大家在選購處理器時,往往對處理器的緩存容量選擇感到不知所措,本文主要是關于CPU緩存的介紹,并重點闡述了二級緩存的容量,探討了二級緩存容量的上限是否存在及二級緩存能否越大越好。
二級緩存
CPU緩存(Cache Memory)位于CPU與內存之間的臨時存儲器,它的容量比內存小但交換速度快。在緩存中的數據是內存中的一小部分,但這一小部分是短時間內CPU即將訪問的,當CPU調用大量數據時,就可避開內存直接從緩存中調用,從而加快讀取速度。最初緩存只有一級,二級緩存(L2 CACHE)出現是為了協調一級緩存與內存之間的速度。二級緩存比一級緩存速度更慢,容量更大,主要就是做一級緩存和內存之間數據臨時交換的地方用。實際上,現在Intel和AMD處理器在一級緩存的邏輯結構設計上有所不同,所以二級緩存對CPU性能的影響也不盡相同。
緩存的工作原理是當CPU要讀取一個數據時,首先從緩存中查找,如果找到就立即讀取并送給CPU處理;如果沒有找到,就用相對慢的速度從內存中讀取并送給CPU處理,同時把這個數據所在的數據塊調入緩存中,可以使得以后對整塊數據的讀取都從緩存中進行,不必再調用內存。
正是這樣的讀取機制使CPU讀取緩存的命中率非常高(大多數CPU可達90%左右),也就是說CPU下一次要讀取的數據90%都在緩存中,只有大約10%需要從內存讀取。這大大節省了CPU直接讀取內存的時間,也使CPU讀取數據時基本無需等待。總的來說,CPU讀取數據的順序是先緩存后內存。 最早先的CPU緩存是個整體的,而且容量很低,英特爾公司從Pentium時代開始把緩存進行了分類。當時集成在CPU內核中的緩存已不足以滿足CPU的需求,而制造工藝上的限制又不能大幅度提高緩存的容量。因此出現了集成在與CPU同一塊電路板上或主板上的緩存,此時就把 CPU內核集成的緩存稱為一級緩存,而外部的稱為二級緩存。一級緩存中還分數據緩存(Data Cache,D-Cache)和指令緩存(Instruction Cache,I-Cache)。二者分別用來存放數據和執行這些數據的指令,而且兩者可以同時被CPU訪問,減少了爭用Cache所造成的沖突,提高了處理器效能。
cpu二級緩存越大越好嗎
首先亮明觀點,并非越大越好。
說到CPU,不得不說的就是CPU緩存,目前CPU的緩存已經成了衡量CPU性能的一個必要指標,那么CPU緩存到底對CPU性能的影響有多大呢?
我們知道,CPU執行指令時,會將執行結果放在一個叫“寄存器”的元件中,由于“寄存器”集成在CPU內部,與ALU等構成CPU的重要元件,因此寄存器中的指令很快被CPU所訪問,但畢竟寄存器的容量太小,CPU所需的大量指令和數據還在內存(RAM)當中,所以CPU為了完成指令操作,需要頻繁地向內存發送接收指令、數據。
由于內存的處理速度遠遠低于CPU,所以傳統的系統瓶頸在這里就產生了,CPU在處理指令時往往花費很多時間在等待內存做準備工作。
為了解決這個問題,人們在CPU內集成了一個比內存快許多的“Cache”,這就是最早的“高速緩存”。
L1高速緩存是與CPU完全同步運行的存儲器,也就是我們常說的一級緩存,如果CPU需要的數據和指令已經在高速緩存中了,那么CPU不必等待,直接就可以從一級緩存(L1)中取得數據,如果數據不在L1中,CPU再從二級緩存(L2)中提取數據,大大提高了系統的工作效率。
趣談CPU緩存工作原理
沒有CPU緩存前
我們可以形象地把CPU的運算單元想象成是一間坐落在城市中心的工廠,把內存看成是工廠設置在郊區的一間面積很大的倉庫A。
工廠生產所需要的原材料每次都要花時間去遠處的倉庫A調運,而且到達倉庫后,還要等待倉庫準備好材料,中間浪費了不少時間。這就是CPU頻率未變的情況下,CPU與內存的數據交換不同步的現象。
而突然有一天,由于資金短缺,倉庫A從近郊區“搬到”了遠郊區,這樣原料和成品在工廠與倉庫A之間的運輸所花費的時間就更長了,工廠生產所需的原料供應不足,經常處于空運轉的狀態下。這就是說當CPU頻率增加后,CPU與內存交換數據等待需時間會變得更長
增加L1 Cache
要解決CPU與內存交換數據不同步這個系統瓶頸問題,其中一個辦法是在靠近工廠的市區設置一個小型的倉庫B(L1 Cache)。
平時把生產最迫切需要、用得最多的原材料(指令和數據)從倉庫A(內存)調配到倉庫B(L1 Cache),這樣工廠生產所需要的原材料就可以很快地調配過來,減少空運轉的時間。當所需的原材料在倉庫B中找不到(緩存未命中)時,仍然要到倉庫A(內存)里調配,雖然無可避免地使工廠又進入空運轉,或部分空運轉(CPU等待若干個時鐘周期),但這樣畢竟使等待時間大大降低了。
小知識:緩存有一個“預讀”功能,也就是可以通過一定的算法,猜測接下來所要的數據,并預先取入緩存。
再添L2 Cache
隨著CPU的頻率提高,與內存之間交換數據不同步的現象更明顯了,可以理解為倉庫A(內存)搬離郊區,遷到更遠的地方了。解決這一問題的一個更好的辦法就是在城市的邊緣再設立一個比倉庫B大的倉庫C,也就是我們說的二級緩存。
它的作用是把郊區之外的倉庫A(內存)中最迫切用的材料(指令)運到倉庫C,而工廠如果在倉庫B中找不到所需的材料,就可以到倉庫C中找,而不必老遠跑到倉庫A那里找,節省了不少時間。
通常情況下,L2包括L1所有的數據,另外還有一些附加的數據。換言之,L1與L2、L2與內存之間是子母關系,所以CPU緩存的出現更有效地解決了CPU空等待所造成的資源浪費問題。
CPU緩存越大越好?
當然,CPU緩存并不是越大越好,因為緩存采用的是速度快、價格昂貴的靜態RAM(SRAM),由于每個SRAM內存單元都是由4~6個晶體管構成,增加緩存會帶來CPU集成晶體管個數大增,發熱量也隨之增大,給設計制造帶來很大的難度。所以就算緩存容量做得很大,但如果設計不合理會造成緩存的延時,CPU的性能也未必得到提高。
CPU二極緩存現在一般多大
處理器要想顯著的提升性能,不外乎四種方法:改進微處理器架構、增加處理器核心數量、提升頻率和增加二級緩存。而就目前的使用環境來說,有的時候增加處理器核心數量并不能帶來很好的性能提升,而架構更新一般屬于整代產品更新之際才能出現。
因此主頻和二級緩存則成為提升性能、拉開產品價位差距的主要手段。英特爾自從全面轉入酷睿2架構之后,二級緩存成為了衡量處理器性能的重要標尺,從采用512KB的賽揚420處理器到采用12MB二級緩存的QX9650,各個不同檔次的處理器系列在核心數量與頻率不同之外,緩存的容量上也具有很大差異,使得不同規格處理器在性能上有明顯差距,這也讓不同產品價格天差地別。
由于處理器與緩存之間帶寬和數據交換速度對處理器性能影響較大,一般來說同規格處理器,緩存越大性能越好,但性能優勢也不是說緩存高一倍性能就能高一倍,僅僅是處理器內部數據交換速度稍高一些罷了。另外,處理器使用性能單單從二級緩存上并不能作出判斷,緩存結構設計等因素也影響著處理器性能。
酷睿架構對緩存比較依賴,但并不是說緩存成倍提升處理器性能就能成倍提升。
但是對普通玩家來說最重要的因素還是價格,舉個例子來說,2MB二級緩存的Intel E5300賣440元,而3MB二級緩存的E7300則要賣到630塊,為這1MB緩存提升,消費者需要多付出50%的價格。更別說6MB緩存的E8200要賣到近千元,10MB和12MB緩存的四核心處理器價格則要2000元左右,但是花了這么多錢,性能真的可以得到同樣比例的提升么?答案恐怕會讓多數人感到出乎意料。
同頻率下的性能測試(標有*的是四核處理器)
首先我們來看一下單純的處理器運算能力,在CPU Mark99軟件中,我們將所有處理器都設定為同樣頻率,從最終測試成績可以看到雖然隨著二級緩存容量的提高,處理器成績也穩步增長,但是增長幅度并不大。唯一例外的就是在相同頻率下,512KB二級緩存的處理器得分大幅度落后于其他處理器,看來就算是理論方面的性能測試,512KB也已經無法勝任了。而具有1MB二級緩存的處理器與6MB甚至是12MB的處理器可以說是處于同一級別。可見只提高緩存容量所帶來的性能提升相對其價格來說并不劃算。
不同緩存,同樣頻率下測試成績(標有*的是四核處理器)
其次,游戲測試中更能突出二級緩存對性能的影響,當二級緩存提高的時候,游戲幀數也同樣穩定提高,且提高幅度非常明顯。其中性能提高比例最大的部分出現在512KB到2MB之間,此時性能獲得了47.8%的提高,而當二級緩存從2MB換為6MB時,性能僅有23.2%的提高,后面幾款高端處理器二級緩存雖然成倍數增加,但是性能提升比例卻越來越小。
可見只有在運行大型3D游戲和多媒體編輯等需要高強度運算的時候才需要更大處理器緩存,這對更加傾向于高性能運算的企業級用戶來說意義較大,但是對于目前階段家庭應用來說2MB緩存配置的處理器產品無論從性能還是價格方面都是最好選擇。
從應用方面考慮,如果是組建辦公用機,E5300不輸于那些身價昂貴的大緩存處理器,比如E6700甚至QX9650,而在游戲性能方面,E5300處理器在同頻下更是保持著對低緩存處理器20%~35%的性能領先優勢,在測試中我們可以看到即便緩存更大的高端處理器與E5300相比,也很難取得與其價格相符的性能領先。
再來看看價格,在滿足用戶日常應用的基礎上,2MB緩存的Intel E5300以440元左右的售價擁有非常強悍的性價比,成為目前裝機最佳選擇。對于普通DIY玩家來說,還可以考慮通過超頻進一步挖掘Intel E5300處理器的性能,在獲得優秀系統性能的同時還可以體驗到更多使用樂趣。通過這樣的說明,您是否已經對處理器緩存與性能、價格的關系有了一定了解呢?希望您在采購時可以選到稱心如意的產品。
結語
關于CPU二級緩存的介紹就到這了,希望本文能對你有所幫助,如有不足之處歡迎指正。
評論
查看更多