[科普中国]-计算机性能

简介

在设计一个计算机系统时，除了要搞清楚硬件界面外，还要从设计者角度，按所希望达到的最佳性能与价格比最合理地实现硬件功能。那么计算机系统的性能与价格比指的是什么呢？以及如何来衡量它们呢？

衡量计算机系统性能可采用各种尺度，但最为可靠的衡量尺度是时间。时间可根据计算方法给以不同的定义，如响应时间、CPU 时间等。响应时间是指用户向计算机系统送入一个任务后，直到获得他所需要的结果所需的等待时间。其中包括了访问磁盘和访问主存器时间、CPU 运算时间、I/O动作时间以及操作系统工作的时间开销等。虽然这种定义比较直观，但对于多道程序，由于 CPU 可在某一程序等待 I/O操作时转去执行其他程序，响应时间并不能区别这种情况。另一种情况是只考虑 CPU 时间，此时便可加以区别，它将不包括等待 I/O操作的时间以及 CPU 转去运行其他程序所花的时间。当然 CPU 时间本身还可分为用户CPU 时间和系统 CPU 时间。系统 CPU 时间的统计很难做到精确，因为这实际是要求操作系统进行自测量。此外，当比较具有不同系统代码的机器时，由于系统 CPU 时间是不一样的，因而误差较大，故采用用户 CPU 时间作为性能衡量时间较为妥当。当然，在衡量未加载系统的性能时，采用响应时间较为合适，而衡量 CPU性能则宜采用用户 CPU 时间，下面主要讨论以用户 CPU 时间来衡量的 CPU 性能1。

CPU 性能绝大多数计算机都使用以固定速率运行的时钟，它的运行周期称为时钟周期 （clocks），它常以时间长短或运行速率来表示。一个程序在 CPU 上运行所需的时间 Tcpu可用以下的公式表示：

式中，表示要执行程序中的指令总数，CPI表示执行每条指令所需的平均时钟周期数，而 Tc则表示时钟周期的时间长度。由以上公式可见，用户 CPU 时间取决于三个特征：时钟周期 （或速率），每条指令所需时间周期数以及程序中的指令数。其中主要取决于机器指令系统和编译技术，CPI主要与计算机组成和指令系统有关，而 Tc 则主要由硬件工艺和计算机组成决定。每条指令平均所需时钟周期数CPI，可由下式表示：

其中，Ii表示第 i 类指令在程序中执行条数，CPIi 表示执行一条第 i 类指令所需要的平均周期数，n 为程序中所有指令类数。上述公式还可以改写成：

其中，表示第 i 类指令在程序中所占的比例1。

MIPSMIPS（Million Instruction Per Second）它表示每秒百万条指令数。这是一个用来描述计算机性能的尺度。对于一个给定的程序，MIPS可定义为：

显然，机器愈快其 MIPS愈高，愈小。但是 MIPS有三个方面的缺陷：

MIPS依赖于指令集，所以用MIPS 来比较指令集不同的机器的性能好坏是很不准确的。

在同一台机器上，MIPS 因程序不同而变化，有时是很大的。

MIPS 可能与性能相反！

典型例子就是具有可选硬件浮点运算部件的机器。因为浮点运算远慢于整数运算，所以很多机器提供了可选的硬件浮点运算部件，但是软件实现浮点运算的MIPS 高，然而硬件实现浮点运算的时间少，这时 MIPS 与机器性能恰好相反。类似的情况在具有优化功能的编译器中也有发生。
另外，在使用 MIPS 时应注意它的应用范围，它只适宜于评估标量机，因为在标量机中执行一条指令，一般可得到一个运算结果，而向量机中，执行一条向量指令通常可得到好多个运算结果，因此，用 MIPS 来衡量向量机是不合适的。在 MIPS 中，不光是运算指令，所有的服务性指令，如取数、存数、转移等都计算在内，而在浮点运算中服务性指令均不予计入。

MELOPS另一个替代标准是MFLOPS（Million Floating Point Operation Per Second） ，它表示每秒百万次浮点操作次数。MFLOPS 可用如下式子表示：

显然，MFLOPS 取决于机器和程序两个方面。所以 MFLOPS只能用来衡量机器浮点操作的性能，而不能体现机器的整个性能。例如编译程序，不管机器性能有多好，它的 MFLOPS 不会太高。

然而，因为 MFLOPS 是基于操作而非指令，所以它可以用来比较两种不同的机器。因为同一程序在不同的机器上执行的指令可能不同，但是执行的浮点运算却是完全相同的。然而 MFLOPS也并非可靠，因为不同机器上浮点运算集不同，例如 CRAY-2没有除法指令，而 Motorala68882却有。另外 MFLOPS 还依赖于操作类型。例如 100%的浮点加要远快于100%的浮点除。单个程序的MFLOPS 值并不能反映机器的性能。所以 MFLOPS 也不是一个十分有用的替代标准。

评估性能的基准测试程序在进行计算机系统的评价时，除了与被评价的机器的结构、功能等特性参数有关以外，还与输入，即该计算机系统的工作负荷有密切关系。被评价的一个计算机系统往往对某一种工作负荷表现出较高性能，而对另一种工作负荷则可能呈现较低性能。为了对计算机系统的性能进行客观的评价，就需要选取具有真实代表性的工作负荷。通常采用不同层次的基准测试程序来评价系统性能。

采用实际应用程序。如C语言或C++ 开发的各种编译程序；Photoshop图形处理软件、Premiere以及 CAD 工具软件。

采用核心程序。这是从实际程序中抽取少量关键循环程序段，并以此来评估性能，但这些核心程序，只具有评价性能的价值。

玩具基准测试程序。玩具基准测试程序通常只有10~100行而且运行结果是可以预知的。因为小而且容易键入并且适用于任何机器而受到青睐。

合成测试程序。它类似于核心程序方法，但这种合成测试是 人 为 编 制 的 ， 流 行 的 合 成 测 试 程 序 有WinBench 99、3DMMARK2001、WhatCPUIs等等。尤其是WinBench 99，它提供的测试结果都非常令人信服，都是非常权威的。因此，大部分报刊在对新硬件进行介绍时，提供的数据都是来自 WinBench 99 的测试结果。

有关专家对上述方法分析，总结出以下不足：

上述方法都试图使用一个测试数据来表征计算机的处理能力。

以上方法只进行性能测试，而没有性能分析工作。

通过上述分析并提出一种比较完善和全面的性能评价方法，包括两部分：

计算机性能测试。

对测试数据的分析。