšenie šírky pamäťovej zbernice umožňuje prenos viac údajov paralelne počas každého prístupu do pamäte.
* ddr (dvojitá rýchlosť údajov) Pamäť: Pamäť DDR prenáša údaje na stúpajúcich aj padajúcich okrajoch hodinového signálu, čím sa účinne zdvojnásobí rýchlosť prenosu údajov.
* Predbežné načítanie: CPU sa pokúša predpovedať, ktoré údaje budú potrebné ďalej, a aktívne ich načíta z pamäte do vyrovnávacej pamäte.
* Paralelné spracovanie (Multicore, Multithreading): Zatiaľ čo prekážka obmedzuje individuálny jadro výkon, použitie viacerých jadier alebo vlákien umožňuje systému vykonávať viac úloh súbežne, čo zlepšuje celkovú priepustnosť.
* architektúry neumannu (výskum): Vedci skúmajú alternatívne architektúry, ktoré netrpia rovnakým problémom. Príklady zahŕňajú:
* architektúry dataflow: Pokyny sa vykonávajú, keď sú ich operandy k dispozícii, a nie sú ovládané programovým počítadlom.
* Neuromorfické výpočty: Tieto architektúry inšpirované ľudským mozgom používajú masívne paralelné spracovanie a distribuovanú pamäť.
* Spracovanie v pamäti (pim): Vykonávanie výpočtov priamo v samotných pamäťových čipoch, čím sa znižuje potreba presunúť údaje do CPU.
Záver:
Von Neumann prekážky zostáva v moderných počítačových systémoch významným obmedzením výkonu. Aj keď stratégie zmierňovania pomohli zmierniť jeho vplyv, naďalej obmedzuje výkon, najmä v prípade aplikácií náročných na údaje. Výskum alternatívnych architektúr je rozhodujúci na prekonanie tohto základného obmedzenia a odomknutie plný potenciálu budúcich výpočtových systémov. Prekážka je stálym hnacím motorom inovácií v hardvérovom aj softvérovom dizajne.