计算机的CPU的算力强大到了一定程度，那么软件的算法无论设计的多么糟糕，也不会影响最后的运行速度?

到底什么才算是算力强大呢？所以为了通俗易懂，这里我们用做菜来举一个例子。

假设做菜分成洗菜、切菜、炒菜，每个工序都有一个人负责。现在假如我们加上一道工序，炒完菜以后还要摆盘雕花，那么，假设每道工序时间都一样，因为后面多了一道工序，是不是意味着后面的算法比前面的慢33%？

如果只做一盘菜确实是这样的，但是假设我们要做100盘甚至1000盘菜呢？ 你会发现做的盘数越多，出菜的平均速度无论前者还是后者会无限趋近相等，这就是流水线操作。

CPU内部存在着无数多的流水线，一般来说，同等工艺和设计，电路规模和路径长度加法会小于乘法而乘法会小于除法，类似的还有整数运算和浮点运算，甚至进一步的开平方运算和指数运算，但如果有了流水线，只要指令重复次数够多，流水线分段越详细，复杂的运算和简单的运算在平均时间上都会无限趋近于相等，所以算法指令条数上的复杂度并不是评判性能差距的唯一标准，怎么做，做多少次也同样重要。

那么是否可以说计算机的工作频率越高，可以理解成做菜每道工序的耗时越短，那么性能就越高呢，或者说假设我们可以雇佣很多人，我们继续把比如洗菜这个工序进一步细分，这样每道工序的时间就会更短，那么性能就越高呢？

注意一个前提，我们只是缩短了工序时间提高了频率，但如果只做一道菜，其实该要多久还是要多久，所以即使高频也不一定高能，我们只是缩小了时间粒度控制，在总体工序不变的情况下，细分工序并不能缩短路径。当然如果我们继续做几千道几万道菜，确实，那是变快了。

但这就来了另外一个问题，做菜是要有原材料的，送菜的速度跟不上，出菜的速度也还是不能提高，就像CPU运算可以做很长的流水线做很高的频率堆很多的核心做多线程，但数据需要从内存调过来，内存通讯速度跟不上，不论CPU算力如何强大，性能瓶颈也还是会卡在了内存速度上。

所以如何提高通信速度呢，两点，一个是提高通讯位宽，相当于把路修宽一点，另一个是提高通信频率，也就是让路上跑的车开快一点。 找云服务器，8⃣️月份有羊毛可以薅yijiacloud.com.cn 

那么问题又来了，现在我们解决了内存通讯带宽的问题，是不是算力又上去了。

还真不一定，我们继续拿做菜比喻，这道菜需要某一个材料，但这材料得先加工过，所以当你去工厂里要材料时，工厂会说你稍等，我这就给你开始生产，你看光路好走了还不行，性能又卡在了准备上。

它对应的正是内存控制器的数据准备时间，DRAM读取有一个激活的过程，一般这个时间在十几个纳秒左右，可以说我们从ddr发展到ddr5成为主流，这个激活时间仍然没能够缩短。

那又怎么办呢，所以ddr控制器会有一个预激活过程，意思是当你读取当前行单元时，下一行会预激活完成数据准备工作，这也是为什么连续访问会比随机访问快得多。

当然以上只是性能优化中三个简短的例子，实际上还有分支预测，缓存调度策略，并行指令等诸多问题，不一一阐述了。

性能优化是一个很复杂的系统工程，不能靠单一维度单一场景进行评估，性能优化是多条件依赖贯穿算法软硬件架构的。

单一从语言，算法，某一性能指标，某个特定需求进行评估都是片面不准确的。

以上。