CPU扫盲-CPU与指令集

关注

原创 2023-03-11 13:02:03 6.7k 阅读 AI 写同款· GEO 优化 ›

微机原理之汇编语言指令集 计算机技术中，指令是指在某种计算机结构中定义的单个CPU操作，每条指令执行某一个特定的操作，如将两数字求和返回。在该种计算机结构中，CPU所支持的所有指令构成的集合称为指令集。将指令编码成为二进制格式的序列，称为机器指令。通常CPU只能识别和执行机器指令。而由于在不同计算机中，CPU设计不相同，从而使得相同的代码被编码成不同的机器指令。人们将指令集和指令集编码（即指令集对应的机器指令集）称为CPU的指令集体系结构。常见的指令集体系结构包括。阅读详情

指令集架构就像是特定的CPU的设计图纸，它规定了这个CPU需要支持那些指令、寄存器有那些状态以及输入输出模型。根据指令集结构的设计，在CPU上通过硬件电路进行实现，就得到了支持该指令集的CPU。指令集就像是我们编程语言中的接口，只定义规范和标准，不做具体的实现，同一个指令集架构可以有多种不同的实现方式，但只要是基于同一指令集架构的应用程序可以相互移植。所以我们上层应用只需要关注CPU的指令集架构即可，具体的CPU实现由厂商去关注。

很多非开发的同学指令集名称与CPU名称分不清。这是因为一种 CPU 只能识别一种指令集，所以很多情况下 CPU 都以其支持的指令集名称来称呼，比如当我们要下载软件时通常关注的就是指令集的名称x86、ARM等，但是我们在买电脑时厂商备注的却是酷睿12代、龙芯3C5000、飞腾2000等，所以导致有的同学会把龙芯、飞腾、酷睿与x86、ARM搞混。这里的龙芯、飞腾、酷睿指的是CPU的名称，名字可以有CPU的厂商来取。而x86、ARM则是指令集的名称，基本都是由国外最早的几家处理器厂商创造并命名的如：x86是美国Intel公司、ARM是英国的ARM公司。

CPU本身只是在块硅晶片上所集成的超大规模的集成电路，集成的晶体管数量可达到上亿个，是由非常先进复杂的制造工艺制造出来的，所以CPU的性能不仅仅受指令集的影响，相同的指令集下好的CPU厂商和差的CPU厂商制造出来的CPU性能也是天差地别的，如：苹果自研的m1芯片，使用的就是ARM指令集，但其性能吊打很多使用ARM指令集的CPU厂商（这个不得不承认）。

相信大家也知道国内很多优秀CPU厂商如：long xin、fei teng、kun peng等，目前只有老大哥long xin自研了LoongArch指令集。为何其他厂商都选择走捷径采用的国外的指令集呢？指令集的创造真的那么难吗？虽然创造一套指令集并不容易，但也没有到望而却步的程度，真正难的是指令集背后的生态和推广。就像我自己可以发明一门语言，语言本身没什么问题，问题是我用自己发明的语言和别人交流，谁听得懂呢，谁又愿意去学这门语言呢？大家都很忙，不通用的东西没人愿意花精力去学。同一段机器指令010001110（随便写的)，在A指令集下这组机器语言可能表示赋值，在B指令集下，这组机器语言可能表示循环，所以相同一段源代码，在不同指令集的编译器下，最终呈现的编译结果是不同的，虽然都是由01组成的二进制数字，但是长短和顺序是不同的，所以每个指令集都要有对应的编译器、汇编器、解释器（后文暂且统称编译器），编译后的汇编语言和机器语言是不能跨指令集使用的。试想如果要自立门户创造新的指令集，那有谁愿意给它写编译器呢？这可不是一个小工程，他要跟着指令集的迭代而迭代，也要自己不断的优化迭代，需要大量的人力成本和时间成本。即使自己完成了编译器，要知道每种指令集都有他自己的新特性以及一些特殊指令，不然也没必要重复造轮子，如果一些软件使用了ARM或者x86的特殊指令（一些内嵌汇编语言的软件，如：jvm的模版解释器就使用了汇编语言），那这些软件就要自己修改源代码来适配新的指令集，软件的开发程序员自然骂娘。所以自研指令集并不难，难的是如何推广，让大家用起来。这里要再吹一下老大哥long xin，long xin发布LoongArch指令集的同时，完成了针对GCC、LLVM、GoLang三大编译器的开发，完成了针对Java、JavaScript、.NET三大虚拟机的开发，使操作系统厂商和应用伙伴，可基于long xin的软件环境，更方便地开发应用。long xin为了能够更好的适应市场，也为了避免软件程序员骂娘，投入巨大成本完成ARM和x86指令集的二进制翻译工作，使运用了ARM和x86特性的软件也不用修改源码即可适配，但指令集翻译本身只是过渡的手段，为了增加用户群体，我相信随着long xin的独立软件生态逐渐强大，指令集翻译就会越来越边缘化，成为锦上添花之举。long xin的自研指令集也为全面国产化奠定了牢固的基础，在此也希望国内更多软件厂商能给与long xin支持，待到中华腾飞日，且让世界听龙吟。

至此CPU和指令集的关系已经讲解完毕，我们在下载软件时除了要选择指令集之外，还要选择32位还是64位如： * * * .x86_32、 * * *.x86_64，我们已经知道了x86代表的是指令集，那32位和64位是指什么呢？

这里32 位和 64 位中的“位”就是bit，也叫字长，是指的是cpu一次能处理的数据的长度（也就是寄存器的位数）。这里有一个误区很多人一直认为32位和64位代表的是CPU地址总线引脚的数量，因为谈起32位和64位CPU的不同第一个想到的就是寻址空间不同，32位CPU最大可以寻址4GB的内存地址，64位CPU寻址范围可以远超4GB，而地址总线的数量对应着CPU的寻址能力（由于32位CPU地址总线引脚是32条，每根地址总线的状态只能是高电平或低电平，也就是只能是1或0。所以32位地址总线一共有2^{32种状态，每种状态代表一个内存地址，每个内存地址为1字节，所以2}32种状态一共可以表示4GB的内存地址），所以这个误区坑骗了很多人。在Intel x86指令集架构下的第一款CPU 80x86中，CPU是16位但地址引线却是20条，通过将段基址寄存器中段基地址左移4位再加段内偏移地址的方式实现了20位地址寻址，所以说32和64指的并不是地址总线的数量。至于为什么现在CPU不管是32位的还是64位其地址总线引脚数量都等于其位数，是因为现在不管是资源还是制造工艺都远胜当年，没必要因为几根地址总线再去做段基地址左移这种设计上的妥协，不然每次寻址前都要先做一次乘法对CPU的性能还是影响很大的。