CPU内部结构拆解:指令从取得到译码要经过哪些单元?
CPU的核心组成单元是如何配合,驱动计算机运行?CPU常被称作计算机的大脑。和人脑一样,它由多个部件组成,协同完成信息处理:一部分负责接收信息,一部分存储信息,一部分处理信息,还有一部分把结果输出。本篇科普将带大家认识CPU的核心组成单元,以及它们如何配合,驱动计算机运行。拆解电源这类硬件时,你可以直观看到电容、变压器
CPU里各个核心组成单元怎么配合,才让计算机跑起来?
CPU常被叫作计算机的大脑。它跟人脑一样由多个部件拼成,一起完成信息处理:有的部件管接收信息,有的管存储,有的负责处理,还有的负责把结果送出去。这篇科普就带大家认识CPU的核心组成单元,看看它们如何配合、驱动计算机运行。
拆电源这类硬件时,电容、变压器这些元器件一眼就能看到。现代CPU却没法这么看:内部器件尺寸极小,而且Intel、AMD、Apple、Qualcomm等芯片厂商只对外公布高层级的设计框架。芯片内部实际电路属于商业机密,本文讲的只是所有CPU都通用的基础特性。
CPU的底层蓝图
研究CPU,最先碰到的概念是指令集架构(ISA)。它相当于CPU的设计蓝图,规定CPU能实现哪些功能、软件怎么和它打交道。就像同一物种下分出很多品种的狗,CPU也能基于不同的指令集架构来开发。
应用最广的两类是
除此之外还有其他架构。
指令集架构规定了CPU能处理哪些指令、软件能调用哪些寄存器、内存怎么寻址等内容。而芯片实际执行指令的方式,包括
AMD的Zen 5核心、Intel的Lion Cove核心都能跑同样的x86程序,可两者内部实现差别巨大。指令集架构本身也在持续迭代:Intel和AMD在2024年成立x86生态顾问小组,一起规划架构后续要扩展的指令。
下面我们顺着一条指令的执行流程,介绍CPU的主要模块。不同指令走的路径不同,调用的硬件单元也不一样,本文只做概括讲解,把核心模块覆盖到。
我们从单核处理器最基础的设计讲起,再逐步增加复杂度,过渡到现代CPU架构。
控制单元与数据通路
基础CPU框图:黑线代表数据流,红线代表控制信号流。
CPU可以分成两大模块:控制单元、数据通路。拿火车打个比方:动力装置带着列车往前跑,但司机在后台操纵手柄,控制动力装置的各种状态。CPU也是这个道理。
数据通路好比动力装置,顾名思义,就是数据在处理过程中流转的通道。它接收输入数据、完成运算处理,处理完再把数据送到指定位置。控制单元则像司机,指挥数据通路怎么干活。按照不同指令,控制单元向各个部件发信号,打开或关闭数据通路的不同模块,同时监控CPU的运行状态。
指令周期:取指
CPU先要确定下一条要执行的指令,再把它从内存读进CPU内部。指令一般由编译器生成,并且适配该CPU对应的指令集架构。不同指令集都会包含加载、存储、加法、减法这类通用指令,也会有各自的特殊指令。每一类指令该怎么分发信号,控制单元心里有数。
以 Windows 上跑 exe 为例,程序代码被加载进内存后,CPU 拿到的是首条指令的起始地址。CPU 里有个寄存器专门存着下一条要执行指令的内存地址,它的名字叫
起始地址确定后,指令周期第一步就是把指令取出来:从内存送入CPU的指令寄存器,这一步叫取指阶段。实际场景中,这条指令大概率已经躺在CPU缓存里,缓存的内容后面会讲。
现代CPU不会一次只取一条指令。每个周期会读取数十字节的数据块,里面能放好几条指令。取指单元也不会干等着地址指令,后面会讲到的
指令周期:译码
CPU拿到指令后,得先识别这条指令是什么类型,这个阶段就是译码阶段。每条指令都包含一段比特编码,也就是
指令集的复杂程度,直接决定译码电路有多难做。RISC-V基础指令集只有几十条指令(可选扩展会增加指令);x86指令数量超过一千条,很多指令还有多种变体。x86指令长度在1~15字节之间不等,CPU必须先分清相邻指令的边界,才能完成译码。
这也让译码单元成为Intel、
为了减轻译码环节的负担,x86 CPU会把复杂指令先拆成更简单的内部形式。
循环代码会一遍遍跑,CPU这时能直接绕过译码单元,去读微指令缓存。这项技术Intel自2011年Sandy Bridge架构起启用,AMD则是从2017年初代Zen架构开始采用。
译码要处理的指令大致分三类:内存访问、算术运算、分支。
三大指令类型
内存指令长这样:“读取内存地址1234的值存入变量A”,或者“把变量B写入内存地址5678”。算术指令的例子是“变量A加上变量B,结果存入变量C”。分支指令则如“如果变量C为正,执行这段代码;如果变量C为负,执行另一段代码”。
实际程序会把它们串起来用。比如:“将内存地址1234的值与5678的值相加,如果结果为正,存入4321地址;结果为负则存入8765地址”。
在讲译码完成的指令如何执行之前,先说说寄存器。它是CPU内部容量极小、速度极快的存储单元。64位CPU的通用寄存器每个能放64比特数据,数量不多:x86架构有16个通用寄存器,Arm有31个。此外CPU还有位宽更大的向量寄存器,最高可达512比特,用于批量处理多组数据。
寄存器里放的是正在使用的数据,位置相当于存储层级的最顶端(类似L0缓存),速度比
以上是软件能看到的寄存器。往底层看,现代CPU还拥有数百个物理寄存器,靠寄存器重命名技术,把大量物理寄存器映射到程序可访问的少量寄存器上。
有了这项技术,CPU就能并行处理多条指令,不同指令之间不会互相覆盖数据,在
执行阶段与算术逻辑单元(ALU)
下面进入执行阶段。三类指令的执行方式各有不同,分开来看。
算术指令最好理解,先讲它。这类指令会被送进算术逻辑单元(ALU)处理。ALU是一类电路,通常接收两组输入数据与控制信号,输出运算结果。
可以拿中学用的计算器打比方:输入两个数字、选好运算类型,计算器算出结果返回。
在CPU的ALU里,运算类型由指令的操作码决定,控制单元把对应信号发给ALU。除了基础四则运算,ALU还能做与、或、非、异或等位运算。同时ALU会把运算状态回传给控制单元,比如结果正负、是否为零、是否溢出。
现代CPU在相近主频下性能远超老款处理器,这也是重要原因之一。现代CPU核心不止一个ALU。高端架构会配6个甚至更多并行整数ALU,另外还有独立的浮点单元、向量执行单元,向量单元能对一批数据同时做相同运算。
ALU主要负责算术运算,但也会为内存、分支指令服务。比如CPU要根据上一步运算结果算出内存访问地址;或者算出分支指令要加到程序计数器上的偏移量,例如“如果上一步结果为负,向后跳转20条指令”。在现代CPU里,内存地址计算一般交给专用
内存与缓存层级
要处理内存指令,得先理解存储层级这个概念,也就是缓存、内存、大容量存储之间速度与容量的关系。
CPU执行内存指令时,若所需数据不在寄存器里,就会顺着存储层级一级级找。绝大多数现代CPU有三级缓存:L1、L2、L3,部分新款架构还加了第四级缓存。
CPU最先查L1缓存,它容量最小、速度最快。L1缓存一般分成数据缓存与指令缓存两块。指令和数据一样,都得从内存读取。
单核的L1缓存容量很小,数据、指令缓存通常各32~64KB。L1没命中,CPU就转去查
再往下是
如果L3缓存里也没找到目标数据,CPU就去访问内存;内存里仍然没有,操作系统就得从硬盘读取,那速度慢得多。顺着存储层级往下走,容量大致提升一个数量级,访问延迟也随之增加。
数据找到之后,CPU会把它逐级往上加载进缓存,下次再访问就能高速读取。整个流程步骤不少,但正是它保证了CPU能快速拿到需要的数据。
各类存储访问的耗时差距悬殊:寄存器只要1~2个周期;L1缓存为几个周期;L2缓存十几周期;L3缓存几十周期;落到内存就要数百周期;SSD是几十万周期;机械硬盘更是要数百万周期。
缓存的分工上,通常每个核心各自拥有L1、L2,L3则由一组核心共用。AMD Zen5一个芯粒上的8个核心就共享同一块L3。Intel的能效核属于例外,4个一组共享L2缓存。多核CPU的问题留到后面再讲。
分支、流水线与分支预测
三大指令里的最后一类是分支指令。现代程序跳转频繁,CPU连着跑十几条不带分支的指令,这种情况很少见。这些分支指令出自if判断、for循环、函数调用、返回语句等代码结构,作用是打断顺序执行、跳到代码的其他位置。另有无条件跳转指令,属于必然会触发跳转的分支指令。
条件分支之所以难处理,是因为CPU可能同时在跑多条指令,等分支结果确认时,后面的指令已经动起来了。要弄清这一点得先看流水线。指令周期的每一步都要花掉数个时钟周期,一条指令在取指,ALU就闲着。为了让各部分都不空等,不同指令的执行阶段相互重叠,这套机制叫流水线。
拿洗衣服打个比方:两桶衣服,洗涤、烘干各要一小时。方案一是洗完第一桶再烘干,然后才启动第二桶,总共4小时;方案二是第一桶烘干时就让第二桶开始洗,两桶3小时搞定。单桶衣物的耗时没变,靠流程重叠把整体吞吐量提了上去;任务越多,效率提升越明显。
2011年AMD低功耗Bobcat核心的流水线,已经算比较简单的架构,级数也超过十几级。CPU正是靠流水线来提高指令吞吐。现代Arm、x86核心的流水线一般是10~20级。现代核心每个流水线阶段还能处理多条指令、支持乱序执行,高端核心同一时间有上百条指令在处理中。不同架构的划分方式不一样,比如取指4周期、译码6周期、执行3周期、写回与提交7周期。
回到分支的问题,痛点就清楚了:假如到第10个周期才发现这是条分支指令,此前已经有9条后续指令被启动;分支一跳转,它们全都作废。CPU为此内置了复杂的分支预测器。
有的预测器还借用机器学习思路,用感知机这类简单神经网络判断分支跳不跳。分支预测器的原理相当复杂,这里不展开;大体上说,它会记下以往的分支结果,据此预判下一次的走向。常规代码上,现代分支预测器的正确率超过95%,预判也做得很靠前,有时分支指令还没译码,预测器就已经估出了程序的跳转方向。
分支结果最终确认时(流水线执行到相应阶段),程序计数器更新,CPU接着执行正确的指令。一旦预测错了,这条分支之后已经预执行的所有指令都会被丢掉,从正确位置重来。流水线里同时压着大量指令,一次预测错误就浪费掉大量算力,芯片厂商也因此不断投入晶体管去优化分支预测器。
乱序执行
三类指令的执行方式看完,再来看看CPU的高级特性。几乎所有现代处理器都不会严格按指令接收的顺序执行。乱序执行的思路,就是尽量把等待造成的空闲时间压下去。
如果CPU判断下一条指令要用的数据还没备好,就跳过它,先调度后面那些互不依赖的指令。为了保证程序逻辑不出错,CPU使用——指令可以按任意顺序完成运算,但最终结果提交(提交指令)时严格遵循原始程序顺序。从软件的角度看,程序运行和代码编写的顺序完全一致。前面说的寄存器重命名,就是配合乱序执行,让没有依赖的指令并行跑、彼此不干扰。指令重排是提升性能的核心手段,但并非CPU唯一的优化技巧。
另一个优化手段是——如果程序按固定规律访问内存,比如遍历一个大数组,预取单元会提前把数据从内存读进缓存,等程序要用时直接取,这就是预取。
推测执行与安全隐患
分支预测和乱序执行还带出一个副作用:CPU预判分支走向时,不只是提前取指,还会推测执行这些指令;预测失败就把运算结果直接丢掉。过去几十年,大家一直认为这个过程没有安全风险。
2018年
Meltdown 后来靠硬件修复解决了;Spectre 不一样,它是一类攻击手法,并非单个漏洞,每年都会冒出新变种。
眼下芯片厂商设计核心时,都会把这类侧信道攻击纳入考量;软件侧的配套防护往往要付出性能代价。这也说明,让 CPU 跑得更快的那些技术,同时也会制造安全难题。
加速器与AI单元
如今的 CPU 普遍把专用加速器集成进来,这些电路只干一件事,追求的是最高效率,比如加密、视频编解码、机器学习。
CPU 自己也能做这些活,但专用单元的能效要高得多。显卡就是典型例子:图形运算 CPU 也能算,可集成 GPU 的性能高出几个数量级。
近几年新增的重要模块是
CPU核心本身也增加了专用硬件:
下图是2008年Intel CPU:绝大部分面积是核心与缓存。第二张是AMD Mullins移动APU,芯片大部分面积由核心之外的模块占据。
上图:Intel初代Nehalem架构晶圆,核心和缓存占据绝大部分面积。下图:AMD SoC晶圆,大量面积分配给加速器、外部接口。
视频编解码交给独立媒体引擎,它支持AV1编码,录制、推流视频几乎不占用CPU核心算力。
加速器越堆越多,CPU核心在芯片中的占比就越缩越小,笔记本处理器尤其明显,GPU、NPU、媒体引擎都和核心集成在一起。
多核架构
再说多核CPU:把多个独立核心放进同一块处理器。这可不是把单核电路简单复制几份,单线程程序很难直接改成多线程程序,硬件层面同样难点不少,根源在于核心之间的数据依赖。
各个核心不会单独直连内存,而是依靠
多个核心可能访问同一份数据,必须解决
通常不同核心跑不同线程的指令流,以减少互相依赖。任务管理器里常能看到部分核心满载、其余核心闲着,原因就在这里:不少软件没做多线程优化,或者只拆出少量线程。有些场景下,单核心串行执行的开销反倒比拆多线程更低。
同步多线程(SMT)
不少CPU能让一个核心同时跑两个线程,这门技术叫同步多线程(SMT),Intel的商品名是
在线程并行度高的负载下,SMT通常能提升10%~30% 吞吐量,芯片面积只增加一点点。SMT长期是现代CPU的标配,不过Intel在Lunar Lake、Arrow Lake的性能核上取消了超线程,把资源转去提升单核心性能与能效。Apple、Qualcomm的芯片则全程不用SMT。
混合架构
早年的桌面CPU,所有核心规格完全一样,现在已不必然如此。借手机芯片的思路,很多处理器把高性能大核(
部分新款笔记本芯片还加了第三档超低功耗核心,专门处理后台轻量任务。Intel从Alder Lake(12代酷睿)起采用混合架构,Apple、Qualcomm思路类似。AMD推出精简版Zen c核心,牺牲峰值频率,换来更小面积、更高能效。
混合架构的难点在于操作系统得合理调度任务。Intel的Thread Director(线程调度器)会向Windows上报线程特征,游戏这类重负载分给P核,后台更新交给E核。
芯粒与Tile(裸片)
另一大变革在CPU的物理制造方式。我们之前专门写过文章讲芯粒的价值。思路是不再制造一整块超大硅片,AMD、Intel都把处理器拆成多个小裸片:AMD叫芯粒(Chiplet),Intel叫Tile,封装在同一个封装内互联。
举个例子:Ryzen 9 9950X包含两颗8核计算芯粒,外加一颗独立I/O芯粒,负责内存、PCIe、USB管理。
小裸片的良率更高,单颗缺陷波及的硅面积更小,每块裸片还能挑最合适的工艺来造。不过裸片之间传数据的延迟会变大,所以调度软件一般会把有关联的线程尽量安排在同一颗芯粒上。
Intel Foveros、AMD 3D V-Cache 这类先进封装又往前走了一步,裸片可以堆叠起来。
物理设计:从架构蓝图到硅片
前面大半篇幅都在讲CPU架构设计,这部分复杂度最高。可架构终究要落到物理芯片上,落地过程会带来新的难题。
处理器内部所有模块靠时钟信号同步。现代桌面处理器主频多在3GHz~5GHz,最高睿频能超过6GHz。过去十年主频涨得不多,性能提升主要靠别的架构优化。每个时钟周期里,芯片内数十亿晶体管一起开关。
流水线每一级按时推进、数据准时到位,都依赖时钟信号。但主频并不是决定CPU性能的唯一因素。
性能公式是:性能 = 主频 × 每周期指令数(IPC)。更宽的译码器、更多ALU、更大的缓存、更强的分支预测器,本文讲到的这些优化,目标都是把IPC提上去。5GHz的现代核心性能远超十年前同频的老核心,原因也在这里。
超频靠拉高主频换性能,功耗和发热也跟着涨。如今CPU基本都自动调频:睿频算法看温度、功耗、负载,动态调整频率和电压,出厂时已逼近芯片极限,手动超频能折腾的空间很小。
散热始终是CPU的老大难,现在也没变。现代芯片允许在高温下工作,温度碰到阈值(一般95~105℃)就自动降频。长期损伤来自高温、电压、电流的共同作用,晶体管和金属连线会被慢慢损耗。
桌面CPU因此配了金属顶盖。CPU内部的硅片只占芯片表面约20% 面积,顶盖把散热面积撑大,让热量均匀传到散热器,同时还引出大量引脚与外部硬件通信。
现代桌面CPU背面的引脚数以千计:AMD AM5接口有1718个触点,Intel LGA 1851是1851个触点。两家都走LGA方案,CPU一侧是触点,针脚长在主板插座上。
笔记本芯片则用上千颗锡球直接焊在主板。不管哪种方案,触点里大约一半用来供电,其余负责数据通信,对接内存、芯片组、硬盘、PCIe设备等。
高性能CPU满载电流最高能到200安培,得靠大量触点把电流分散开。触点通常镀金以降低电阻。厂商不同、产品线不同,触点的排布方案也不一样。
晶体管本身也在不断缩小、换结构:TSMC、Intel的最新工艺从FinFET转向环绕栅极(GAA)晶体管,栅极把沟道整个包住,控制力更强、漏电流更低。Intel 18A工艺(用于Panther Lake)引入背侧供电,供电线路挪到硅片背面,正面腾出来给信号布线。想看更细的芯片制造内容,可以翻CPU设计系列的第三篇。
汇总:AMD Zen 5核心内部(Ryzen 9000系列)
收尾部分拿现代CPU核心AMD Zen 5快速过一遍,Ryzen 9000系列用的就是这代架构。AMD公开了核心框图,前面提到的概念几乎都能在图里对上号。
最前端的分支预测器先动手,判断程序往哪走,再告诉前端单元该取哪些指令。指令从32KB L1指令缓存取,TLB辅助缓存则记录程序虚拟地址与物理内存地址的对应关系。
取来的指令送进两组并行译码集群,x86指令在这里被翻译成微指令。最近跑过的代码可以不做译码,直接从微指令缓存读取。每周期最多往后送8条微指令。
接着交给乱序执行模块:微指令先做寄存器重命名,再进448项的重排序缓冲区记录状态;随后进入调度器,等输入数据就绪。调度器的原理偏复杂(研究生级别的内容),它的职责是挑出就绪指令去执行,同时保证最终提交顺序不出错。
指令就绪后就分发到各执行单元。Zen5有6个整数ALU、4个负责内存操作的地址生成单元,另有浮点与向量单元,能执行完整的512位AVX-512指令。内存操作靠48KB L1数据缓存,单核配1MB L2缓存,同一芯粒上的8颗核心共享32MB L3缓存。
运算结果存下来,指令按程序顺序提交,CPU随即准备接手下一条指令。
这篇东西算不上覆盖所有CPU细节的权威手册,只是想帮大家弄明白CPU内部那些复杂机制。说实话,除了Intel、AMD、Apple的内部人员,没人掌握它们处理器的全部细节。文中每一章都对应一个独立的研发方向,内容只能算入门科普。
*声明:本文系原作者创作。文章内容系其个人观点,我方转载仅为分享与讨论,不代表我方赞成或认同,如有异议,请联系后台。