【Linux手冊】馮諾依曼體系結構

目錄

前言

五大組件

數據信號

?存儲器(內存)有必要嗎

常見面試題


前言

馮諾依曼體系結構是當代計算機基本架構,馮諾依曼體系有五大組件,通過這五大組件直觀的描述了計算機的工作原理;學習馮諾依曼體系可以讓給我們更加理解計算機工作原理,認識到各個硬件之間的聯系以及操作系統在其中的功能。下面將對馮諾依曼體系的各個組成部分以及作用進行介紹。

以上是馮諾依曼體系中數據信號和控制信號的流程圖。

五大組件

馮諾依曼體系很簡潔直觀,只有五個組成部分。

輸入設備:鍵盤,鼠標,話筒(輸入聲音),攝像頭,磁盤(向磁盤中寫入),網卡(向網絡中發送數據).......

輸出設備:顯示器,揚聲器,磁盤(從磁盤中讀取),網卡(從網絡中讀取)......

存儲器:指的是內存,而不是硬盤或磁盤;

運算器:對數據進行計算; ????????控制器:對硬件進行控制;

其中運算器和控制器共同組成中央處理器,即CPU;

數據信號

關于控制方面,所有的硬件都由控制器進行控制,不需要過多贅述。但是在數據傳輸方面就有一些特殊之處了。

根據上面的流程圖:數據從輸入設備中進行讀取------>放到內存里面------>交給運算器進行運算--------->還給內存------->放入輸出設備。

這個流程圖里面的內存是干嘛的,“中間商”嗎???為什么數據先給他再進行計算,計算完了還要還給它,不能直接從輸入設備中讀取后就計算,計算完直接放到輸出設備嗎???

?存儲器(內存)有必要嗎

在計算機中由很多硬件都具有存儲的功能,但是存儲也是分級的;根據上圖--存儲金字塔可以看到CPU的讀取速度是最快的,基本上以納秒為單位,而磁盤或硬盤的讀取效率很低,基本上讀取速度以毫秒為單位,兩者的差距是很大的。

如果直接讓CPU從輸入設備上進行數據的讀取,就會出現:CPU早就已經將數據計算完了,等了半天下一組數據才從輸出設備輸出來,就會導致大大CPU的效率被大大拉低,機器的運算效率也同樣會大大降低。所以就需要一個比外設速度快但是又比CPU慢一點的設備------內存。

內存比CPU慢一點,但是比外設快很多,這樣就能有效的提高CPU的讀取和輸出效率。

內存比CPU的存儲能力更強,所以可以先將數據預加載到內存中,當CPU計算完后直接從內存中進行讀取,內存也持續從外設中讀取和輸出數據;這樣就實現了讀取和計算并行。

總結:數據交互上,所有外設都只能與內存打交道,不能直接與CPU進行數據的交互。

常見面試題

一個程序為什么要先加載到內存中?

答:因為馮諾依曼體系結構,中央處理器只與內存進行交互,從內存中讀取,向內存中進行寫入。

為什么有些程序在顯示數據的時候數據會先被緩存起來?在哪緩存的?

因為馮諾依曼體系結構規定,中央處理器計算后的數據不會直接輸出給輸出設備而是先給內存,緩存是因為內存中的數據還沒有來得及刷新到輸出設備中。

能否使用馮諾依曼體系結構解釋,在使用qq發送文件時,文件數據是這樣進行流動的?

答:文件通過硬盤傳輸給內存經過處理后返還給內存,內存再交給網卡,由網卡發送到網絡中,對方網卡進行接收,當對方進行下載時文件加載到內存中....

拓展:當其他用戶給我發送文件時,我們還沒有進行下載,那么此時文件存儲在哪??

在騰訊云服務器上存儲著。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/83805.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/83805.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/83805.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

10_聚類

描述 聚類(clustering)是將數據集劃分成組的任務,這些組叫作簇(cluster)。其目標是劃分數據,使得一個簇內的數據點非常相似且不同簇內的數據點非常不同。與分類算法類似,聚類算法為每個數據點分…

【SSM】SpringBoot學習筆記1:SpringBoot快速入門

前言: 文章是系列學習筆記第9篇。基于黑馬程序員課程完成,是筆者的學習筆記與心得總結,供自己和他人參考。筆記大部分是對黑馬視頻的歸納,少部分自己的理解,微量ai解釋的內容(ai部分會標出)。 …

國產高性能pSRAM選型指南:CSS6404LS-LI 64Mb QSPI偽靜態存儲器

一、芯片基礎特性 核心參數 容量 :64Mb(8M 8bit)電壓 :單電源供電 2.7-3.6V (兼容3.3V系統)接口 :Quad-SPI(QPI/SPI)同步模式封裝 : SOP-8L (150mil) &#…

Cilium動手實驗室: 精通之旅---4.Cilium Gateway API - Lab

Cilium動手實驗室: 精通之旅---4.Cilium Gateway API - Lab 1. 環境準備2. API 網關--HTTP2.1 部署應用2.2 部署網關2.3 HTTP路徑匹配2.4 HTTP頭匹配 3. API網關--HTTPS3.1 創建TLS證書和私鑰3.2 部署HTTPS網關3.3 HTTPS請求測試 4. API網關--TLS 路由4.1 部署應用4.2 部署網關…

20250605在微星X99主板中配置WIN10和ubuntu22.04.6雙系統啟動的引導設置

rootrootrootroot-X99-Turbo:~$ sudo apt-get install boot-repair rootrootrootroot-X99-Turbo:~$ sudo add-apt-repository ppa:yannubuntu/boot-repair rootrootrootroot-X99-Turbo:~$ sudo apt-get install boot-repair 20250605在微星X99主板中配置WIN10和ubuntu22.04.6雙…

MyBatis之測試添加功能

1. 首先Mybatis為我們提供了一個操作數據庫的會話對象叫Sqlsession,所以我們就需要先獲取sqlsession對象: //加載核心配置文件 InputStream is Resources.getResourceAsStream("mybatis-config.xml"); //獲取sqlSessionFactoryBuilder(是我…

[論文閱讀] 人工智能+軟件工程 | MemFL:給大模型裝上“項目記憶”,讓軟件故障定位又快又準

【論文解讀】MemFL:給大模型裝上“項目記憶”,讓軟件故障定位又快又準 論文信息 arXiv:2506.03585 Improving LLM-Based Fault Localization with External Memory and Project Context Inseok Yeo, Duksan Ryu, Jongmoon Baik Subjects: Software Engi…

Java開發中復用公共SQL的方法

在一次Java后端開發的面試中,面試官問了我一個問題:“你在寫代碼時會復用公共SQL嗎?如果會的話,能詳細介紹一下你是如何實現的嗎?”這個問題讓我眼前一亮,因為在實際項目中,SQL復用確實是一個非…

C#學習26天:內存優化的幾種方法

1.減少對象創建 使用場景: 在循環或密集計算中頻繁創建對象時。涉及大量短生命周期對象的場景,比如日志記錄或字符串拼接。游戲開發中,需要頻繁更新對象狀態時。 說明: 重用對象可以降低內存分配和垃圾回收的開銷。使用對象池…

【opencv】基礎知識到進階(更新中)

安裝:pip install opencv-python 入門案例 讀取圖片 本節我們將來學習,如何使用opencv顯示一張圖片出來,我們首先需要掌握一條圖片讀取的api cv.imread("圖片路徑","讀取的方式") # 圖片路徑: 需要在工程目錄中,或者一個文件的絕對路徑 # 讀取…

【Part 3 Unity VR眼鏡端播放器開發與優化】第二節|VR眼鏡端的開發適配與交互設計

文章目錄 《VR 360全景視頻開發》專欄Part 3|Unity VR眼鏡端播放器開發與優化第一節|基于Unity的360全景視頻播放實現方案第二節|VR眼鏡端的開發適配與交互設計一、Unity XR開發環境與設備適配1.1 啟用XR Plugin Management1.2 配置OpenXR與平…

SQL進階之旅 Day 16:特定數據庫引擎高級特性

【SQL進階之旅 Day 16】特定數據庫引擎高級特性 開篇 在“SQL進階之旅”系列的第16天,我們將探討特定數據庫引擎的高級特性。這些特性通常為某些特定場景設計,能夠顯著提升查詢性能或簡化復雜任務。本篇文章將覆蓋MySQL、PostgreSQL和Oracle的核心高級…

c++算法學習4——廣度搜索bfs

一、引言:探索迷宮的智能方法 在解決迷宮最短路徑問題時,廣度優先搜索(BFS)是一種高效而優雅的算法。與深度優先搜索(DFS)不同,BFS采用"由近及遠"的搜索策略,逐層探索所有…

4.RV1126-OPENCV 圖像輪廓識別

一.圖像識別API 1.圖像識別作用 它常用于視覺任務、目標檢測、圖像分割等等。在 OPENCV 中通常使用 Canny 函數、findContours 函數、drawContours 函數結合在一起去做輪廓的形檢測。 2.常用的API findContours 函數:用于尋找圖片的輪廓,并把所有的數…

Qt多線程訪問同一個數據庫源碼分享(基于Sqlite實現)

Qt多線程訪問同一個數據庫源碼分享(基于Sqlite實現) 一、實現難點線程安全問題死鎖風險連接管理問題數據一致性性能瓶頸跨線程信號槽最佳實踐建議 二、源碼分享三、測試1、新建一個多線程類2、開啟多線程插入數據 一、實現難點 多線程環境下多個線程同時…

雙空間知識蒸餾用于大語言模型

Dual-Space Knowledge Distillation for Large Language Models 發表:EMNLP 2024 機構:Beijing Key Lab of Traffic Data Analysis and Mining 連接:https://aclanthology.org/2024.emnlp-main.1010.pdf 代碼:GitHub - songmz…

貪心算法應用:多重背包啟發式問題詳解

貪心算法應用:多重背包啟發式問題詳解 多重背包問題是經典的組合優化問題,也是貪心算法的重要應用場景。本文將全面深入地探討Java中如何利用貪心算法解決多重背包問題。 多重背包問題定義 **多重背包問題(Multiple Knapsack Problem)**是背包問題的變…

ES6 Promise 狀態機

狀態機:抽象的計算模型,根據特定的條件或者信號切換不同的狀態 一、Promise 是什么? 簡單來說,Promise 就是一個“承諾對象”。在ES6 里,有些代碼執行起來需要點時間,比如加載文件、等待網絡請求或者設置…

【Docker管理工具】部署Docker可視化管理面板Dpanel

【Docker管理工具】部署Docker可視化管理面板Dpanel 一、Dpanel介紹1.1 DPanel 簡介1.2 主要特點 二、本次實踐規劃2.1 本地環境規劃2.2 本次實踐介紹 三、本地環境檢查3.1 檢查Docker服務狀態3.2 檢查Docker版本3.3 檢查docker compose 版本 四、下載Dpanel鏡像五、部署Dpanel…

最新研究揭示云端大語言模型防護機制的成效與缺陷

一項全面新研究揭露了主流云端大語言模型(LLM)平臺安全機制存在重大漏洞與不一致性,對當前人工智能安全基礎設施現狀敲響警鐘。該研究評估了三大領先生成式AI平臺的內容過濾和提示注入防御效果,揭示了安全措施在阻止有害內容生成與…