《计算机体系结构：量化研究方法（第5版）》堪称计算机系统结构学科的“圣经”，是计算机设计领域学生和从业者的必读经典。在计算机体系结构的变革时期，作者在这一版中深入介绍了两项新内容：新平台（个人移动设备和仓库级计算机）以及新体系结构（多核和GPU），同时还秉承了前几版的做法，希望通过探讨如何在成本、性能、能耗之间实现平衡，并重点关注一些优秀的工程设计实践，从而揭去计算机体系结构的神秘面纱。
　　《计算机体系结构：量化研究方法（第5版）》特色：
　　每章中的“融会贯通”小节关注了业界的各种新技术，包括ARM Cortex-A8、Intel Core i7、NVIDIA GTX-280和GTX-480 GPU，以及谷歌仓库级计算机。
　　· 每章最后的“案例研究和练习”由业内和学术界的专家编撰而成，主要探讨该章的关键概念。
　　· “附录”中收录了正文内容所依赖的基本原则。

　　“《计算机体系结构：量化研究方法（第5版）》继续发扬传统，为学习计算机体系结构的学生提供了当前计算平台的信息，使他们能够洞悉体系结构，便于设计未来系统。这一版的亮点在于大幅修订了数据级并行那一章，用传统的体系结构术语清晰地解读了GPU体系结构。”
　　——Krste Asanovi·，加州大学伯克利分校

　　“《计算机体系结构：量化研究方法》是一部经典，犹如美酒，历久而弥醇。我在本科毕业时一次购买了本书，它到现在仍然是我最经常参考的书籍之一。第4版问世时，我发现其中包含了如此之多的新材料，为了跟上这一领域的趋势，我必须得再买一本。而当审阅第5版时，我发现Hennessy和Patterson再现神奇。全书内容都进行了大量更新，对于希望真正理解云和仓库级计算的人们来说，单凭第6章的内容，这个新版本就值得一读。只有Hennessy和Patterson才可能接触到谷歌、微软等云计算与互联网规模的应用提供商的内部人士，对这一重要领域，业内的介绍材料无出其右。”
　　——James Hamilton

　　“Hennessy和Patterson撰写本书的第一版时，研究生们是在用50 000个晶体管组装计算机。今天，仓库级的计算机集群会包含50 000个服务器，每个服务器中包含数十个处理器和数十亿个晶体管。计算机体系结构一直在不停地快速发展，而《计算机体系结构：量化研究方法》紧跟它的步伐，每个版本都准确地解释和分析了这一领域激动人心的重要思想。”
　　——James Larus，微软研究院

　　“这一版新增加了一章非常丰富的内容，用来讨论向量、SIMD和GPU体系结构中的数据级并行技术。它解释了应用于大众市场的GPU内部的关键体系结构概念，给出这些概念与传统术语的对应关系，并与向量和SIMD体系结构进行了对比。这一内容非常及时，与业内转向GPU并行计算的潮流相适应。《计算机体系结构：量化研究方法》继续独领风骚，全面地介绍了体系结构方面的重大新进展！”
　　——John Nickolls，NVIDIA

　　“本书已经成为一本经典教科书了，这一版突出介绍了各种显式并行技术（数据、线程、请求）的兴起，各用整整一章来描述。数据并行一章尤为夺目：通过向量SIMD、指令级SIMD和GPU的对比，避开每种体系结构的专用术语，揭示了这些体系结构之间的相似与区别。”
　　——Kunle Olukotun，斯坦福大学

　　“《计算机体系结构：量化研究方法（第5版）》探讨了各种并行概念和它们各自的技术权衡。和过去的几个版本一样，这一新版本中同样涵盖了技术发展趋势。两个重点是个人移动设备（PMD）和仓库级计算（WSC）的爆炸性增长——与原来一味追求性能相比，这里的焦点已经转为更全面地寻求性能与能效之间的平衡。这些趋势刺激了人们不断追求更强劲的处理能力，而这种追求又推动人们在并行道路上走得更远。”
　　——Andrew N. Sloss，实施顾问，ARM公司 ARM System Developer’s Guide一书的作者

第1章 　量化设计与分析基础
1.1 　引言
1.2 　计算机的分类
1.2.1 　个人移动设备
1.2.2 　桌面计算
1.2.3 　服务器
1.2.4 　集群/仓库级计算机
1.2.5 　嵌入式计算机
1.2.6 　并行度与并行体系结构的分类
1.3 　计算机体系结构的定义
1.3.1 　指令集体系结构：计算机体系结构的近距离审视
1.3.2 　真正的计算机体系结构：设计满足目标和功能需求的组成和硬件
1.4 　技术趋势
1.4.1 　性能趋势：带宽胜过延迟
1.4.2 　晶体管性能与连线的发展
1.5 　集成电路中的功率和能耗趋势
1.5.1 　功率和能耗：系统观点
1.5.2 　微处理器内部的能耗和功率
1.6 　成本趋势
1.6.1 　时间、产量和大众化的影响
1.6.2 　集成电路的成本
1.6.3 　成本与价格
1.6.4 　制造成本与运行成本
1.7 　可信任度
1.8 　性能的测量、报告和汇总
1.8.1 　基准测试
1.8.2 　报告性能测试结果
1.8.3 　性能结果汇总
1.9 　计算机设计的量化原理
1.9.1 　充分利用并行
1.9.2 　局域性原理
1.9.3 　重点关注常见情形
1.9.4 　Amdahl定律
1.9.5 　处理器性能公式
1.10 　融会贯通：性能、价格和功耗
1.11 　谬论与易犯错误
1.12 　结语
1.13 　历史回顾与参考文献
第2章 　存储器层次结构设计
2.1 　引言
2.2 　缓存性能的10种高级优化方法
2.2.1 　第一种优化：小而简单的第一级缓存，用以缩短命中时间、降低功率
2.2.2 　第二种优化：采用路预测以缩短命中时间
2.2.3 　第三种优化：实现缓存访问的流水化，以提高缓存带宽
2.2.4 　第四种优化：采用无阻塞缓存，以提高缓存带宽
2.2.5 　第五种优化：采用多种缓存以提高缓存带宽
2.2.6 　第六种优化：关键字优先和提前重启动以降低缺失代价
2.2.7 　第七种优化：合并写缓冲区以降低缺失代价
2.2.8 　第八种优化：采用编译器优化以降低缺失率
2.2.9 　第九种优化：对指令和数据进行硬件预取，以降低缺失代价或缺失率
2.2.10 　第十种优化：用编译器控制预取，以降低缺失代价或缺失率
2.2.11 　缓存优化小结
2.3 　存储器技术与优化
2.3.1 　SRAM技术
2.3.2 　DRAM技术
2.3.3 　提高DRAM芯片内部的存储器性能
2.3.4 　降低SDRAM中的功耗
2.3.5 　闪存
2.3.6 　提高存储器系统的可靠性
2.4 　保护：虚拟存储器和虚拟机
2.4.1 　通过虚拟存储器提供保护
2.4.2 　通过虚拟机提供保护
2.4.3 　对虚拟机监视器的要求
2.4.4 　虚拟机（缺少）的指令集体系结构支持
2.4.5 　虚拟机对虚拟存储器和I/O的影响
2.4.6 　VMM实例：Xen虚拟机
2.5 　交叉问题：存储器层次结构的设计
2.5.1 　保护和指令集体系结构
2.5.2 　缓存数据的一致性
2.6 　融会贯通：ARM Cortex-A8和Intel Core i7中的存储器层次结构
2.6.1 　ARM Cortex-A8
2.6.2 　Intel Core i7
2.7 　谬论与易犯错误
2.8 　结语：展望
2.9 　历史回顾与参考文献
第3章 　指令级并行及其开发
3.1 　指令级并行：概念与挑战
3.1.1 　什么是指令级并行
3.1.2 　数据相关与冒险
3.1.3 　控制相关
3.2 　揭示ILP的基本编译器技术
3.2.1 　基本流水线调度和循环展开
3.2.2 　循环展开与调度小结
3.3 　用高级分支预测降低分支成本
3.3.1 　竞赛预测器：局部预测器与全局预测器的自适应联合
3.3.2 　Intel Core i7分支预测器
3.4 　用动态调度克服数据冒险
3.4.1 　动态调度：思想
3.4.2 　使用Tomasulo算法进行动态调度
3.5 　动态调度：示例和算法
3.5.1 　Tomasulo算法：细节
3.5.2 　Tomasulo算法：基于循环的示例
3.6 　基于硬件的推测
3.7 　以多发射和静态调度来开发ILP
3.8 　以动态调度、多发射和推测来开发ILP
3.9 　用于指令传送和推测的高级技术
3.9.1 　提高指令提取带宽
3.9.2 　推测：实现问题与扩展
3.10 　ILP局限性的研究
3.10.1 　硬件模型
3.10.2 　可实现处理器上ILP的局限性
3.10.3 　超越本研究的局限
3.11 　交叉问题：ILP方法与存储器系统
3.11.1 　硬件推测与软件推测
3.11.2 　推测执行与存储器系统
3.12 　多线程：开发线程级并行提高单处理器吞吐量
3.12.1 　细粒度多线程在Sun T1上的效果
3.12.2 　同时多线程在超标量处理器上的效果
3.13 　融会贯通：Intel Core i7和ARMCortex-A8
3.13.1 　ARM Cortex-A8
3.13.2 　Intel Core i7
3.14 　谬论与易犯错误
3.15 　结语：前路何方
3.16 　历史回顾与参考文献
第4章 　向量、SIMD和GPU体系结构中的数据级并行
4.1 　引言
4.2 　向量体系结构
4.2.1 　VMIPS
4.2.2 　向量处理器如何工作：一个示例
4.2.3 　向量执行时间
4.2.4 　多条车道：每个时钟周期超过一个元素
4.2.5 　向量长度寄存器：处理不等于64的循环
4.2.6 　向量遮罩寄存器：处理向量循环中的IF语句
4.2.7 　内存组：为向量载入/存储单元提供带宽
4.2.8 　步幅：处理向量体系结构中的多维数组
4.2.9 　集中-分散：在向量体系结构中处理稀疏矩阵
4.2.10 　向量体系结构编程
4.3 　SIMD指令集多媒体扩展
4.3.1 　多媒体SIMD体系结构编程
4.3.2 　Roofline可视性能模型
4.4 　图形处理器
4.4.1 　GPU编程
4.4.2 　NVIDIA GPU计算结构
4.4.3 　NVIDA GPU指令集体系结构
4.4.4 　GPU中的条件分支
4.4.5 　NVIDIA GPU存储器结构
4.4.6 　Fermi GPU体系结构中的创新
4.4.7 　向量体系结构与GPU的相似与不同
4.4.8 　多媒体SIMD计算机与GPU之间的相似与不同
4.4.9 　小结
4.5 　检测与增强循环强并行
4.5.1 　查找相关
4.5.2 　消除相关计算
4.6 　交叉问题
4.6.1 　能耗与DLP：慢而宽与快而窄
4.6.2 　分组存储器和图形存储器
4.6.3 　步幅访问和TLB缺失
4.7 　融会贯通：移动与服务器GPU、Tesla与Core i7
4.8 　谬论与易犯错误
4.9 　结语
4.10 　历史回顾与参考文献
第5章 　线程级并行
5.1 　引言
5.1.1 　多处理器体系结构：问题与方法
5.1.2 　并行处理的挑战
5.2 　集中式共享存储器体系结构
5.2.1 　什么是多处理器缓存一致性
5.2.2 　一致性的基本实现方案
5.2.3 　监听一致性协议
5.2.4 　基本实现技术
5.2.5 　示例协议
5.2.6 　基本一致性协议的扩展
5.2.7 　对称共享存储器多处理器与监听协议的局限性
5.2.8 　实施监听缓存一致性
5.3 　对称共享存储器多处理器的性能
5.3.1 　商业工作负载
5.3.2 　商业工作负载的性能测量
5.3.3 　多重编程和操作系统工作负载
5.3.4 　多重编程和操作系统工作负载的性能
5.4 　分布式共享存储器和目录式一致性
5.4.1 　目录式缓存一致性协议：基础知识
5.4.2 　目录式协议举例
5.5 　同步：基础知识
5.5.1 　基本硬件原语
5.5.2 　使用一致性实现锁
5.6 　存储器连贯性模型：简介
5.6.1 　程序员的观点
5.6.2 　宽松连贯性模型：基础知识
5.6.3 　关于连贯性模型的最后说明
5.7 　交叉问题
5.7.1 　编译器优化与连贯性模型
5.7.2 　利用推测来隐藏严格连贯性模型中的延迟
5.7.3 　包含性及其实现
5.7.4 　利用多重处理和多线程的性能增益
5.8 　融会贯通：多核处理器及其性能
5.9 　谬论与易犯错误
5.10 　结语
5.11 　历史回顾与参考文献
第6章 　以仓库级计算机开发请求级、数据级并行
6.1 　引言
6.2 　仓库级计算机的编程模型与工作负载
6.3 　仓库级计算机的计算机体系结构
6.3.1 　存储
6.3.2 　阵列交换机
6.3.3 　WSC存储器层次结构
6.4 　仓库级计算机的物理基础设施与成本
6.4.1 　测量WSC的效率
6.4.2 　WSC的成本
6.5 　云计算：公用计算的回报
6.6 　交叉问题
6.6.1 　成为瓶颈的WSC网络
6.6.2 　在服务器内部高效利用能量
6.7 　融会贯通：Google仓库级计算机
6.7.1 　集装箱
6.7.2 　Google WSC中的冷却与供电
6.7.3 　Google WSC中的服务器
6.7.4 　Google WSC中的联网
6.7.5 　Google WSC的监控与修复
6.7.6 　小结
6.8 　谬论与易犯错误
6.9 　结语
6.10 　历史回顾与参考文献
附录A 　指令集基本原理
A.1 　引言
A.2 　指令集体系结构的分类
A.3 　存储器寻址
A.4 　操作数的类型与大小
A.5 　指令集中的操作
A.6 　控制流指令
A.7 　指令集编码
A.8 　交叉问题：编译器的角色
A.9 　融会贯通：MIPS体系结构
A.10 　谬论和易犯错误
A.11 　结语
A.12 　历史回顾与参考文献
附录B 　存储器层次结构回顾
B.1 　引言
B.2 　缓存性能
B.3 　6种基本的缓存优化
B.4 　虚拟存储器
B.5 　虚拟存储器的保护与示例
B.6 　谬论与易犯错误
B.7 　结语
B.8 　历史回顾与参考文献
附录C 　流水线：基础与中级概念
C.1 　引言
C.2 　流水化的主要阻碍--流水线冒险
C.3 　如何实现流水化
C.4 　妨碍流水线实现的难题
C.5 　扩展MIPS流水线，以处理多周期操作
C.6 　融会贯通：MIPS R4000流水线
C.7 　交叉问题
C.8 　谬论与易犯错误
C.9 　结语
C.10 　历史回顾与参考文献
参考文献
索引