CPU (پردازنده مرکزی) چیست و چگونه کار می‌کند؟

هر ثانیه میلیاردها محاسبه داخل کامپیوتر، تلفن و دستگاه هوشمند شما انجام می‌شود. این محاسبات نامرئی همه‌چیز را از دستگاه قهوه ساز صبحگاهی شما گرفته تا مدل‌های AI که در فضای ابری آموزش می‌بینند، تأمین می‌کند. پشت هر یک از این عملیات قطعه‌ای ویژه قرار دارد که از ماشین‌های بزرگی که یک اتاق را اشغال می‌کردند، به نیروگاه‌هایی میکروسکوپی تبدیل شده است: پردازنده مرکزی یا CPU.

محاسبات مدرن توقعات بیشتری از پردازنده‌ها دارد:

• توسعه‌دهندگان چندین ماشین مجازی را همزمان اجرا کرده و مدل‌های AI را آموزش می‌دهند.
• کسب‌وکارها حجم بسیار زیادی از داده‌های مشتری را به صورت زنده پردازش می‌کنند.
• پلتفرم‌های ابری میلیون‌ها درخواست همزمان را مدیریت می‌کنند.

این نیازها فناوری CPU را به سطوح جدیدی رسانده است. حالا پردازنده‌ها با میلیاردها ترانزیستور در فضایی کوچکتر از ناخن قرار گرفته‌اند.

با وجود این همه پیچیدگی، CPUs بر اساس قوانینی ساده و ثابت کار می‌کنند که چندان تغییر نکرده‌اند. فراگیری این اصول و چگونگی ارتباطشان با نیازهای محاسباتی مدرن، به شما کمک می‌کند تصمیمات بهتری برای زیرساخت فناوری خود بگیرید، چه در حال راه‌اندازی یک استارتاپ باشید و چه در حال گسترش یک اپلیکیشن سازمانی.

CPU چگونه کار می‌کند؟

واحد پردازش مرکزی (CPU) محاسبه‌گری بسیار سریع است که دستورالعمل‌ها را در چرخه‌ای مشخص: fetch, decode, execute, repeat اجرا می‌کند. وقتی دکمه‌ای را کلیک می‌کنید، حرفی را تایپ می‌کنید یا برنامه‌ای را اجرا می‌کنید، CPU این دستورات را به دستورهای کوچکی تقسیم می‌کند که بتواند پردازش کند.

تصور کنید آخرین باری که لپ‌تاپ‌تان به دلیل باز بودن تب‌های زیاد کند شد. این یعنی CPU به حداکثر توان خود رسیده است. واحد پردازش مرکزی تصمیم‌گیرنده اصلی کامپیوتر شماست که میلیون‌ها تصمیم کوچک را برای اجرای برنامه‌ها، محاسبات و نگه‌داشتن برنامه‌ها در حال اجرا، می‌گیرد.

تمام این فرآیند در تراشه سیلیکونی به اندازه تمبر پستی اتفاق می‌افتد. درون آن چند بخش کلیدی وجود دارد:

• واحد کنترل: هماهنگ‌کننده کل عملیات CPU.
• واحد حساب و منطق (ALU): مسئول محاسبات ریاضی و تصمیمات منطقی.
• رجیسترها: حافظه بسیار سریع برای داده‌های مورد نیاز فوری CPU.
• کش: ذخیره اطلاعات پر دسترسی در حافظه‌ای بزرگ‌تر اما سریع.

این بخش‌ها با سرعتی شگفت‌انگیز با هم کار می‌کنند. CPUs مدرن میلیاردها چرخه در ثانیه انجام می‌دهند. با این حال، بر خلاف روزهای اولیه محاسبات که CPU فقط یک وظیفه را به‌صورت متوالی انجام می‌داد، پردازنده‌های امروزی کارهای متعددی را به‌طور همزمان با هسته‌ها و تردهای متعدد انجام می‌دهند.

CPUها برای وظایف متوالی و تصمیم‌گیری پیچیده عالی هستند، در حالی که GPUها (واحدهای پردازش گرافیکی) برای عملیات موازی مانند رندر گرافیک یا آموزش مدل‌های بزرگ AI بهتر عمل می‌کنند.

CPUها معمولاً بین ۴ تا ۳۲ هسته دارند که برای وظایف پیچیده و متنوع طراحی شده‌اند.

GPUها هزاران هسته ساده‌تر دارند که برای محاسبات تکراری ساخته شده‌اند.

به همین دلیل است که CPU شما وظایف روزمره مثل اجرای مرورگر یا محیط توسعه را انجام می‌دهد و GPU در پردازش موازی مانند رندر ۳D یا آموزش شبکه‌های عصبی عملکرد بهتری دارد.

استفاده CPU در هوش مصنوعی و یادگیری ماشین

انتخاب بین CPU و GPU بستگی به کاربرد شما دارد. در حالی که GPUها معمولاً در آموزش و استنتاج شبکه‌های عصبی به دلیل توان پردازش موازی برتری دارند، CPUها می‌توانند برای موارد زیر بهینه‌تر باشند:

• وظایفی که نیاز به تاخیر بسیار پایین با اندازه دسته‌های کوچک دارند.
• الگوریتم‌های یادگیری ماشین که عمدتاً متوالی هستند.
• بارهای کاری با منطق شاخه‌ای پیچیده یا الگوهای دسترسی نامنظم به حافظه.
• فازهای توسعه و تست اولیه که نیازی به منابع GPU ندارند.

چرخه اجرای دستورالعمل‌های CPU

CPU در چرخه‌ای پیوسته از مراحل کوچک کار می‌کند و میلیاردها دستورالعمل را در ثانیه پردازش می‌کند:

• Fetch: CPU دستورالعمل را از حافظه با استفاده از آدرسی که در رجیستر خاصی به نام program counter ذخیره شده، می‌خواند. هر دستورالعمل شامل کد عملیاتی (opcode) و احتمالا عملوندهای لازم است.
• Decode: Instruction decoder دستورالعمل خوانده شده را تحلیل و به سیگنال‌هایی تقسیم می‌کند که بخش‌های مختلف پردازنده را کنترل می‌کنند. این مرحله نوع عملیات و منابع مورد نیاز را تعیین می‌کند.
• Execute: واحد حساب و منطق (ALU) و دیگر واحدهای تخصصی عملیات را اجرا می‌کنند—چه محاسبات ریاضی، عملیات منطقی، جابجایی داده یا تصمیمات کنترلی.
• Write-back: CPU نتیجه را در رجیسترها برای استفاده فوری یا در حافظه ذخیره می‌کند.

این چرخه بارها و بارها در هر ثانیه تکرار می‌شود.

عوامل موثر در عملکرد CPU

• سرعت کلاک: سرعت انجام چرخه‌ها را تعیین می‌کند. به عنوان مثال، پردازنده‌ای با فرکانس ۳.۵ گیگاهرتز می‌تواند تا ۳.۵ میلیارد چرخه در ثانیه انجام دهد، اگرچه هر دستورالعمل ممکن است بیش از یک چرخه نیاز داشته باشد.
• تردینگ (Threading): به هسته‌ها اجازه می‌دهد چند وظیفه را به طور همزمان انجام دهند تا بهره‌وری را بهبود ببخشند.
• چند هسته‌ای: هر هسته می‌تواند چرخه دستورالعمل خود را اجرا کند که توان CPU را در انجام کارهای موازی افزایش می‌دهد.
• کش: دسترسی بسیار سریع به داده‌های پر استفاده را فراهم می‌کند و در چندین سطح مختلف برای به حداقل رساندن تأخیر طراحی شده است.

انواع رایج CPU

پردازنده‌ای که برای بازی انتخاب می‌کنید با پردازنده‌ای که برای سرور وب نیاز دارید متفاوت است:

• CPUهای دسکتاپ: این پردازنده‌ها برای سرعت زیاد و عملکرد بالا طراحی شده‌اند، گرمای زیادی تولید می‌کنند و معمولاً سیستم خنک‌کننده خوبی دارند.
• پردازنده‌های سرور: این‌ها تعداد هسته بیشتری داشته و برای عملکرد پایدار ۲۴/۷ طراحی شده‌اند. وقتی planهای پارمین کلود را راه‌اندازی می‌کنید، این پردازنده‌های قابل اعتماد را استفاده می‌کنید که همه چیز از سایت‌های کوچک تا برنامه‌های بزرگ ابری را پشتیبانی می‌کنند.
• پردازنده‌های موبایل: تعادلی بین عملکرد مناسب و مصرف پایین انرژی دارند. این CPUها به صورت هوشمندانه بین حالت‌های توان کامل و خواب عمیق سوئیچ می‌کنند تا عمر باتری را بهینه کنند.
• پردازنده‌های ARM: تمرکز روی کارایی مصرف انرژی است. ابتدا در گوشی‌ها و تبلت‌ها محبوب بودند و حالا در سرورها نیز به کار می‌روند. بسیاری از ارائه‌دهندگان ابری، از جمله پارمین کلود، راهکارهای مبتنی بر ARM ارائه می‌دهند چون مقرون به صرفه و کم‌مصرف هستند.
• پردازنده‌های RISC-V: طراحی متن‌باز دارند و هرچند هنوز زیاد رایج نیستند، در کاربردهای تخصصی در حال گسترش هستند.

چگونه عملکرد واقعی CPU را بسنجیم؟

مشخصات فنی به تنهایی کافی نیستند. راه‌های عملی زیر پیشنهاد می‌شوند:

• بنچمارک‌ها: ابزارهای استاندارد مثل Geekbench یا Cinebench پردازنده را در شرایط استاندارد آزمون می‌کنند و نمره می‌دهند.
• دمای CPU: دمای بالا ممکن است باعث کاهش سرعت (throttling) شود، معمولاً از ۹۰ درجه سانتی‌گراد به بعد. ابزارهایی مثل Core Temp یا CPU-Z دما را نمایش می‌دهند.
• استفاده از CPU: بالا بودن میزان استفاده به تنهایی بد نیست، اما الگوهای مصرف طولانی مدت ممکن است نیاز به منابع بیشتر را نشان دهد. داشبورد نظارت planهای پارمین کلود این الگوها را نشان می‌دهد.
• توزیع بار کار روی هسته‌ها: ابزارهایی مانند Process Explorer به شما کمک می‌کند بررسی کنید برنامه شما به خوبی از تمام هسته‌ها استفاده می‌کند یا خیر.
• آزمون‌های واقعی کار: بهترین روش اجرای بار کاری واقعی است. برای مثال، در سرور وب از ApacheBench استفاده کنید یا زمان‌بندی ساخت پروژه‌های توسعه را بررسی کنید.

چالش‌های پردازش مدرن

امروزه اجزا تنها روی یک سرور اجرا نمی‌شوند. برنامه‌ها پیچیده شده و روی چندین دستگاه توزیع می‌شوند. واحدهای پردازش مرکزی علاوه بر پردازش کد، باید مدیریت سیستم‌های توزیع شده مانند کلاسترهای Kubernetes یا معماری سرویس‌مش را به عهده بگیرند.

برخلاف GPUها که بیشتر در آموزش AI به کار می‌روند، CPUها نقش مهمی در استقرار مدل‌های یادگیری ماشین دارند. آنها برای کارهای با تاخیر پایین و اندازه دسته کوچک یا مدل‌های با منطق شاخه‌ای پیچیده مناسب‌ترند.

مجازی‌سازی نیز نحوه استفاده ما از پردازنده‌ها را تغییر داده است. چندین ماشین مجازی یا کانتینر به صورت همزمان روی یک CPU اجرا می‌شوند، با این که هر کدام تصور می‌کنند سخت‌افزار مخصوص خود را دارند.

حوزه‌های دیگری مانند دیتابیس‌ها و محاسبات لبه (edge computing) نیز نیازمند پردازنده‌های قدرتمند با مصرف انرژی بهینه هستند.

چگونه CPU مناسب خود را انتخاب کنیم؟

• نوع بار کاری: توسعه نرم‌افزار، دیتابیس یا میزبانی وب هرکدام نیازهای خاص خود را دارند.
• تعادل بین هسته‌ها و سرعت کلاک: هسته‌های بیشتر برای وظایف موازی بهترند و سرعت بالاتر کلاک برای برنامه‌های تک‌نخی اهمیت دارد.
• پشتیبانی حافظه: خصوصا در داده‌های حجیم، سرعت و ظرفیت حافظه اهمیت دارد.
• نیاز به توان و سیستم خنک‌کننده: به خصوص در استفاده از سخت‌افزار فیزیکی مهم است.
• هزینه کل مالکیت: شامل قیمت اولیه و هزینه‌های جاری است.
• قابلیت رشد: پردازنده‌ای انتخاب کنید که برای افزایش بارکاری قابل توسعه باشد.
• هماهنگی با فناوری‌های مورد استفاده: برخی نرم‌افزارها روی معماری‌های خاص بهتر اجرا می‌شوند.

از اینکه با پارمین کلود همراهید، سپاسگذاریم.