计算机体系结构量化分析：成本、功耗与访存计算复习

简介：面向学习计算机体系结构、准备课程作业或考研复习的读者，这份《计算机体系结构量化分析第六版》课后答案聚焦第一章习题与案例，可用来核对芯片制造成本、良品率、多核缺陷率、功耗与Amdahl定律等计算过程。整包为1个PDF文件，约3.73MB，篇幅紧凑，适合在电脑或平板上直接查阅，也可打印后与教材对照批注。已有3609人学习下载，说明其在体系结构习题核对场景中具有一定参考度。内容按案例与题号组织，除给出Phoenix、Red Dragon晶圆利润、Phoenix4/2/1良品率等结果外，还保留公式推导与中间数值，便于读者复盘每片晶圆芯片数、缺陷率修正和成本分摊；功耗部分则涉及电压频率缩放、单核与多核能效对比，以及并行化受限时的加速比估算。对需要逐题对照、理解量化分析思路的读者较实用。

1. 从一张晶圆开始：计算机体系结构量化分析的计算地图

《计算机体系结构：量化分析方法》第六版的课后题，很多人第一反应是公式多、数字零碎、对不上答案。把案例按模块摊开看，整本书的计算骨架其实只有三条主线：成本、功耗、时间。成本从晶圆面积一路算到裸片数、良品率、单芯片成本和产品组合利润；功耗从电压、频率推到能量、功率与多核闲置浪费；时间由 Amdahl 定律、AMAT、DRAM 行缓冲时序共同构成天花板。三条线最后在存储层次交汇——缓存分块和 bank 并行，本质都是拿面积和功耗换时间。这份笔记按这三条线重排了答案里的案例和习题，适合正在系统学、临时想靠课后题查漏补缺的人。

2. 成本与良品率：从晶圆面积算到利润表

2.1 每片晶圆能切出多少颗裸片

课后第一章最先碰到的公式就是每片晶圆裸片数（dies per wafer）。它的思路很朴素：先用圆的面积除以单颗裸片面积，得到“理论上能塞多少颗”，再减掉边缘那些被圆周切掉、不完整的裸片。

DPW = π(d/2)² / S − πd / √(2S)

其中 d 是晶圆直径，S 是单颗裸片面积，两项必须用同一套单位（通常是毫米或厘米，别一边 mm 一边 cm）。答案里凤凰芯片（S=2）算出 795 − 70.7 = 724.5，取整 724；红龙芯片（S=1.2）算出 1325 − 91.25 = 1234。这里最容易忽略的是第二项：它不是一个可以随手抹掉的小修正，面积越小，边缘损耗占的比例反而越明显，S=1.2 时这一项吃掉了 7% 左右的产出。

把公式写成代码更不容易抄错：

import math def dies_per_wafer(diameter, die_area): """diameter 与 die_area 必须同单位；返回整片晶圆可切出的完整裸片数""" radius = diameter / 2 gross = math.pi * radius ** 2 / die_area # 圆面积除以单颗面积，理论最大值 edge_loss = math.pi * diameter / math.sqrt(2 * die_area) # 圆周切不完整的边缘损耗 return math.floor(gross - edge_loss) # 只能取整，半颗不算钱 print(dies_per_wafer(45, 2)) # 凤凰：724 print(dies_per_wafer(45, 1.2)) # 红龙：1234

参数说明只记两条：diameter 是整片晶圆直径，不是半径；die_area 填的是裸片面积，不是边长。改这两个参数就能复算书里任何一个 DPW 小题，比翻答案快。

2.2 良品率：指数 14 是固定的

裸片数只解决“能切几颗”，真正决定成本的是良品率。教材采用的负二项模型长这样：

Yield = 1 / (1 + 缺陷密度 × 裸片面积 / 2)^14

答案里缺陷密度取 0.04（每单位面积缺陷数），凤凰面积 2：1/(1+0.08)^14 ≈ 0.34；红龙面积 1.2：1/(1+0.048)^14 ≈ 0.519。两个数字一比就能看出这条曲线的脾气——面积只差 1.67 倍，良品率差了 1.5 倍以上，而且是面积越大跌得越快。

梳理下来会发现，这个指数 14 在整章里从来不变，它代表工艺成熟度模型的经验常数，不是让你根据题目自由调整的。真正的自变量只有两个：缺陷密度和面积。缺陷密度对应的是产线新旧——答案里提到老厂反而缺陷率会随时间下降，因为工艺被反复调试过；面积则直接对应设计选择，芯片做大一圈，良品率是按次方级别掉的。

2.3 多核良品率：二项分布，不是简单乘方

从单核跨到多核，题目换了问法：一颗 8 核芯片，允许坏掉几个核还能当 4 核卖？这就要用二项分布，而不是把单核良品率连乘八次。

单核无缺陷概率：1/(1+0.04×0.25)^14 ≈ 0.87。8 个核里恰好有 N 个可用的概率是 C(8,N) × 0.87^N × 0.13^(8−N)。答案给出的分布大致是：

至少 4 个核可用的累计概率，答案给到 0.57 这个量级——这就是 Phoenix4 值得单独包装出售的理由。再往下掉，Phoenix2 只剩 0.0011，Phoenix1 只剩 0.000004，概率低到单独测试、封装、打标的成本都收不回来，所以答案的结论是“只卖 Phoenix4，另外两种不值得卖”。

提示

这里要理解的是“降级销售”的经济学：不是技术上做不到，而是良品率低到分摊测试成本后不划算。答题时把概率算出来只是第一步，还要补一句成本判断，否则拿不到结论分。

2.4 成本拆分与最优产品组合

最后落到钱上。答案里一颗 Phoenix4 的成本是这么拼的：晶圆成本 30 美元，加上多晶硅等材料成本 25 美元，但一颗 Phoenix8 的面积能切出约 1.73 颗 Phoenix4（答案用的比例是 57/33），所以单颗 Phoenix4 的成本是 30 + 1.73 × 25 = 73.25 美元。

这套拆法的关键在于区分“整片成本”和“单颗成本”：晶圆成本是整片付的，不随良品率变化；材料与封装成本是按颗付的，良品率越低，摊到每颗好芯片上的固定成本越高。两条成本曲线一个平一个陡，交点就是该不该做大芯片的判断点。

产品组合那题更典型：凤凰需求 25000 颗、红龙需求 50000 颗，先分别除以各自的 DPW 得到 34.5 片和 40.5 片，再在晶圆产能约束下排出 40 片红龙加 30 片凤凰的组合。答案的取舍逻辑是单晶圆利润而不是单颗利润——红龙单颗只卖 15 美元，但一片晶圆能出 1234 颗且良品率 0.519，算下来 1234 × 0.519 × 15 ≈ 9601 美元；凤凰 724 × 0.34 × 30 ≈ 7384 美元。单颗贵不等于单晶圆赚，这是成本题里最反直觉的一步。

3. 功耗与能效：电压、频率和 Amdahl 的三本账

3.1 能量和功率必须分开算

第一章案例二几乎每一小题都在考同一个区分：能量（Energy）是总共消耗了多少焦耳，功率（Power）是瞬时消耗多快。动态能量约等于电容 × 电压²，动态功率约等于电容 × 电压² × 频率。

所以“运行时间缩短到 1/8”这种改动，功率完全不变，只是能量降到 1/8——因为同样的功率只开了 1/8 的时间。而“电压降到 1/2”这种改动，能量直接变成 1/4，因为电压在公式里是平方项。这两类改动在答案里交替出现，谁把时间和电压混为一谈，后面的数值就全错。

3.2 电压和频率同时缩放时的连锁反应

答案里最密集的一组计算，就是电压和频率一起往下调。按 E ∝ V²、P ∝ V²f 逐项代进去：

注意

电压缩放这一步是翻车高发区。答案纸上经常出现 0.156 这样的数字，实际把 (1/8)² 老老实实算一遍是 0.0156，差了整整一个数量级。复习时不要背结论数字，代公式验一遍量级，能省掉考场上最冤的失分。

频率那一列也一样：功率比等于能量比再乘频率比，漏乘这一步，答案就会大 8 倍。梳理下来会发现，这类题只有两个动作——先算电压的平方，再乘频率的比值，其余都是算术。

3.3 多核闲置：部分核心不干活时的能效账

答案里有一道很容易被跳过的题：四核系统里只有一个核心在工作，功耗是原来的 25%，运行时间也是原来的 25%，总能耗是多少。算法是 0.25 × 0.25 + 0.25 × 0.2 × 0.75，前一项是忙时能耗，后一项是空闲时那部分核心仍然漏电、仍然吃 20% 功率的能耗，加起来约 0.1。

这道题的价值在于提醒：多核系统的能耗不是“用了几个核就乘几”，空闲核心的静态功耗照样计入。题目里那个 0.2 的系数就是常说的空闲功耗比，它决定了“关核”到底能省多少——系数越小，动态关核越划算；系数接近 1，关不关区别不大。答题时把这两项分开写，比直接给个总数更能体现你懂公式结构。

3.4 Amdahl 定律的三种问法

Amdahl 定律在答案里出现了至少三种变体，每种问法的加权方式都不同。

第一种是固定负载求加速比：不可并行部分占 20%，四核之后是 1/(0.8/4 + 0.2) = 2.5。注意分母里 0.8/4 是并行部分被分摊，0.2 原样不动，这一步写反的人不少。

第二种是“为了达到某个加速比，需要多高的并行比例”，本质是把公式反解。答案里那道 2 = 1/((1−x) + x/20) 解出 x ≈ 52.6%，含义是只要一半多一点的代码能并行到 20 倍，整体就能翻倍。

第三种是混合负载：多个程序各自加速比不同，不能取算术平均。答案用的是按时间占比加权再取倒数，比如 1/(0.4/2.46 + 0.1/2.76 + 0.5/1.25) ≈ 1.67。这里 0.4、0.1、0.5 是各负载占总时间的比例，分母里每一项都是“这部分时间被压缩到了多少”。

还有一种更隐蔽的问法：给多核降频来省电。答案里四核各跑到 1/2.5 的频率和电压时，能量是 4 × (1/2.5)² = 0.64，功率再乘 1/2.5 得 0.256。这题的关键是核心数要乘进去——四个核，每个都按平方缩，别只算一个。

4. 缓存与内存层次：分块、AMAT 和行缓冲时序

4.1 缓存行决定了分块尺寸

第二章第一道案例就从矩阵转置切入。已知每个元素 8 字节、缓存行 64 字节，一行正好装 8 个元素；矩阵 256×256。按列访问时，每读一个元素就要换一条缓存行，转置的输入输出两块加起来最少需要 128 × 8 字节 = 1KB 才能让工作集同时驻留。

这个 1KB 不是随便给的数字，它是“输入块 + 输出块都能待在缓存里”的下限。未分块版本每次列访问都 miss，一行加八列一共 9 次缺失；分块版本每个元素只取一次，两次缺失就够。答案里那句“9 比 2”就是整道题的题眼。

4.2 分块转置：循环次序写反就全白算

分块版本的标准写法是四层循环，外层按块跳，内层块内遍历：

/* 256x256 矩阵转置，B 为分块边长，通常取缓存行元素数的整数倍 */ for (i = 0; i < 256; i += B) { for (j = 0; j < 256; j += B) { for (m = 0; m < B; m++) { for (n = 0; n < B; n++) { /* 注意下标是 [j+n][i+m]，转置发生在写入端 */ output[j + n][i + m] = input[i + m][j + n]; } } } }

这段代码有三个参数要盯住：B 是分块边长，取太小循环开销大，取太大块本身又装不进缓存，经验值是让 B×B×8 字节明显小于一级缓存；i、j 是块坐标，m、n 是块内坐标，两套变量不能混用；写入端必须写成 output[j+n][i+m]，写反就变成了原样拷贝，跑得飞快但结果是错的。

答案还追问了直接映射和 2 路组相联的差别：直接映射下，输入块和输出块可能映射到同一组互相踢，2 路组相联给了容错空间。这一问考的是“分块能不能生效，取决于冲突缺失而不只是容量缺失”，只看容量不看相联度，分块也可能白分。

4.3 AMAT：相联度不是越高越好

答案里那张表把“命中时间”和“缺失代价”放在一起算平均访存时间 AMAT = 命中时间 + 缺失率 × 缺失代价：

结论有点反直觉：相联度越高、缺失率越低，AMAT 反而越差。原因是相联度推高了命中时间，而命中时间在每次访问都要付，缺失代价只在少数访问里付。梳理下来会发现，这题真正考的是“高频小成本”和“低频大成本”谁更划算，而不是“缺失率越低越好”。

算这张表时有两个坑：一是周期数要向上取整（2.03 ns 在 0.79 ns 周期下是 3 个周期，不是 2.57）；二是缺失代价要先换算成周期再乘，别把纳秒和周期混在一行里加。

4.4 DRAM 行缓冲：43 ns 和 17 ns 的差别

内存部分的计算围绕四个时序参数展开：预充电 tRP = 13 ns、行激活 tRCD = 13 ns、列选通 CL = 13 ns、数据传输 4 ns。

行缓冲缺失（换一行）要付 tRP + tRCD + CL + 传输 = 13 + 13 + 13 + 4 = 43 ns；行缓冲命中（同一行再取）只要 CL + 传输 = 17 ns。两个数字一摆，就能看出为什么内存控制器拼命想把访问排成“同一行连续取”。

更关键的是通道利用率。连续两次读操作之间必须隔 tRP + tRCD + CL = 39 ns，而这 39 ns 里通道真正被占用只有 4 ns，利用率 4/39 ≈ 10.3%。要让通道跑满，就得让 10 个 bank 轮流上；如果访问是行命中与行缺失交替，43 ns 里通道忙 8 ns，利用率 18.6%，6 个 bank 就够。答案里那句“至少 10 个 bank”不是拍的，是 100% 除以 10.3% 得来的。

延迟那题更能说明 bank 并行的价值：单个 bank 连续服务四个请求，完成时间分别是 43、82、121、160 ns，平均 101.5 ns；四个请求分散到四个 bank，平均降到 49 ns。物理延迟一点没变，变的是排队时间——这也是为什么 DRAM 厂商在 DDR3 上放 8 个 bank、DDR4 上放 16 个，而不是无限加。

4.5 DRAM 功耗与容量选型

功耗部分的表格给的是不同芯片组织下的芯片功耗和 rank 功耗。答案的结论很干脆：同样容量下，用更少、更大的芯片更省电——4Gb 颗粒工艺更好，组一个 rank 用的颗粒少，外围电路和 I/O 的重复开销就少。这跟“多放几颗小芯片更便宜”的直觉相反，因为这里比的是功耗不是面积成本。

看这类表要盯三列：单颗芯片功耗、整 rank 功耗、rank 容量。只比较单颗功耗会得出错误结论，因为不同组织的颗粒数不一样，必须归一到同一容量再比。

5. 易错点盘点：五个最容易在复习时漏掉的坑

5.1 公式与量级上的三个坑

易漏点一：良品率的指数和面积单位。为什么漏：公式长得像普通幂函数，抄的时候容易把指数 14 写成 4 或者干脆按 2 算，面积也常常忘了和缺陷密度对齐单位。怎么补：把“指数 14 固定、缺陷密度按单位面积、面积按同一单位”写成一行注释贴在公式旁边，每道题先检查这三项再看数字。

易漏点二：能量和功率的缩放差一个平方。为什么漏：两个词在中文里经常混用，题目又喜欢在电压、频率、时间三种缩放之间来回切换。怎么补：固定一个顺序——先写 E ∝ V²，再写 P ∝ V²f，最后看题目改的是时间还是电压，改时间只动能量，改电压动平方。每算完一步用数量级反查一次。

易漏点三：混合负载用算术平均。为什么漏：多个加速比摆在一起，直觉就是加起来除以个数。怎么补：只要题目给的是“各负载占总时间的比例”，就必须用按比例加权再取倒数，也就是 1/(Σ 时间占比/加速比)。看到“比例”两个字就换公式，形成条件反射。

5.2 时序与拆分上的两个坑

易漏点四：分块转置的循环次序和下标。为什么漏：四层循环看着对称，i/j 和 m/n 很容易写串，写完还能跑出结果，只是结果不对或者根本不快。怎么补：写完先用 2×2 的小矩阵手推一遍，确认 output[j+n][i+m] 的转置关系；再把 B 设成缓存行元素数的整数倍，跑一次对比未分块版本的耗时，速度没变化就说明分块没生效。

易漏点五：DRAM 时序混用和 bank 数算反。为什么漏：43 ns、39 ns、17 ns 三个数长得像，bank 数又容易用“延迟除以传输”去算。怎么补：把三个数各自对应的场景写死——换行 43、连续读间隔 39、同行命中 17；bank 数一律用“100% 除以通道利用率”来推，不要凭感觉估。

6. 复习清单：把整章计算题收进一张自查表

6.1 按题型排的自查表

考前时间有限，按题型过一遍比按页翻答案有效得多。下面这张表左边是题型，中间是要默出来的式子，右边是自检动作：

6.2 三步复盘，控制在半小时内

第一步，只看表里的“核心式子”一列，把每个式子默写一遍，写不出来的打星号，回到对应章节补。第二步，挑三道带星号的题重算，重点验量级而不是验数字——比如电压缩到 1/8，先判断结果应该在 0.01 量级还是 0.1 量级，再对答案。第三步，把这一章所有“反直觉结论”单独抄一页：单颗贵不等于单晶圆赚、相联度高不等于 AMAT 低、bank 多不改变单次延迟但改变平均延迟。这三条是最容易在考场上被题目绕进去的地方。

# 三步复盘里的量级自检，改参数即可复用 def scale_check(v_ratio, f_ratio): energy = v_ratio ** 2 # 能量只看电压平方 power = energy * f_ratio # 功率再乘频率比 return round(energy, 6), round(power, 6) print(scale_check(0.5, 0.125)) # (0.25, 0.03125)：电压减半、频率 1/8 print(scale_check(0.125, 1.0)) # (0.015625, 0.015625)：电压 1/8，量级是 0.01

代码只做一件事：把电压和频率两个比值代进去，先出能量再出功率，用结果反查自己手算的量级有没有跑偏。参数改一个，就能验证一整类小题，比逐题对答案快。

我自己最早的教训是：把答案从头到尾抄了一遍，觉得自己会了，结果一合上书，良品率公式的指数、AMAT 的取整、bank 数的推法三处全记混。从那以后每次复习这套内容，我都强制走一遍“默式子—验量级—抄反直觉结论”的三步，宁可少做几道新题。希望帮到你。

本文还有配套的精品资源，点击获取