计算机科学原理
基础、算法、系统、数据与负责任的工程实践
计算机科学研究信息、计算、抽象以及支撑计算应用的工程系统。它不只是编程技巧，而是连接数学推理、算法设计、计算机体系结构、操作系统、网络、数据管理和社会影响的综合学科。
本文强调具有长期价值的原则，而不是某一种语言或厂商平台。每个主题围绕问题、模型、权衡和验证方法展开，适合作为学习和工程讨论的参考资料。
图1：上层应用依赖底层表示和机制，层次化抽象有助于管理复杂度。
|--------|---------------|------------|-------------|
| 概念 | 核心问题 | 典型表示 | 重要性 |
| 信息 | 什么可以被编码？ | 比特、符号、数据类型 | 让存储和通信更加精确。 |
| 计算 | 输入如何经过步骤变成输出？ | 算法、程序、机器 | 定义可重复的问题求解。 |
| 抽象 | 哪些细节可以隐藏？ | 接口、层次、模块 | 控制复杂度并支持复用。 |
| 证据 | 如何信任一个结果？ | 证明、测试、不变量 | 区分可靠结果与猜测。 |
表1：连接计算机科学各领域的四个核心思想。
1. 计算机科学研究什么
计算机科学研究处理信息的过程。过程可以由人、物理电路、顺序程序、分布式服务或它们的组合来执行。共同点是对状态、允许的操作以及结果何时算作正确建立清晰模型。
问题描述输入与输出应满足的关系；实现则选择算法、数据表示、编程语言和执行环境。分离这些层次，可以在不改变目标行为的情况下替换实现。
1.1 模型、表示与抽象
- 表示把现实对象或概念映射为机器可以存储和处理的符号。
- 抽象暴露必要行为，同时隐藏调用者不需要了解的实现细节。
- 规格说明描述必须满足什么；实现说明如何实现。
- 不变量是每个合法计算步骤都会保持的性质。
抽象可以减少同时需要考虑的细节，但隐藏的假设可能在接口处失效。因此，良好工程需要用明确契约、测试和可观测性来配合抽象。
1.2 把正确性作为工程纪律
数学证明可以说明普遍性质，测试可以验证代表性行为，测量可以量化资源，监控可以发现生产环境中的假设是否仍然成立。这些证据相互补充，不能互相完全替代。
|----------|----------|------------|------------|
| 证据类型 | 适用对象 | 示例 | 局限 |
| 证明 | 普遍性质 | 用循环不变量证明排序 | 需要精确模型。 |
| 测试 | 具体行为 | 边界和随机测试 | 不能覆盖所有输入。 |
| 测量 | 性能 | 延迟和内存 | 依赖工作负载。 |
| 监控 | 运行状态 | 错误率和饱和度 | 通常部署后发现症状。 |
表2：建立系统可信度时需要结合的证据类型。
2. 算法与复杂度
算法是把输入转换为输出的有限、有效过程。设计算法从精确定义开始，选择表示和策略，最后分析正确性与资源。对于同一个任务，许多算法都可能正确，但输入规模增加后表现差异很大。
图2：输入规模增加时，复杂度类别可能主导实际性能。
2.1 分解与算法设计范式
分治法求解相互独立的子问题并合并结果；动态规划保存重叠子问题；只有当证明连接局部选择与全局最优时才能安全使用贪心法；随机化算法利用概率改善平均性能或规避对抗性输入。
|--------|----------|-----------|------------|
| 范式 | 主要思想 | 优势 | 风险 |
| 蛮力法 | 枚举可能性 | 简单、适合作为基线 | 可能产生指数级开销。 |
| 分治法 | 拆分、求解、合并 | 常得到高效递推 | 可能重复计算。 |
| 贪心法 | 选择局部最优 | 速度快、实现紧凑 | 可能错过全局最优。 |
| 动态规划 | 复用重叠子问题 | 避免重复计算 | 状态设计较难。 |
| 随机化算法 | 使用受控随机性 | 平均性能好 | 需要概率性保证。 |
表3：常见算法范式，以及安全使用它们所需的推理。
2.2 复杂度不只是大O标签
渐进记号描述规模增长趋势，但常数、局部性、并行性、输入分布、缓存和输入输出也会影响实际性能。严谨分析应说明模型假设、测量资源和评估工作负载。
- 最坏情况分析支持需要可预测性的服务。
- 当输入分布明确时，平均情况分析可能有用。
- 摊还分析解释一系列操作中偶发的昂贵操作。
- 在现代机器上，空间和数据搬运有时比算术次数更关键。
3. 数据结构与信息组织
数据结构决定搜索、插入、删除、遍历和更新的效率。选择表示方式就是算法设计：它会让某些操作便宜，让另一些操作昂贵。
图3：树强调层次关系，图可以表示一般关系。
3.1 基本数据结构
- 数组支持索引访问并具有良好局部性，但中间插入可能需要移动元素。
- 链表便于局部插入，但指针跳转可能降低局部性。
- 栈和队列表达访问顺序，常用于解析、调度、搜索和事件处理。
- 哈希表在适当假设下提供期望常数时间查找，但冲突处理和扩容需要谨慎。
- 树和图表达层次、依赖、可达性、路由以及网络关系。
3.2 数据建模与不变量
有效数据结构需要不变量。例如，搜索树不变量描述左右子树键的顺序；队列不变量保持先进先出。不变量能够指导实现、测试和部分失败后的恢复。
|--------|----------|---------------------|--------------|
| 结构 | 典型操作 | 期望代价 | 设计注意事项 |
| 数组 | 按索引访问 | O(1) | 局部性好，扩容可能复制。 |
| 哈希表 | 按键查找 | 期望 O(1) | 依赖哈希函数和负载因子。 |
| 平衡树 | 有序查找 | O(log n) | 更新时维护平衡。 |
| 堆 | 最小/最大值 | 查看 O(1)，更新 O(log n) | 适合优先级调度。 |
| 图 | 可达性 | 取决于表示和算法 | 明确方向和权重。 |
表4：代表性数据结构及其性能假设。
4. 计算机组成与体系结构
计算机体系结构解释指令、数据和控制信号如何在机器中移动。布尔运算和状态构成逻辑基础；流水线、缓存、分支预测、向量单元和多核执行提高吞吐量，同时引入时序和一致性问题。
图4：表示、分解、计算、验证和沟通构成完整计算工作流。
4.1 存储程序模型
存储程序思想把指令视为可以存储、取出、译码和执行的数据。处理器不断更新寄存器、内存和控制状态。现代实现通过缓存、投机执行、并行执行和专用加速器优化这一过程。
4.2 性能与存储层次
算术运算不一定是瓶颈。处理器可能等待数据从内存、存储设备或另一台机器传来。存储层次把频繁使用的数据放在靠近执行单元的位置，从而降低有效延迟。时间局部性和空间局部性是性能工程的重要原则。
|--------|-----------|------------|----------|
| 层次 | 职责 | 机制 | 权衡 |
| 逻辑 | 表示并变换数值 | 布尔代数、数字电路 | 表达能力与成本。 |
| 体系结构 | 执行指令并搬运数据 | CPU、缓存、内存 | 延迟与吞吐量。 |
| 操作系统 | 管理资源并提供隔离 | 进程、文件、虚拟内存 | 便利性与开销。 |
| 网络 | 在端点间传递信息 | 协议、路由 | 可靠性与速度。 |
| 应用 | 解决领域问题 | 服务与界面 | 功能与维护成本。 |
表5：系统层次提供不同抽象，也带来不同性能权衡。
- 延迟是完成一次操作的时间；吞吐量是单位时间完成的工作量。
- 只有在依赖、同步和数据搬运受控时，并行性才能提升吞吐量。
- 能耗、散热和可靠性都是性能工程的一部分。
5. 操作系统、网络与分布式系统
操作系统围绕硬件资源提供抽象和保护。进程与线程组织执行；虚拟内存提供隔离和方便的地址空间；文件和设备支持持久化及外部交互。操作系统需要平衡公平性、性能、故障隔离和兼容性。
网络把问题扩展到多台机器。通信会受到延迟、丢失、乱序、重复、拥塞和部分故障影响。分布式系统还面临不存在单一瞬时全局状态视图的困难。
5.1 分布式系统原则
- 面向故障设计，假设机器、链路、进程和依赖可能独立故障。
- 显式管理所有权、复制、一致性和恢复流程。
- 区分安全性（坏事不会发生）和活性（好事最终会发生）。
- 使用幂等操作和稳定标识，使重试更加安全。
- 通过链路追踪、指标、日志和用户可见结果度量系统。
|--------|-----------|-----------|------------|
| 机制 | 目的 | 典型保证 | 局限 |
| 进程隔离 | 防止任务互相破坏 | 独立地址空间和权限 | 切换与通信开销。 |
| 虚拟内存 | 提供受保护内存 | 隔离和按需分页 | 转换和缺页开销。 |
| 复制 | 提升可用性或吞吐量 | 多个状态副本 | 一致性协调复杂。 |
| 事务 | 组织相关更新 | 原子性和恢复 | 锁、日志或协调开销。 |
表6：把不可靠资源转化为可用抽象的典型机制。
6. 编程语言、数据与智能系统
编程语言提供符号、抽象和规则，把人的意图转换成可执行行为。类型系统可以在执行前阻止一类错误；内存模型控制生命周期；并发原语协调独立活动；模块为协作提供边界。
图5：输入、处理状态和输出的简化模型强调数据流与契约。
6.1 数据作为计算资源
数据质量不仅取决于准确性，还取决于来源、覆盖范围、时效性、表示方式和访问控制。数据库提供维护一致性和查询信息的结构化方法。机器学习系统从样本中推断模式，因此必须在分布变化、不确定性和目标变化下进行评估。
6.2 可复现性与可维护性
当其他工程师能够复现、检查和扩展一个结果时，该结果价值更高。可复现性需要版本化代码和数据、声明依赖、记录随机性、清晰评估协议和充分上下文。可维护性依赖易读接口、小范围变更、自动化测试和主动移除过时复杂度。
|--------|-----------|-------------|
| 实践 | 回答的问题 | 有用产物 |
| 版本控制 | 改了什么，为什么？ | 历史和评审记录 |
| 自动化测试 | 预期行为仍成立吗？ | 单元、集成和性质测试 |
| 基准测试 | 性能如何变化？ | 可重复工作负载和报告 |
| 文档 | 应该怎样使用？ | 规格说明和示例 |
| 可观测性 | 生产中发生什么？ | 日志、指标、追踪和告警 |
表7：把一次性程序发展为工程系统的实践。
7. 安全、伦理与社会环境
计算机科学应用于机构和社会，因此技术质量不仅是功能正确，还包括系统之外的影响。系统可能速度快、准确率高，却仍会泄露隐私、放大不公平、消耗过多资源或形成不安全激励。
|--------|------------|------------|-----------|
| 问题 | 技术表现 | 工程响应 | 评估问题 |
| 隐私 | 收集或推断个人数据 | 减少数据并控制访问 | 能否用更少数据？ |
| 安全 | 对抗输入或未授权行为 | 威胁建模与纵深防御 | 假设失效怎么办？ |
| 公平 | 错误或机会不均 | 比较不同条件下的结果 | 谁承担错误成本？ |
| 可持续性 | 能源与硬件消耗 | 优化生命周期效率 | 收益是否值得投入？ |
表8：技术设计选择及其更广泛后果需要一起评估。
7.1 威胁建模与纵深防御
安全工作从识别资产、行为者、信任边界、攻击面和故障模式开始。纵深防御结合最小权限、安全默认值、输入校验、隔离、加密、补丁、监控、恢复和用户教育。不应假设某一个控制措施永远完美。
7.2 负责任的问题求解
- 明确目标用户、受影响但不直接使用系统的人群以及系统边界。
- 在相关条件下比较错误和收益，不只报告总体平均值。
- 对影响重大的决策设计申诉、纠正、回滚和人工监督。
- 考虑采购、能源、维护、退役和处置等全生命周期影响。
8. 学习与工程实践清单
面对新问题时，应先提出精确问题并建立小模型。定义输入、输出、约束和成功标准；选择突出关键操作的表示；在优化前设计基线；通过证明或测试验证基本性质；测量资源并记录假设。最后检查当输入、依赖或用户不同于原始计划时系统如何表现。
|--------|-------------|-----------|
| 步骤 | 行动 | 产物 |
| 1 | 澄清问题和约束 | 规格说明与假设 |
| 2 | 选择表示和接口 | 数据模型与接口契约 |
| 3 | 设计基线算法 | 正确参考实现 |
| 4 | 分析复杂度和风险 | 资源模型与威胁模型 |
| 5 | 用证明、测试和测量验证 | 证据报告 |
| 6 | 部署、观测并改进 | 运行反馈闭环 |
表9：把问题陈述转化为可信计算解决方案的可重复工作流。