一、冯·诺伊曼结构
1.撰写的程序、打开的浏览器、运行的游戏，都要加载到内存里才能运行。程序读取的数据、计算得到的结果，也都要放到内存里。存放在内存里的程序和数据，需要被 CPU 读取，CPU 计算完成之后，还要把数据写回内存。而主板的芯片组（Chipset）和总线（Bus）解决了 CPU 和内存之间如何通信的问题。芯片组控制了数据传输的流转，也就是数据从哪里到哪里的问题。总线则是实际数据传输的高速公路。因此，总线速度（Bus Speed）决定了数据能传输得多快。
2. 鼠标、键盘以及硬盘，都是插在主板上的。作为外部 I/O 设备，它们通过主板上的南桥（SouthBridge）芯片组，来控制和 CPU 之间的通信，一方面，它在主板上的位置，通常在主板的“南面”。另一方面，它的作用就是作为“桥”，来连接鼠标、键盘以及硬盘这些外部设备和 CPU 之间的通信。以前的主板上通常也有“北桥”芯片，用来作为“桥”，连接 CPU 和内存、显卡之间的通信。不过，随着时间的变迁，现在的主板上的“北桥”芯片的工作，已经被移到了 CPU 的内部，所以在主板上，已经看不到北桥芯片了。
3.冯诺依曼结构的计算机由以下几部分组成：
(1)运算器（Processing Unit），包含算术逻辑单元（Arithmetic Logic Unit，ALU）和处理器寄存器（Processor Register），用来完成各种算术和逻辑运算。
(2)控制器（Control Unit/CU），包含指令寄存器（Instruction Register）和程序计数器（Program Counter），用来控制程序的流程，通常就是不同条件下的分支和跳转。在现在的计算机里，运算器和控制器共同组成了 CPU。
(3)存储器，包括用来存储数据（Data）和指令（Instruction）的内存，以及更大容量的外部存储，通常就是硬盘。
(4)输入和输出设备，例如鼠标，键盘，显示器，网卡，触摸屏等，其中网卡和触摸屏等既是输入设备也是输出设备。
二、性能
4.衡量计算机性能有两个重要指标，第一个是响应时间（Response time）或者叫执行时间（Execution time）。第二个是吞吐率（Throughput）或者带宽（Bandwidth），所以，响应时间指的就是执行一个程序，到底需要花多少时间。花的时间越少，自然性能就越好。 而吞吐率是指在一定的时间范围内，到底能处理多少数据或者程序指令。
缩短程序响应时间，一般都能提升吞吐率，除此以外还可以使用多核处理器，多个核心同时处理数据，吞吐率也会提升。
一般可以把性能定义成响应时间的倒数，也就是：
性能 = 1/ 响应时间
计算响应时间时，直观会认为是程序执行结束的时间减去程序开始的时间(Wall Clock Time & Elapsed Time)，但是这样计算有以下问题：
(1)该时间不一定准。多次运行同一程序会发现结束时间不一样，因为计算机中同时执行好几个程序，CPU实际上不停地在各个程序之间进行切换（线程与时间片的概念）。在这些走掉的时间里面，很可能CPU切换去运行别的程序了。而且，有些程序在运行的时候，可能要从网络、硬盘去读取数据，要等网络和硬盘把数据读出来，给到内存和CPU。所以说，要想准确统计某个程序运行时间，进而去比较两个程序的实际性能，得把这些其余时间去除掉。
为了统计该时间，Linux下有一个叫time的命令，可以统计出来，同样的Wall Clock Time下，程序实际在CPU上到底花了多少时间。它会返回三个值，第一个是real time，也就是Wall Clock Time，也就是运行程序整个过程中流逝掉的时间；第二个是user time，也就是CPU运行程序，在用户态运行指令的时间；第三个是sys time，是CPU在操作系统内核里运行指令的时间。而程序实际花费的CPU执行时间（CPU Time），就是user time加上sys time：
$ time seq 1000000 | wc -l
1000000
real 0m0.101s
user 0m0.031s
sys 0m0.016s
(2)即使已经拿到了CPU时间，也不一定可以直接“比较”出两个程序的性能差异。即使在同一台计算机上，CPU 可能满载运行也可能降频运行，降频运行的时候自然花的时间会多一些。除了CPU之外，时间这个性能指标还会受到主板、内存这些其他相关硬件的影响。所以，需要把程序的CPU执行时间变成：
CPU时钟周期数×时钟周期时间（CPU主频的倒数，Clock Cycle）
对于CPU时钟周期数，可以再做一个分解，把它变成“指令数×每条指令的平均时钟周期数（Cycles Per Instruction，CPI）”。不同的指令需要的Cycles是不同的，加法和乘法都对应着一条CPU指令，但是乘法需要的Cycles就比加法要多，自然也就慢。在这样拆分了之后，CPU执行时间就可以变成这样三个部分的乘积：
程序的CPU执行时间 = 指令数×CPI×Clock Cycle Time
因此，想要解决性能问题，其实就是要优化这三者，即提升CPU主频、优化 CPU 设计使得在单个时钟周期内能够执行更多指令、以及通过编译器来减少需要的指令数。每条指令的平均时钟周期数CPI，就是一条指令到底需要多少CPU Cycle。现代的CPU通过流水线技术（Pipeline），让一条指令需要的CPU Cycle尽可能地少。因此，对于CPI的优化，也是计算机组成和体系结构中的重要一环。指令数，代表执行程序到底需要多少条指令、用哪些指令，这个很多时候就把挑战交给了编译器。
5.上面三方面的优化程序执行速度方法中，增加CPU主频是相对容易做到的一点，但是随着晶体管密度和开关速度的上升，功耗发热也在不断上升。因此，在 CPU 里面，能够放下的晶体管数量和晶体管的“开关”频率也都是有限的。一个 CPU 的功率，可以用这样一个公式来表示：
功耗 ~= 1/2 ×负载电容×电压的平方×开关频率×晶体管数量
当功耗增加太多时，会导致CPU散热跟不上。因此现代CPU研发都在不断降低供电电压。近年来通过提升主频越来越困难，因此CPU厂商们选择研发多核CPU，通过提升吞吐率即并行，而不是减少响应时间来提升性能。利用处理器并行运算进行优化的程序，执行时间如下所示（阿姆达尔定律）：
优化后的执行时间 = 受优化影响的执行时间 / 加速倍数 +不受影响的执行时间
除了摩尔定律与并行计算以外，还有三种方法可以提升程序性能：
(1)加速大概率事件。算法中通常使用 big-O 去表示一个算法的好坏，我们优化一个算法也是基于 big-O，但是 big-O 其实是一个近似值，就好比一个算法时间复杂度是 O(n^2) + O(n)，这里的 O(n^2) 是占大比重的，特别是当 n 很大的时候，通常会忽略掉 O(n)，着手优化 O(n^2) 的部分。
(2)通过流水线提高性能。例如任务分解，把一个大的任务分解成好多个小任务，把一个大规模的SQL分成几个规模适当的小SQL进行执行。一般来说，分的越细，小任务就会越简单，整个框架、思路也会变得更加清晰。
(3)通过预测提高性能。例如redis数据库会将高频率使用的数据缓存在内存中，提高读取效率；另外就是深度优先搜索算法里面的 “剪枝策略”，防止没有必要的分支搜索，这会大幅度提升算法效率。