컴퓨터 구조

CPU 와 Memory

CPU 와 메모리간의 네트워크는 메모리 관리자(MM, MemoryManager)가 담당한다. 메모리 관리자는 메인보드 의 칩셋에 붙어있는데, 이를 BridgeChipset(브릿지 칩셋, 칩셋) 이라고도 한다. 메인보드 가 안좋으면 메모리 관리자도 성능이 좋지 않을것이며, 그렇다면 CPU 가 아무리 좋아도 제성능을 내지 못한다. 메인보드가 좋으면 브릿지 칩셋이 좋은게 붙어있고, 그럼 CPU 가 고성능, 제성능을 낼 수 있다. 대만에서 저가 브릿지를 장착시킨 메인보드를 양산하자, Intel 에서는 아무리 좋은 CPU 를 만들어도 CPU 와 Memory 간의 성능이 좋지 않은 문제가 발생햇다. 때문에 Intel 에서 North Bridge 의 기능 일부를 CPU 를 만들면서 자체 개발하기로 했다.

컴퓨터 물리적 구조

컴퓨터 논리적 구조

파일이란 단순히 데이터 뭉치가 아니다. 파일을 오른쪽 클릭하면 연결프로그램이라는 버튼을 볼 수 있다. 즉 파일을 통해 프로그램을 실행할 수 있고 프로그램은 개발자들이 커널 리소스를 어떻게 활용할 것인지 작성해놓은 명령어 집합, 계획서 인것이다. 즉 파일을 통해 우리는 유저모드에서 커널모드로 진입할 수 있는 수단이다. 유저모드 어플리케이션이 커널모드에 집입할 스 있는 유일한 수단이다. 다리같은 유저모드 어플리케이션이 커널모드에 진입할 수 있도록 추상화된 인터페이스가 파일이다.

Cache & Memory

RAM 에서 CPU 로 이동하는 데이터 전송 비용또한, CPU 연산 비용에 비해 엄청나게 크다. RAM 에서 데이터를 꺼내오는 시간에 CPU 에서는 n 번 이상의 연산을 수행할 수 있다. 우선 cache L1, L2, L3 를 순차적으로 데이터를 찾아보고 없으면 메모리에서 찾아 온다.

Core 옆에 바로 L1 Cache 가 있고, 그 밑에 L2 와 L3 Cache 가 있다.

캐시 철학

• Temporal Locality
  • 시간적으로 보면, 방금 주문한 테이블에서 추가 주문이 나올 확률이 높다.
    방금 주문한 걸 메모해 놓으면 펀하지 않을까?
  • 가장 최근에 접근한 데이터를, 또 다시 접근할 확률이 크다.
• Special Locality
  • 공간적으로 보면, 방금 주문한 사람 근처에 있는 사람이, 추가 주문을 할 확률이 높다.
    방금 주문한 사람과 합석하고 있는 사람들의 주문 목록도 메모해 놓으면 편하지 않을까?
  • 어떤 배열의 반복문을 돌고 있다면, i 번째 데이터를 참조했다면, i+1 번째 데이터도 참조할 확률이 크다. 미리 갖다놓으면 펀하지 않을까? 인접한 데이터가 활용될 가능성이 높다!
  • 때문에 해당 데이터만 가져올것이 아니라. 그 인접 데이터를 모두 가져와 , 캐시 메모리에 적재할 가능성이 높다.

아래는 캐시가 어떤식으로 작동하는지 볼 수 있는 예시이다. 코드만 봤을때는 똑같이 10000 * 10000 번을 반복하는 코드로 똑같이 걸릴것 같지만, 캐시의 작동방식에 의해 시간차이가 3배 가량 차이난다.

                
    
                    // [][][][] [][][][] [][][][] [][][][] ...
                    int32 buffer[10000][10000];
    
                    int main()
                    {
                        memset(buffer, 0, sizeof(buffer));
    
                        // 2차원 배열도 사실 1차원 배열이며, 이를 선형으로 이어서 참조하고 있다. Cache Hit 적중률이 높다.
                        {
                            uint64 start = GetTickCount64();    // 시작점 시간
                            uint64 sum = 0;
    
                            for(int32 i = 0; i < 10000 ; i++){
                                for(int32 j =0; j < 10000 ; j++){
                                    sum += buffer[i][j]
                                }
                            }
    
                            uint64 end = GetTickCount64();      // 끝 시간
                            std::cout << "Elapsed Tick : " << (end - start) << endl;  // 약 100
                        }
    
                        
                        // 인접한 데이터를 참조할것이라, 기대했지만, 그렇지 않아서, 시간이 더 걸린다.
                        {
                            uint64 start = GetTickCount64();    // 시작점 시간
                            uint64 sum = 0;
    
                            for(int32 i = 0; i < 10000 ; i++){
                                for(int32 j =0; j < 10000 ; j++){
                                    sum += buffer[i][j]
                                }
                            }
    
                            uint64 end = GetTickCount64();      // 끝 시간
                            std::cout << "Elapsed Tick : " << (end - start) << endl;  // 약 300
                        }
                    }