本文的起始，来自知乎的这个问题：
自己动手测量，其实是一个很好的研究过程。这个过程中，你可以学到很多东西，大大扩展自己的知识边界。这是只看一眼Jeff Dean的测量结果，学不到的。所以，本文当然不会结束。
add $1, %rax复制
CPU厂商仍在不断复杂化微架构，让IPC更高，比如，Intel有一个宏融合，将两条指令合成一条同时执行，这样理论上的IPC可以超过4。
但实际上别说4了，能达到1都不错了。因为对于指令级并行，有各种各样的限制，IPC为4只是理论上限，通常达不到。
比如，做一次最常见的主键索引等值扫描，Oracle程序的平均IPC可以达到1，已经是遥遥领先了。
MySQL、PG，在0.6, 0.7上下。
国产数据库，基于PG/MySQL封装的还好，有PG/MySQL为基础，不会太差。那种纯自研的，我不说了，你懂得。他们都不知道如何进行这种测量。
回到我们的问题，IPC如果为4的话，1亿次加法，是否需要2千5百万周期？
理论上是这样。但还要考虑1亿次加法的实现。
我们只能用一个循环，来完成1亿次加法，如：
While ( 1亿次循环 ){add $1, %rax}复制
那么，CPU实际执行的指令流如下：
add $1, %raxadd $1, %raxadd $1, %rax……1亿条add
这1亿条ADD，是互相依赖的。IPC为4，是同时执行4条无依赖的指令，这种有依赖的，第二条ADD要使用第一条ADD的结果，IPC只能为1，也就是吞吐量只能为1。一周期运行1条ADD。
我们绕了一圈，得到的结论就是，循环中的1亿条加法，需要1亿个周期。IPC为1。
为什么要绕这一圈，如果你还在认真阅读，马上就能知道了。
好了，总结一下，我们如下可以测量、并计算出CPU的频率：
1亿条加法总周期 / 1亿加法总时间 = 主频
我们可以得知，循环中的1亿条加法，需要1亿个周期。被除数已经知道了：1亿。
现在就差测量一下总时间，就能得到除数了。1亿条加法的总时间，也十分容易测量，完整的程序如下：
intwork(unsigned long *fg){structtimeval tv1, tv2;__u64 begin = 0, end = 0;register int i, k = 0;unsigned long num = (unsigned long) fg[0];gettimeofday(&tv1, 0);begin = rdtscp();for (i=0, k=0; i<num; i++){k = k + 1;}end = rdtscp();gettimeofday(&tv2, 0);printf("TSC: %u %i\n",(end-begin), k);printf("%d.%ld - %d.%ld = %ld\n",tv2.tv_sec, tv2.tv_usec, tv1.tv_sec, tv1.tv_usec, (tv2.tv_sec - tv1.tv_sec) * 1000 * 1000 + (tv2.tv_usec - tv1.tv_usec));return k;}复制
编译：
[root@oracledbff]# gcc -g measure2.c -o m2[root@oracledbff]#复制
运行：
[root@oracledb ff]# ./m2_1 0 100000000TSC: 100607598 1000000001704438157.506083 - 1704438157.458064 = 48019复制
48019，是程序总的微秒数，乘以1000，即为纳秒数，1亿除以48019000，即：100000000/(48019*1000.)，得2.0825。
这是一台主频为2.1GHz的至强CPU： Intel(R) Xeon(R) CPU E5-2620 v4 @ 2.10GHz。
我们测量的结果，2.0825，和 lscpu 查看到的主频，基本一致。
有一点偏差，是gettimeofday等函数自身消耗导致的。
[root@oracledb ~]# cat /sys/devices/system/cpu/intel_pstate/min_perf_pct40[root@oracledb ~]# echo 100 > /sys/devices/system/cpu/intel_pstate/min_perf_pct[root@oracledb ~]#复制
A: 0x000000000040087a <+110>: add $0x1,%ebx // k = k + 1B: 0x000000000040087d <+113>: add $0x1,%r12d // i++，为了控制循环次数C: 0x0000000000400881 <+117>: movslq %r12d,%rax // 为了控制循环次数D: 0x0000000000400884 <+120>: cmp -0x28(%rbp),%rax // 为了控制循环次数E: 0x0000000000400888 <+124>: jb 0x40087a // 循环，向上跳转复制
但这里第二、三、四、五条指令相依赖。它们又怎能在一个周期内同时执行？
为了讲明白这个问题，我在指令前加了A、B、……、E这样的字母编号。其中，D和E会宏融合成一条指令，记为DE。实际执行的指令，是A、B、C、DE。
CPU实际执行的，是A B C DE A B C DE A B C DE A B C DE …… 这样的指令流。
这个指令流对应着我们的循环，是我们的循环生成的。我把指令流中第一次循环对应的指令记为A1，B1，C1，DE1。第二次循环对应指令记为A2，B2，C2，DE2。等等。
下面我们看看每个周期，CPU是如何执行指令流中的这些指令的。
第一周期，执行A1, B1。
C1，DE1，依赖A1、B1的结果，无法被执行。这一周期只有两条指令执行，C1、DE1处于等待状态。
第二周期，执行C1，DE1，同时还会执行A2，B2。
C1和DE1上一周期已经是等待状态了，这一周期当然可以执行。
因为Intel/AMD这种复杂指令集x64微架构 IPC 上限就是4（DE算一条指令），C1、DE1才两条指令，而且A2、B2也并不依赖C1、DE1的结果，因此这一周期中除了C1、DE1被执行外，还会执行A2、B2。这样IPC就已经达到4了。
第三周期，执行C2，DE2，A3，B3。
第四周期，执行C3，DE3，A4，B4。
……
你看，从第二周期开始，IPC就是4了（如果DE算两条指令的话，实际是5）。
虽然这4条指令中，有两条是上一次循环的，两条是本次循环的。但从宏观上看，循环的4条指令，可以在一周期内全部执行完成。
所以，这里不使用O2编译，指令多了一点，也没关系。
我们再强调下，对于CPU来说，没有循环、没有分枝条件，就是指令流。A1 B1 C1 DE1 A2 B2 C2 DE2 A3 B3 ……，A1亿 B1亿 C1亿 DE1亿。
CPU在指令流中，选择无依赖的、可以同时执行的指令去执行。一次最多选4个指令。
第一次（也就是第一个周期）：
A1 B1 C1 DE1 A2 B2 C2 DE2 A3 B3 ……，A1亿 B1亿 C1亿 DE1亿。
只能选中A1、B1，后面的指令都要等待A1、B1的结果。
第二次（第二周期）：
A1 B1 C1 DE1 A2 B2 C2 DE2 A3 B3 ……，A1亿 B1亿 C1亿 DE1亿。
选择C1 DE1 A2 B2，这4条指令无依赖，可以同时执行。虽然它们分属不同次循环，但并不影响它们被一起执行。别忘了，前面说过，CPU眼中并没有循环，就是指令流。
（免骂声明：严谨的说法是CPU中执行单元眼中，并没有循环，就是指令流。）
（估计你能看到这儿，面对这些不严谨的小细节也不会开骂了。）
测量，不是关键。CPU的主频lscpu就能得到，我们测量的结果还有少量误差。通过测量，你能把平生所学，串联、运用起来，可以扩展你的知识边界。掌握原理是关键，测量只是学习原理的方法。
讲述深入研究、学习的方法，是本文、甚至这个系列的目的。因为能深入了解底层的人材，在现在的基础软件开发领域（起码在我所在的数据库领域），实在是太缺了。
可不要认为频率测量没有用，搞明白了频率测量，把这些知识点串起来，你自然就懂得了程序优化。
坐稳了，我们要深一步了。
测量当然不是我们的最终目的，最终目的是如何写出能榨干CPU每一个周期的、能效最高的程序。做到了这一点，才是真正的HPC编程，才是基础软件开发，应有的样子。（要不然开发的可以叫平台软件，称不上基础软件）
为了最高的能效，我再提个问题：如果我真的要进行1亿次加法，如何才能更快的完成？
好了，本篇就到这里，给你点时间消化消化，下一篇，马上发布，关注IT知识刺客，不错过精彩内容。
