简介：计算机系统结构（张晨曦版）课后答案整理成一份doc文档，面向计算机相关专业本科生、考研学生以及自学系统结构的读者，帮助对照教材完成课后练习并梳理核心概念。文档共1个文件，压缩包约170KB，内容以术语解释和习题详解为主，覆盖第1章层次机构、虚拟机、翻译与解释、计算机组成与实现、系统加速比、Amdahl定律、CPI、存储程序计算机等基础概念，并给出1.2～1.7等课后题的完整解答，包括主存系统的结构/组成/实现关系分析、Flynn分类法、四个定量原理、并行性等级划分，以及CPI、MIPS和程序执行时间的具体计算示例，便于核对步骤、理解计算方法。尤其1.6、1.7题按指令类型统计指令数和平均时钟周期数，逐步推导有效CPI、MIPS速率与执行时间，对掌握系统性能评估常用公式很有帮助。目前已有1379人浏览学习，适合课程复习、考研备考或考前突击使用。
1. 计算机系统结构课后题的正确打开方式
拿到张晨曦版《计算机系统结构》的课后答案，最要命的问题不是看不懂，而是看懂了也写不出推导。很多人在流水线、Cache、互连网络这几章反复翻答案，合上书还是不会算。原因在于这本书的习题不是验证题，是设计题。它的指令集、流水线时空图、Cache地址变换，都是在给定参数下逼你还原一个系统的行为过程。答案只是一个终点，中间那些时序、命中率、状态迁移，才是真正值钱的训练。
这篇内容不是替你抄答案，而是把做这套题需要的三条主线给你立住：指令系统怎么定义和扩展，流水线时空图怎么画、加速比怎么算，Cache和虚存的地址变换怎么推演。每一条我都给出可以直接套用的模板、参数表和验证代码。适合正在刷课后题的人，也适合带新课的老师想快速找齐常见解法。新手能照着步骤走，熟手能看见边界条件——比如超标量、多体交叉、组相联这些参数一旦变，结果会怎么漂。
2. 指令系统与操作数寻址：答案背后是新旧指令集的取舍
2.1 为什么张晨曦版把指令系统放在第一章
计算机系统结构的第一条分界线就是指令系统。课后题在这一章反复让你做两件事：一是根据寻址方式统计指令长度和访存次数，二是手扩指令编码。这些题不是考背诵，是在逼你理解指令系统到底由什么决定。它不要求你对CPU微架构细到门级，但要求你算得清一条指令对应几次访存、占几个字节。
以常见的“寄存器-存储器”型指令为例，一条双操作数指令OP Rs, Rd通常占两个字：一个字放操作码和寄存器号，另一个字放立即数或地址偏移。如果这是一条访存指令，执行期还要多算一次内存访问。课后题常见的表格会让你填：指令字长、取指访存次数、取操作数访存次数、总访存次数。这类题满分的关键不是记结论，而是把“取指”和“访存”分开计数。
某指令系统有三种寻址方式： - 立即数寻址：低8位是立即数，无需额外访存 - 直接寻址：低16位是内存地址，取操作数需1次访存 - 寄存器间接寻址：低8位是寄存器号，数据在寄存器指向的内存中，需1次访存 给定指令字长32位，操作码8位，求三种指令的总访存次数。| 寻址方式 | 取指访存 | 取操作数访存 | 写回访存 | 总访存 |
|---|---|---|---|---|
| 立即数 | 1次（若指令不在Cache） | 0 | 0或1（写寄存器不访存） | 1 |
| 直接 | 1 | 1 | 1（若目标为内存） | 3 |
| 寄存器间接 | 1 | 1（读指针所指内存） | 0（目标为寄存器） | 2 |
参数说明：操作码8位、寄存器号8位、地址16位，三者相加正好等于32位指令。如果操作码扩展为12位，地址就只剩12位，直接寻址范围会从64K缩到4K。这是很多填空题的坑。
2.2 用Python验证指令编码分配
手算扩展操作码的时候，最容易错的是“同一套编码下，短指令不能是长指令的前缀”。这是哈夫曼编码思路在指令系统里的应用。我一般会写一个简短的脚本，把候选编码树生成出来，检查是否有前缀冲突。
codes = { "ADD": "00", # 2位操作码 "SUB": "01", "LOAD": "10", # 10需要扩展 "STORE":"110", # 110是10的后缀，但前缀不冲突 } def has_prefix_conflict(code_list): sorted_codes = sorted(code_list, key=len) for i, a in enumerate(sorted_codes): for b in sorted_codes[i+1:]: if b.startswith(a): print(f"冲突: {a} 是 {b} 的前缀") return True print("无前缀冲突") return False has_prefix_conflict(list(codes.values()))这个脚本的意义在于：当你手头有十几条指令、长度不一地摊开准备编码时，靠肉眼很容易漏掉某种短编码是另一种长编码的前缀。运行一遍，如果有10和1011同时存在，那解码器会把1011的前两位10先解成LOAD，长指令就废了。这正好对应课后题里“扩展操作码时要保证短码不与其他码的前缀重合”这道常考题。
3. 流水线的时空图、加速比与流水线寄存器
3.1 画时空图的底层逻辑
流水线章节的课后题少不了一张时空图。图里横轴是时钟周期，纵轴是指令或功能段，每个步骤是一个斜块或方块。画图之前必须先回答三个问题：指令分几段、每条指令每段需要几个周期、是否有段间停顿。常见的五段流水线是取指（IF）、译码（ID）、执行（EX）、访存（MEM）、写回（WB）。单周期流水线中，第i条指令的IF段在第i个周期启动，前提是没有结构冒险。
以两条连续指令为例，若没有冒险，则流水线在第一个周期只有一条指令的IF段，第四个周期后每个周期都有多条指令重叠。时空图的常见陷阱是把“第四周期开始每周期完成一条指令”误写成“第三周期”。我一般在草稿上先画一条水平基准线，标注时钟周期1到8，再把每条指令的功能段按起始周期叠上去。
五段流水线，指令A在第1周期开始IF，指令B在第2周期开始IF。 若没有任何停顿，则： 周期1: A IF 周期2: A ID, B IF 周期3: A EX, B ID 周期4: A MEM, B EX 周期5: A WB, B MEM 周期6: B WB从这个时序可以看出，两条指令总共需要6个时钟周期，而顺序执行需要10个周期。加速比 = 顺序时间 / 流水时间 = 10 / 6 = 1.67。如果加入一条R型指令，它的MEM段实际上不做访存，但为了硬件统一仍然占用一个周期。这个占位就是很多答案里“空操作”的来源。
3.2 加速比计算的标准模板
流水线题目的考法分为两种：一种是只算理想加速比，一种是把分支停顿、Cache缺失和资源冲突算进去。张晨曦版的课后题喜欢考后者，因为后者才是计算机系统结构区别于“组成原理”的关键。
理想加速比公式是S = n / k，其中n是指令条数加流水线建立时间相关项，k是段数。但实际考法会把CPI拆开：
总CPI = 基础CPI + 停顿周期数 / 指令条数 加速比 = 串行CPI / 流水CPI典型题目参数：五段流水线，基础CPI=1，每5条指令有1条分支，分支指令造成2个周期的控制停顿。求200条指令的平均CPI和加速比。计算过程：
总停顿 = 200 / 5 * 2 = 80个周期 流水总周期 = 5 + (200-1) + 80 = 284 流水CPI = 284 / 200 = 1.42 串行CPI = 5 加速比 = 5 / 1.42 ≈ 3.52这里的5 + (200-1)是流水线建立时间加填充时间，80是分支停顿。很多答案会漏掉“建立时间”的5个周期，但考试时这5个周期决定了第一轮指令何时流出。参数说明：分支比例越高，流水化收益越低；当分支比例达到20%时，加速比会掉到2左右，这时候就必须引入分支预测。
3.3 用Python模拟流水线冒险检测
纯粹的加乘计算能应付简单题，但课后题里经常出现load-use冒险：前一条指令的load结果马上被下一条指令的ALU指令使用。这种题的手算结果是插入一个气泡。为了验证自己有没有漏插，我习惯用一个状态机式的小脚本。
from collections import deque stages = ["IF", "ID", "EX", "MEM", "WB"] def pipeline_with_stalls(instructions): # 记录每条指令是否依赖前一条的load结果 queue = deque() for idx, (op, dest, src) in enumerate(instructions): queue.append({"op": op, "dest": dest, "src": src, "cycle": idx + 1}) stall_cycles = 0 issued = 0 for i, instr in enumerate(instructions): # 假设前一条是load，当前条寄存器相同则停顿 if i > 0 and instructions[i-1][0] == "LOAD": if instructions[i-1][2] in instructions[i][2:]: stall_cycles += 1 # 插入一个气泡 issued += 1 issued += 1 total_cycles = len(stages) + issued - 1 + stall_cycles return stall_cycles, total_cycles # 指令格式: (操作, 目标寄存器, 源寄存器1, 源寄存器2) instrs = [ ("LOAD", "R1", "MEM_ADDR", "-"), ("ADD", "R2", "R1", "R3"), ("SUB", "R4", "R2", "R5"), ] stalls, cycles = pipeline_with_stalls(instrs) print(f"插入气泡数: {stalls}") print(f"总周期数: {cycles}")逻辑说明：当第i条指令的源寄存器等于前一条LOAD的目标寄存器时，第i条指令的ID段无法读取到数据，必须在EX段前插入一个气泡。循环里的issued += 1模拟指令连续发射，但遇到数据冒险就多占一个周期。参数说明：如果硬件支持转发（forwarding），气泡数量会减半，这是题目里“有转发”和“无转发”两个小问的区别。
4. Cache地址变换与存储层次：命中率的三种计算口径
4.1 直接映射、全相联、组相联的参数表
存储层次的课后题几乎绕不开Cache地址划分。给定Cache容量、块大小、主存容量、地址位数，要求算出标记位、索引位和块内偏移。这类题只要确定口径就不会错：块内偏移位数 = log2(块大小字节数)，索引位数 = log2(Cache块数 / 相联度)，标记位数 = 总地址位数 - 索引位数 - 块内偏移位数。
| Cache类型 | 索引位来源 | 标记位来源 | 冲突行为 |
|---|---|---|---|
| 直接映射 | 地址的中间位 | 高位 | 同索引不同标记互斥 |
| 全相联 | 无索引，比较全部标记 | 地址高位 | 任意位置可替换 |
| 组相联 | 地址的中间位（组号） | 高位 | 同组内可替换 |
常见错误是把直接映射的索引位当成最低位取。正确的是取“块内偏移之后的位”。例如主存地址16位，块大小4字节，Cache有8块，则块内偏移2位，索引3位，标记11位。地址0x1234的二进制为0001 0010 0011 0100，偏移位是低2位00，索引位是接下来的3位101，其余11位是标记。这个切法的理由是：按块地址映射到Cache行，块内偏移不需要参与标记比较。
4.2 平均访问时间公式与缺失代价
课后题给的Cache题往往附带一个命中率表格，让你算平均访存时间（AMAT）或CPI。公式是：
AMAT = 命中时间 + 缺失率 × 缺失代价举例：L1 Cache命中时间1周期，缺失率5%，缺失代价20周期，则AMAT = 1 + 0.05 × 20 = 2周期。如果题目再加一个L2 Cache，命中时间为10周期，缺失率20%（指L2），则：
AMAT = 1 + 0.05 × (10 + 0.2 × 100) = 1 + 0.05 × 30 = 2.5周期这个式子里的20%是L2缺失率，意味着L1缺失后，有80%情况从L2拿到数据，只有20%情况去主存。张晨曦版的题经常考“两级Cache的局部缺失率和全局缺失率”的区别，局部缺失率 = L2缺失数 / L1缺失数，全局缺失率 = L2缺失数 / 总访存数。公式里的5%和20%相乘得到1%才是全局缺失率，直接用20%去乘缺失代价就会算出灾难性的数值。
4.3 用Python模拟LRU替换并验证命中率
相联度大于1时，替换策略决定命中率。课后题喜欢用“FIFO vs LRU vs 随机”三行表格让你填空。手算LRU需要记录每个Cache行的访问次序，序列一长就容易乱。下面脚本帮你验证具体访存序列的命中率：
def lru_cache_hits(access_seq, cache_size, assoc): sets = cache_size // assoc cache = [[] for _ in range(sets)] # 每个set内按最近访问排序 hits = 0 for addr in access_seq: set_idx = addr % sets block = addr // sets if block in cache[set_idx]: hits += 1 # 移到末尾表示最近使用 cache[set_idx].remove(block) cache[set_idx].append(block) else: if len(cache[set_idx]) >= assoc: cache[set_idx].pop(0) # 淘汰最久未用 cache[set_idx].append(block) return hits, len(access_seq) seq = [0, 1, 2, 3, 0, 1, 4, 0, 1, 2, 3, 4] hits, total = lru_cache_hits(seq, 4, 2) print(f"命中率 = {hits}/{total} = {hits/total:.2f}")逻辑说明：每个set用一个列表模拟路，列表首部是最久未用元素，尾部是最近使用。访存时若块在set中就命中并移到尾部；缺失且set已满则弹首部。参数说明：如果cache_size为4、assoc为2，则有2个set，地址取模映射到set，整除得到块号。这个模型是组相联Cache的教科书实现，所有课后题里的LRU表格结果都可以用它复核。
5. 互连网络与并行加速比：Amdahl定律之外的陷阱
5.1 单级互连网络的函数表示法
并行处理章节的课后题里，互连网络是一个非常容易失分的地方。考试不会让你画复杂的多级网络，而是给你一个单级网络函数，比如Cube、PM2I、Shuffle，让你求某个节点号经过一级交换后去往哪里。这类题的核心是：把网络操作变成二进制位操作。
Cube网络的定义是：对节点号的最低有效位取反（Cube0）、次低位取反（Cube1）等。PM2I网络则做加减操作：
PM2I(+1): 节点号i -> (i + 2^1) mod N PM2I(-2): 节点号i -> (i - 2^2 + N) mod N如果N=8，节点号用3位二进制表示，那么PM2I(+1)就是把编号加2再对8取模。例如节点3经过PM2I(+1)去往5，经过PM2I(-2)去往1。考试里常让你求执行k级后的可达节点，这就等于循环迭代一个取模函数。
def pm2i_step(node, direction, power, n): # direction为+1表示加，-1表示减 delta = 2 ** power if direction == 1: return (node + delta) % n else: return (node - delta + n) % n node = 3 for k in range(4): node = pm2i_step(node, 1, 1, 8) print(f"第{k+1}级后节点: {node}")参数说明：power参数对应PM2I的指数，不是距离本身。n必须是2的幂，因为互连网络通常以2的幂节点数设计。这个脚本可以无限迭代，最终会回到起点，因为模运算是周期的。手算时要注意node - delta + n必须加一个n再取模，否则负下标会让结果偏大N个节点。
5.2 Amdahl定律与多处理器加速比计算
张晨曦版的并行章节，计算不外乎两类：固定负载加速比和固定时间加速比。Amdahl定律的表达式很简单：
加速比 = 1 / ((1 - P) + P / N)其中P是可并行比例，N是处理器数。难点在于题目里给的不是P而是“串行时间占总时间的比例”。比如某个程序串行部分占10%，则P=0.9，N=8时加速比 = 1 / (0.1 + 0.9/8) = 4.71。如果把处理器数增加到16，加速比只提升到5.7。这说明串行比例10%限制加速比上限为10。
课后题还喜欢考“如果增大问题规模，并行比例提高”的Gustafson定律。这时候加速比公式变成：
缩放加速比 = P × N + (1 - P)用同一个P=0.9、N=8，缩放加速比 = 0.9×8 + 0.1 = 7.3，而Amdahl只有4.71。差距的来源是：Amdahl固定工作量，Gustafson固定时间并允许总工作量随处理器数扩展。考试时第一件事是判断题目里“问题规模是否可扩展”，这决定了该用哪条公式。
6. 用一道综合题验收你的课后答案
6.1 把流水线、Cache、加速比合成一个系统
课后答案翻到最后，每年都有一道大综合题：一个五段流水线CPU，带指令Cache和数据Cache，给定分支比例、Cache缺失率、缺失代价，求整体CPI。这类题单个环节都不难，但三步合在一起就很容易算漏。我常用下面这个模板来组织计算，建议你也照这个顺序写，阅卷和自查都清晰。
假设： - 流水线段数k=5 - 每条指令平均访存1.5次（取指1次，数据访存0.5次） - 指令Cache缺失率1%，缺失代价15周期 - 数据Cache缺失率5%，缺失代价15周期 - 分支指令占20%，分支预测失败率10%，失败代价3周期 步骤1：Cache缺失周期 指令侧：1 × 1% × 15 = 0.15 数据侧：0.5 × 5% × 15 = 0.375 步骤2：控制停顿周期 0.2 × 0.1 × 3 = 0.06 步骤3：总CPI = 1 + 0.15 + 0.375 + 0.06 = 1.585这个结果比理想CPI=1高出一半以上，说明存储和控制停顿才是真实性能杀手。算完这个数，再回头验证每个乘项的单位：指令侧访存次数系数1来自取指，数据侧0.5来自题目给定的平均访存次数。这两个系数错一个，结果就不是误差，而是原则性错误。
6.2 用模拟脚本验证总分结果
手算完成后，写一个简单的事件模拟器按相同参数跑一遍。注意这个模拟器不模拟硬件并行细节，只按CPI模型累积停顿，目的就是验证你上面手算的三步没有算错数：
base_cpi = 1.0 inst_count = 1000 itlb_miss_rate = 0.01 dtlb_miss_rate = 0.05 miss_penalty = 15 branch_ratio = 0.2 predict_fail = 0.1 branch_penalty = 3 inst_stall = inst_count * itlb_miss_rate * miss_penalty data_stall = inst_count * 0.5 * dtlb_miss_rate * miss_penalty branch_stall = inst_count * branch_ratio * predict_fail * branch_penalty total_cycles = inst_count * base_cpi + inst_stall + data_stall + branch_stall avg_cpi = total_cycles / inst_count print(f"总周期数: {total_cycles}") print(f"平均CPI: {avg_cpi:.3f}")逻辑说明：指令Cache缺失每发生一次就多等15周期，数据Cache只有一半指令访存，所以系数是0.5。分支预测失败不是所有分支都不预测，所以三个百分比相乘。参数说明：把缺失代价从15改成40，平均CPI会从1.585跳到2.395，这个敏感度对比在任何论文和面试场景里都能用上。
6.3 答案核对技巧：反向代入法
最后一个可复用的技巧是反向代入。当你从答案倒推参数时，如果算出的缺失率或分支比例是负数，说明前面的系数错位。举例：已知总CPI=1.585，缺失代价=15，指令缺失率1%，数据缺失率5%，分支参数不变，则反推公式必须满足1.585 - 1 - 0.06 - 0.15 = 0.375，这个数刚好对应0.5×5%×15。如果反推结果对不上，检查是不是把0.5写成了1，或者把分支预测失败率漏乘了分支比例。这套核对法在开卷复习时比对着答案看更能暴露问题。
本文还有配套的精品资源，点击获取
