博客
关于我
计算机组成原理 第一篇:总概
阅读量:359 次
发布时间:2019-03-04

本文共 1300 字,大约阅读时间需要 4 分钟。

计组是在学习什么?(基于唐朔飞的计算机组成原理)

计组是一门专注于计算机硬件的课程,涉及数字电路的基础知识。虽然涉及不多,但需要了解触发器、加法器等电路芯片的使用和作用。计算机的实体部分主要包括中央处理机(控制单元和运算逻辑单元)、存储器和I/O设备。接下来,我们来探讨计算机的工作原理。

计算机如何工作?

我们知道,用编译器编译源代码后会生成一个.exe文件,这个文件可以直接运行。但为什么我们不能直接运行源代码呢?主要原因在于计算机无法直接识别高级语言符号。它只是由电路构成,只能理解和处理高低电平信号,也就是一串0和1的代码。因此,需要编译程序将高级语言翻译成机器语言让计算机识别。

计算机处理源代码的具体过程

了解中央处理器的知识后,你会感受到这一部分的重要性。程序员在编写程序时,实际运行的环境是怎样的?计算机是如何一级一级处理程序的呢?让我们从高级语言虚拟机器开始了解。

第4级:虚拟机器M4(高级语言机器)

高级语言编写成源代码后,会被编译器转化为汇编代码。高级语言是计算机无法直接识别的,每一句高级语言都对应相当多条汇编代码。这也是编写大型程序的优势所在。程序设计者面对的是一个高级语言虚拟机器,这个虚拟机器可以理解高级语言,并在机器语言机器上覆盖一层编译高级语言的软件,形成高级语言虚拟机器。

第3级:虚拟机器M3(汇编语言机器)

汇编语言是一种将机器语言可视化的语言,每一条汇编语言都对应一条机器指令。因此,汇编语言虽然本身不能直接被存储在主存中运行,但只要通过简单的翻译就可以直接在机器上运行。所面对的编程环境是一台上层覆盖了能够将汇编语言翻译成机器语言的软件和能够运行机器语言的机器。

第2级:虚拟机器M2(操作系统机器)

操作系统相当于覆盖在实体机器的第一层软件,提供了更多更容易使用的功能。程序设计者可以通过命令直接调用或者程序间接调用的方式使用操作系统的功能。

第1级:传统机器M1(机器语言机器)

机器语言直接存放在主存中,在运行时调入CPU,是计算机可以识别的语言。虽然机器语言可以直接在实际机器上运行,但编写难度较高。最初的机器语言是直接面向机器硬件的,但后来有了微指令系统后,机器语言也基于微指令系统进行了设计,这体现了底层设计中的封装思想。

第0级:微指令机器M0(微指令系统)

第0级是从机器语言机器向下拓展的。传统的机器并没有微指令系统,机器指令的操作控制字段部分对应一系列单一的控制信号。但微指令系统下,控制信号被整合成一系列原子级的微命令,用户通过机器指令间接控制微指令。微指令通常是开发者在开发之初所设计好的,面对的是完全的硬件。

计算机运行时的基本流程

首先了解计算机的基本结构。主存储器是我们平常看到的内存条,CPU由算术逻辑单元和控制单元构成,I/O设备负责人机交互。程序员使用时,将程序通过I/O设备存储到主存储器中,然后程序开始运行。控制单元发出控制信号,控制主存储器将程序逐条传到控制单元中。控制单元根据传入的指令,发送相应的控制信号,控制主存储器将程序中的操作数传到算术逻辑单元中进行相应的计算。就这样不断地取指令和执行指令来完成任务。

转载地址:http://xvbr.baihongyu.com/

你可能感兴趣的文章
opencv之namedWindow,imshow出现两个窗口
查看>>
opencv之模糊处理
查看>>
Opencv介绍及opencv3.0在 vs2010上的配置
查看>>
OpenCV使用霍夫变换检测图像中的形状
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
OpenCV保证输入图像为三通道
查看>>
OpenCV入门教程(非常详细)从零基础入门到精通,看完这一篇就够了
查看>>
opencv图像分割2-GMM
查看>>
opencv图像分割3-分水岭方法
查看>>
opencv图像切割1-KMeans方法
查看>>
OpenCV图像处理篇之阈值操作函数
查看>>
opencv图像特征融合-seamlessClone
查看>>
OpenCV图像的深浅拷贝
查看>>
OpenCV在Google Colboratory中不起作用
查看>>
OpenCV学习(13) 细化算法(1)(转)
查看>>
OpenCV学习笔记(27)KAZE 算法原理与源码分析(一)非线性扩散滤波
查看>>
OpenCV学堂 | CV开发者必须懂的9种距离度量方法,内含欧氏距离、切比雪夫距离等(建议收藏)
查看>>
OpenCV学堂 | OpenCV中支持的人脸检测方法整理与汇总
查看>>
OpenCV学堂 | OpenCV案例 | 基于轮廓分析对象提取
查看>>
OpenCV学堂 | YOLOv8与YOLO11自定义数据集迁移学习效果对比
查看>>