我们对于 I/O 设备的大量操作，多数类似文件复制，把硬盘数据拷贝到内存，再把内存数据传输到I/O设备。这种情况，如果所有数据都要经过 CPU，实在有点太浪费时间了，因为 CPU 速度很快，大部分都在傻等硬盘读写。

因此，计算机工程师们，发明了 DMA 技术，即直接内存访问（Direct Memory Access）技术，来减少 CPU 的等待。

因为 CPU 的频率通常在 2GHz 以上，即每秒可执行 20 亿次操作，所以瓶颈通常在 I/O 上。那么具体如何定位呢？

计算机最重要的是 CPU，除此之外，第二重要的就是内存，内存属于计算机五大组成部分中的存储器，我们的指令和数据，都要先加载到内存，才会被 CPU 拿去执行。

之前有篇提到过，程序并不能直接访问物理内存，而是通过虚拟内存地址转换到物理内存地址，从而加载数据，那么虚拟地址究竟如何转换成物理内存地址的呢？

来看 3 行代码，比较一下两个循环运行所花的时间。

1
2
3
4
5
6
7

int[] arr = new int[64 * 1024 * 1024];

// 循环1
for (int i = 0; i < arr.length; i++) arr[i] *= 3;

// 循环2
for (int i = 0; i < arr.length; i += 16) arr[i] *= 3

按道理来说，循环1 花费的时间应该是循环2 的 16 倍左右。但实际上，循环1 在我的电脑上运行需要 50 毫秒，循环2 只需要 46 毫秒。相差在 15% 之内，1 倍都没有。

这就是 CPU Cache （高速缓存）带来的效果。

程序执行时，CPU 将对应的数据从内存中读取出来，加载到 CPU Cache 里。这里注意，CPU 是一小块一小块来读取数据的，而不是按照单个数组元素来读取数据的。

这一小块一小块的数据，在 CPU Cache 里面，我们把它叫作 Cache Line（缓存块）。

日常用的 Intel 服务器或者 PC 中，Cache Line 的大小通常是 64 字节。

上面的循环2 里面，每隔 16 个整型数计算一次，16 个整型数正好是 64 个字节。所以，循环1 和循环2，都需要把同样数量的 Cache Line 数据从内存中读取到 CPU Cache 中，导致两个程序花费的时间就差别不大了。

我们知道，在 冯·诺依曼 的提出的计算机模型中，计算机是由五大部分组成：运算器、控制器、存储器、输入设备、输出设备。

其中，运算器和控制器一般会放在一起，即我们的 CPU （中央处理器），负责指令读取和计算。

指令一般分为三类，R 型：进行算术操作、逻辑操作；I 型：进行数据传输、条件分支；J 型：地址跳转。

有了这些基础，那么完整的 CPU 是怎么运转起来的呢。

如果你有 python 或者 node 的命令行终端，或者浏览器里面的 Console，你可以做个测试，输入 0.3 + 0.6 看下值究竟是多少。

1
2
3
4

Welcome to Node.js v12.16.1.
Type ".help" for more information.
> 0.3+0.6
0.8999999999999999