计算机系统一页通

这一页不追求把计算机专业课程压缩成几段结论，而是把后面会反复遇到的概念先放到正确位置：程序从哪里获得算力，数据放在哪一层，操作系统怎样隔离进程，网络怎样把两台机器连起来，源码又怎样变成可执行行为。

不需要会设计 CPU 或手写编译器，但必须知道一件事发生在哪一层。否则看到“服务很慢”时，只能在重装依赖、改代码和重启服务器之间乱猜。

1. 从晶体管到 CPU

计算机最底层利用的是可控开关。晶体管可以表示开与关，组合起来形成与门、或门、非门等逻辑门；逻辑门再组成加法器、寄存器、选择器和控制电路。大量电路协同工作，才形成能执行指令的处理器。

CPU 不需要理解“用户”“文件”或“网页”。它只做一件重复的事：取指令、译码、执行、写回，然后继续下一条。这个循环叫指令周期。

取指令 → 译码 → 取操作数 → 执行 → 写回 → 更新下一条地址

CPU 能执行的指令集合叫指令集架构（ISA）。CISC 倾向用较复杂、长度可变的指令完成更多工作；RISC 倾向使用简单、规整的指令，把复杂操作交给多条指令或编译器。两者不是“谁绝对更快”，而是设计取舍。

现代 CPU 还会使用流水线：把取指、译码、执行等阶段重叠起来，让同一时刻有不同指令处于不同阶段。流水线会遇到三类冒险：

结构冒险：两个阶段争用同一个硬件资源。
数据冒险：后一条指令需要前一条尚未写回的结果。
控制冒险：分支跳转让 CPU 不知道下一条该取哪里。

分支预测、乱序执行和多核并行都建立在“尽量不让流水线停下来”这个目标上。多核提高并行能力，但共享内存、缓存一致性和锁也会带来新的复杂度。

2. 存储层次：CPU 与真实世界之间的速度差

计算机各层存储的速度和容量差异极大。寄存器最快但极少，缓存次之，内存更大更慢，SSD 和机械盘更慢，跨网络访问则可能慢几个数量级。

层级	大致角色	工程含义
寄存器	CPU 正在使用的值	编译器与指令调度
L1/L2/L3 缓存	热点数据与指令	顺序访问、数据局部性很重要
主存	当前进程的工作区	内存不足会换页甚至被杀进程
SSD / HDD	持久化文件与数据库	随机读写、顺序写、fsync 成本不同
网络与远端存储	其他机器上的数据	延迟、丢包、超时和带宽成为主问题

缓存通常按缓存行读取，而不是只读一个字节。顺序遍历数组往往比随机追逐链表节点更快，因为前者更容易利用空间局部性。数据库索引、日志追加写和列式存储，本质上都在优化数据访问模式。

CPU 访问内存时使用虚拟地址。虚拟内存让每个进程看到连续、独立的地址空间，操作系统和硬件通过页表把虚拟页映射到物理页。页表项不在缓存中时还要查 TLB。这样进程之间不必知道彼此占用哪块物理内存，也难以直接越界访问。

当内存压力过大时，系统会把暂时不用的页换到磁盘。换页一旦频繁发生，程序表面上还在运行，实际却会慢到接近卡死。这也是为什么“看 CPU 占用不高”不能证明服务健康。

3. 操作系统：把硬件包装成可用资源

操作系统主要管理四类资源：CPU、内存、文件与设备、网络。它同时提供隔离和抽象，让应用程序不用直接操作硬件。

3.1 内核态、用户态与系统调用

普通程序运行在用户态，不能随意访问硬件或其他进程的内存。需要读写文件、创建进程、访问网络或申请内存时，程序通过系统调用请求内核执行。一次系统调用意味着特权级切换，不是普通函数调用；高频小系统调用可能成为性能瓶颈。

3.2 进程与线程

进程是资源隔离的基本单位，拥有地址空间、打开的文件、环境变量和权限。线程是 CPU 调度单位，同一进程内的线程共享地址空间和文件资源。

进程之间默认隔离，通信需要管道、共享内存、socket 或消息系统。线程之间共享内存更方便，但共享可变数据时必须同步，否则会出现竞态条件、死锁或数据损坏。

操作系统调度器决定哪个线程何时运行。时间片轮转只是最直观的模型；真实调度会考虑优先级、等待时间、CPU 亲和性和 I/O 阻塞。线程数量远远超过 CPU 核心数时，上下文切换和排队成本会上升。

3.3 文件系统

文件系统把数据块组织成目录、文件、权限和元数据。路径是用户看到的抽象；底层还有 inode、块分配、日志、缓存和挂载点。打开文件会获得文件描述符，它是进程内的句柄，不只是“一个路径字符串”。

写入文件也不自动等于安全落盘。应用写入、操作系统页缓存、磁盘缓存和 fsync 控制着不同阶段。数据库需要在“性能”和“断电后不丢已经承诺的数据”之间明确取舍。

3.4 信号与进程生命周期

进程可以被启动、暂停、终止，也可以接收信号。例如 SIGINT 常由 Ctrl+C 发出，SIGTERM 请求进程正常退出，SIGKILL 强制结束。服务收到终止信号后应先停止接收新请求、完成或取消正在处理的任务，再关闭连接。

4. 从按下电源到浏览器打开

开机能串成一条路径，但每一段都可以单独排查：

电源与固件（UEFI）
    ↓ 找到启动设备
启动加载器
    ↓ 加载内核
操作系统内核初始化
    ↓ 启动第一个用户态进程
init / systemd 启动服务
    ↓ 拉起登录、桌面、网络
浏览器发出第一个请求

固件负责最基本的硬件初始化，并找到可启动设备。启动加载器把内核读入内存。内核建立内存管理、调度器、驱动和文件系统，再启动用户态 init。systemd 等 init 系统按依赖关系启动网络、日志、数据库和应用服务。

桌面环境、浏览器、代理和 DNS 都在更上层。系统“黑屏”“SSH 连不上”“服务没启动”“网页 502”是完全不同的故障层，不应从同一个“重装试试”开始。

5. 数据怎样表示

计算机最终只处理位和字节。一个字节是 8 个比特，可以表示 0 到 255。字符、整数、浮点数、图片和程序都是对字节的解释方式。

5.1 文本编码

ASCII 只覆盖早期英文字符。Unicode 给世界上的字符分配码点，UTF-8 则把码点编码成 1 到 4 个字节。UTF-8 与 ASCII 兼容，并且英文字符仍然只占一个字节，因此成为 Web 和大多数源代码的默认选择。

“字符数”与“字节数”不是一回事。一个中文字符在 UTF-8 中通常占 3 个字节；在 JavaScript 字符串和某些语言里，还可能按 UTF-16 代码单元计数。处理长度限制、截断和数据库字段时，要明确单位是字符、码点还是字节。

5.2 数字与浮点

整数有位数、符号和溢出问题。无符号整数不能表示负数；有符号整数溢出后的行为取决于语言和运行时。时间戳、金额和 ID 要特别关注精度与范围。

浮点数使用 IEEE 754 等格式近似表示实数，不能精确表示所有十进制小数。0.1 + 0.2 !== 0.3 不是语言“坏了”，而是二进制浮点的正常结果。金额通常使用整数最小货币单位或十进制定点类型；需要精确比较的 ID 也不要依赖浮点。

5.3 媒体与压缩

图片通常保存像素、颜色空间和压缩信息；音频按采样率与位深记录波形；视频由帧、编码参数和时间戳组成。JPEG、PNG、WebP 的差异不只是文件名，压缩方式、透明通道和适用场景都不同。

压缩分为无损与有损。无损要求解码后完全还原，适合源码和配置；有损会丢弃部分信息换取更小体积，适合照片和音频。传输时还常用校验和或哈希发现损坏，但校验和只能证明内容是否变化，不能证明来源可信。

6. 网络：数据怎样跨机器移动

网络协议可以按层理解，但不必从背 OSI 七层开始。工程上更常问的是：域名怎样变成 IP，包怎样到达主机，哪个进程接收，连接是否可靠，应用层消息是什么格式。

URL → DNS 解析 → IP 与端口
    → TCP/UDP 传输
    → TLS（HTTPS 时）
    → HTTP 请求/响应
    → 浏览器或客户端处理

DNS 把域名解析成 IP。IP 负责把数据包送到目标主机，端口把流量交给具体进程。TCP 提供有序、可靠、面向连接的字节流，适合 HTTP 和数据库；UDP 不保证送达与顺序，但开销小，适合实时音视频、游戏和部分 DNS 查询。

HTTP 是应用层协议，定义方法、路径、头部、状态码和消息体。HTTPS 在 HTTP 与 TCP 之间加入 TLS，完成身份验证、密钥协商和加密。TLS 不是“把整个网站加密一遍”这么简单，证书链、域名匹配、过期时间、代理终止和协议版本都会影响结果。

延迟和带宽是两个不同指标。带宽决定大文件传得多快，延迟决定一次往返要多久。小请求很多时，往返次数和排队往往比带宽更重要。

7. 数据结构与算法：为访问模式选结构

数据结构不是面试清单，而是对“数据怎样被访问”的回答。

结构	典型操作	优势	代价
数组	下标访问、遍历	连续内存、缓存友好	中间插入删除要搬移
链表	已知节点后插入删除	结构灵活	随机访问差，指针开销大
栈	后进先出	调用栈、解析、撤销	只适合受限访问顺序
队列	先进先出	任务调度、消息缓冲	可能积压，需要背压
哈希表	按 key 查找	平均查找快	无序、冲突、内存开销
二叉搜索树	有序查找与范围查询	中序遍历有序	不平衡会退化
堆	取最大/最小值	优先队列、调度	不支持高效任意查找
图	节点与边关系	路径、依赖、社交网络	存储与遍历复杂
倒排索引	关键词 → 文档	全文搜索	构建、更新与存储成本

复杂度描述输入增大时成本怎样增长。二分查找要求数据有序，每次排除一半，时间复杂度是 O(log n)；哈希表平均 O(1) 查找的前提是哈希分布合理且没有严重冲突。大 O 不包含常数，也不考虑网络和磁盘，所以工程中还要看实际数据量、缓存命中和访问模式。

递归把问题拆成同类的子问题，必须定义终止条件，否则会栈溢出。贪心每步选择当前最优，只有在问题满足特定性质时才保证全局最优。排序、搜索、图遍历和动态规划都是常用工具，但大多数业务系统优先使用成熟库，而不是手写算法。

8. 语言、编译与类型

源码本身只是文本。语言运行时或编译器决定它怎样变成机器可执行的操作。

典型编译流程是：

源码 → 词法分析 → 语法分析 → AST
     → 语义分析 → 中间表示 → 优化 → 目标代码

词法分析把字符流拆成 token；语法分析根据语法构建抽象语法树 AST；语义分析检查名称、作用域和类型；优化阶段在不改变程序语义的前提下减少计算；最后生成机器码、字节码或其他中间表示。

编译型语言通常在运行前完成大部分翻译，解释型语言由解释器边读边执行，JIT 则在运行时把热点代码编译成机器码。现代语言的边界很模糊：Java 使用字节码和 JIT，JavaScript 引擎会优化热点函数，Python 也有多种编译与加速路径。

内存管理分为手动管理和自动垃圾回收等模式。引用计数能及时释放，但可能遇到循环引用；追踪式 GC 能处理循环，却可能带来暂停和额外内存。Rust 等语言通过所有权和借用检查在编译期约束内存使用，代价是学习与编码成本。

类型系统用于在编译期或静态分析阶段发现一部分错误。静态类型、动态类型、强类型和弱类型不是四个互斥标签。TypeScript 是静态类型但编译后类型基本消失；Python 有类型提示，但运行时仍需校验。任何来自网络、文件、环境变量或用户输入的数据，都不能仅凭类型标注证明有效。

9. 用这张地图排查问题

假设一个网页打开很慢，可以按层缩小范围：

现象	先看哪一层	证据
域名解析失败	DNS	`dig` / `nslookup`、解析记录
连接被拒绝	端口、进程、防火墙	监听地址、`curl -v`、安全组
TLS 报错	证书、时间、代理	证书链、过期时间、SNI
请求很慢	网络、服务、数据库	各阶段耗时、trace、慢查询
服务占满 CPU	算法、循环、并发	profiler、火焰图、线程状态
内存不断上涨	缓存、对象生命周期	堆快照、GC 指标
偶发错误	并发、重试、依赖	日志上下文、请求 ID、指标

先确定层，再选工具。不要在没有证据时同时重启、清缓存、重装依赖和改代码，那会把真正的故障现场一起破坏。

这一页要留下的东西

计算机按层次组合：晶体管与逻辑门 → CPU → 内存与 I/O → 操作系统 → 网络 → 应用。
计算、内存、磁盘和网络的速度差很大，性能问题先看数据在哪里、访问有多频繁。
进程提供隔离，线程提供并发；共享状态必须同步，异步不等于并行。
字节、字符、整数和浮点是不同概念，边界处要验证编码与精度。
网络问题先分清 DNS、连接、TLS、HTTP 和服务处理。
数据结构的价值取决于访问模式，复杂度必须结合实际常数和 I/O。
类型检查只能发现一部分错误，运行时输入仍然必须校验。