【linux学习】计算机概论

1. 计算机的定义

接受使用者输入指令与数据,经由中央处理器的数学与逻辑单元处理后,以产生或储存成有用的信息。

2. 计算机硬件的五大单元

输入单元、输出单元、控制单元、算数逻辑单元、主内存。

  • 输入单元:键盘、鼠标、扫描器
  • 输出单元:屏幕、打印机
  • 控制单元:负责协调各周边组件与各单元之间的工作
  • 算数逻辑单元:负责程序运算与逻辑判断
  • 主内存(RAM):用于保存输入进CPU的数据,CPU处理完的数据也写回主内存中

3. CPU的分类

中央处理器(Central Processing Unit, CPU)是一个具有特定功能的芯片,里面含有微指令集,我们使用的软件都要经过CPU内部的微指令集来达成。微指令集的设计分为两种设计理念,也就导致CPU的两种类型:1. 精简指令集(Reduced Instruction Set Computer, RISC),2. 复杂指令集(Complex Instruction Set Computer, CISC)

  • 精简指令集:微指令集较为精简,指令执行时间较短,指令执行效能较佳。做复杂的事情,需要多个指令来完成。主要使用RISC的CPU包括,SPARC系列(用于大型工作站)、PowerPC系列(索尼的PS3)、ARM系列(路由器、交换机、手机)。
  • 复杂指令集:其微指令集的每个小指令可以执行一些较低阶的硬件操作,指令数目多且复杂,每条指令的长度不相同。指令较为复杂,执行指令花费时间较长,但每条指令可以处理的工作较为丰富。主要使用CISC的CPU包括,AMD、Intel、VIA等x86架构的CPU。x86架构的CPU主要用于个人计算机上(Personal computer),x86架构的由来是因为最早的Intel研发出来的CPU的代号为8086,后来在此架构的基础上开发出80286,80386等等,因此这种架构的CPU就被称为x86架构。

4. 计算机常用计算单位(容量、速度等)

计算机的运算能力由速度来决定,存放在计算机存储设备中的数据容量也有单位。

  • 容量单位
    计算机根据有没有通电来记录信息,因此通过0和1作为信息标识,0和1的单位称为bit(比特),简写为 b,是计算机存储和处理数据的基本单位。用bit来记录信息,单位太小了,因此存储数据时会使用8个bit作为基本单位,由此引出Byte(字节),简写为 B。

1 Byte = 8 bits 1 \text { Byte }=8 \text { bits } 1 Byte =8 bits

1KB(千字节)= 1024 B(字节)

1MB(兆字节)= 1024 KB

1GB(千兆字节)= 1024 MB

1TB(太字节)= 1024 GB

  • 速度单位

CPU的运算速度使用 MHz 或者是 GHz 作为单位,Hz(赫兹)用来描述CPU的时钟频率 ,即CPU每秒钟执行的时钟周期数。

一个时钟周期是CPU执行指令的基本单位。时钟频率(Hz)表示CPU每秒能够执行的时钟周期数。

1Hz表示每秒执行1个时钟周期,1KHz表示每秒执行1000个时钟周期,1MHz表示每秒执行1000000个时钟周期。

5. 参考文献

http://cn.linux.vbird.org/linux_basic/0105computers_1.php#ps1

相关推荐
AOwhisky2 分钟前
Linux(CentOS)系统管理入门笔记:第二期核心知识点自测与详解
linux·笔记·centos
铅笔侠_小龙虾16 分钟前
Rust 学习(8)-切片类型
学习·rust·c#
Zhu75817 分钟前
在Docker环境部署ApacheGuacamole,对接MySQL数据库
运维·docker·容器
Bruce_Liuxiaowei23 分钟前
一次内网横向移动实战:从一个 5900 端口到穿越防火墙
运维·网络·安全
云计算-Security39 分钟前
同(异)主机 Linux NAT 最佳实践
linux·服务器·网络
自信不摆烂美女41 分钟前
从0开始学习3个月进入网络安全行业
学习
章老师说2 小时前
BFE v1.8.3 正式发布:AI网关能力再升级,企业级七层负载均衡持续进化
运维·人工智能·负载均衡
AOwhisky9 小时前
Python 学习笔记(第一期与第二期)——基础语法——核心知识点自测与详解
开发语言·笔记·python·学习·云原生·运维开发
天空'之城10 小时前
Linux 系统编程 22:五种 IO 模型全解
linux
STLearner10 小时前
ICML 2026 | LLM×Graph论文总结[1]【图基础模型,文本属性图,多模态属性图,图对齐,图提示学习,关系深度学习
论文阅读·人工智能·python·深度学习·学习·机器学习·数据挖掘