张晨曦教授《计算机系统结构》复习题：Amdahl定律应用与浮点运算优化

本资源是针对同济大学张晨曦教授编著的第二版《计算机系统结构》课程的复习题集，主要涵盖了教材的第一至第五章内容。复习题集中包含了多个实例，旨在帮助学生理解和应用计算机系统性能优化的关键理论——Amdahl定律。 首先，例1.1展示了如何利用Amdahl定律来评估系统性能的提升。当一个功能的处理速度提升了20倍，但其在整个系统运行时间中的占比仅为40%时，意味着可以通过改进这部分提升整个系统的性能约1.613倍。这是因为系统性能受限于最慢部分，即使关键部分速度提升，整体性能的提升也会受到可改进比例的限制。 在例1.2中，浮点运算部件的引入使得浮点运算速度提升20倍，但整个系统运行程序的速度提高只有5倍。这表明浮点操作对程序性能的影响显著。通过Amdahl定律计算，可改进比例为84.2%，这意味着浮点操作占据了程序执行时间的大部分，大约为84.2%。 接着，例1.3探讨了图形处理器中常见的一种优化问题——平方根运算（FPSQR）。由于FPSQR占据20%的执行时间，设计团队提出了两种方案：一是专门提升FPSQR硬件，使其速度提升10倍；二是尝试让所有图形处理器中的浮点指令运行速度加快1.6倍。设计团队认为，提高所有浮点指令的速度所需的努力与加速FPSQR相同。通过对比，这显示了在图形处理器优化中，针对特定运算的硬件提升可能比均匀提升所有指令更具效益。 这些例子强调了计算机系统结构中关键性能瓶颈识别和针对性优化的重要性，同时也展示了Amdahl定律在衡量系统整体性能提升时的实用价值。学习者可以通过解答这些问题，深入理解计算机系统设计决策背后的逻辑，以及如何在实际工程实践中实现性能优化。