1. 存储体系概述：计算机存储金字塔
大家好，我是你们这堂课的老朋友。今天咱们聊聊存储体系，说白了就是计算机里数据怎么存、怎么取、速度差多少。
我刚开始做存储优化那会儿，总觉得内存够大就行，硬盘快就完事。后来被现实狠狠教育了一回——有个项目，数据量一上来，系统直接卡成PPT。排查半天，发现是缓存命中率太低，CPU在那干等数据。嗯，从那以后我才真正重视起这个存储金字塔。
1.1 存储金字塔长什么样？
你想想看，计算机里的存储设备，速度越快就越贵，容量也越小。反过来，容量大的设备，速度就慢。这就形成了一个金字塔结构：
- 塔尖：寄存器（最快，但只有几十字节）
- 第二层：CPU缓存（L1/L2/L3，几KB到几十MB）
- 第三层：内存（几GB到几百GB）
- 第四层：固态硬盘（几百GB到几TB）
- 塔底：机械硬盘（几TB到几十TB）
我个人习惯把这个金字塔画在白板上，每次做系统设计时都瞄一眼。为什么？因为数据在哪一层，直接决定了你的程序跑得快还是慢。
核心观点：存储金字塔的本质，就是用速度换容量，用成本换性能。没有完美的存储介质，只有合适的搭配方案。
1.2 寄存器：CPU的贴身秘书
寄存器是离CPU最近、速度最快的存储。它就在CPU芯片内部，跟运算单元直接相连。访问一次寄存器，只需要一个时钟周期，大约0.3纳秒左右。
但寄存器容量极小，一般只有几十到几百字节。为什么？因为贵啊！而且物理空间有限，CPU芯片上就那么点地方。
我记得有一次做嵌入式优化，为了省几个寄存器，硬是把一段循环代码重写了三遍。最后性能提升了12%，就因为减少了寄存器溢出到内存的操作。这种细节，平时不注意，关键时刻能要命。
1.3 CPU缓存：速度与容量的平衡点
缓存是寄存器和内存之间的缓冲地带。它分三级：L1、L2、L3。
| 缓存级别 | 典型容量 | 访问延迟 | 位置 |
|---|---|---|---|
| L1 | 32KB - 64KB | 约1ns | CPU核心内部 |
| L2 | 256KB - 512KB | 约3-5ns | CPU核心内部 |
| L3 | 8MB - 32MB | 约10-15ns | 多个核心共享 |
这里有个坑，我踩过。曾经写了一个数据处理程序，数据量刚好超过L2缓存大小。结果每次循环都要从L3甚至内存里取数据，性能直接掉了40%。后来我把数据分块处理，每块大小控制在L2缓存范围内，速度就上来了。
实战技巧：写代码时，尽量让热点数据的大小不超过L2缓存。你可以用CPU-Z或者lscpu命令查一下自己机器的缓存大小。
1.4 内存：程序的主战场
内存，也叫主存，是程序运行时的主要存储区域。它的容量比缓存大得多，但速度也慢了一个数量级。访问一次内存大约需要100纳秒。
你想想看，从寄存器到内存，延迟差了300倍。这就是为什么缓存命中率那么重要。如果CPU每次都要去内存拿数据，那性能就完蛋了。
内存还有个特点：断电后数据就丢了。所以它只能做临时存储，不能持久化。
我遇到过不少新手，把重要数据只放在内存里，结果一断电全没了。嗯，这种教训一次就够了。
1.5 固态硬盘 vs 机械硬盘：天壤之别
到了硬盘这一层，速度差距就更大了。咱们先看个对比：
| 特性 | 固态硬盘（SSD） | 机械硬盘（HDD） |
|---|---|---|
| 顺序读写 | 3000-7000 MB/s | 150-200 MB/s |
| 随机读写 | 几十万 IOPS | 几十到几百 IOPS |
| 访问延迟 | 0.1ms 级别 | 5-15ms 级别 |
| 抗震性 | 强（无机械部件） | 弱（有磁头和盘片） |
| 噪音 | 无 | 有 |
说白了，固态硬盘比机械硬盘快了几十倍甚至上百倍。尤其是随机读写，差距更是天壤之别。为什么？因为固态硬盘没有机械寻道时间，数据是直接通过闪存芯片读写的。
我曾经帮一个客户优化数据库服务器，原来用的机械硬盘，查询慢得要命。换成NVMe固态硬盘后，同样的查询快了20倍。客户当场就愣住了，问我是不是换了台服务器。我说没有，只是把存储层从金字塔底挪到了中间。
注意：固态硬盘虽然快，但也有寿命限制。每个闪存单元有擦写次数上限。所以别拿SSD当日志盘或者临时文件盘，频繁写入会缩短寿命。我建议系统盘用SSD，冷数据存储用HDD。
1.6 层级之间的协作：数据是怎么流动的？
数据在存储金字塔里是逐层流动的。CPU要处理数据时，会先从寄存器找，找不到就去缓存找，再找不到就去内存，最后才去硬盘。
这个过程叫「数据局部性原理」。说白了，就是程序倾向于访问最近用过的数据，以及它旁边的数据。好的程序，会尽量让数据待在金字塔上层。
举个例子：
// 不好的写法：跳跃访问
for (int i = 0; i < N; i++) {
for (int j = 0; j < M; j++) {
sum += matrix[j][i]; // 按列访问，缓存不友好
}
}
// 好的写法：连续访问
for (int i = 0; i < N; i++) {
for (int j = 0; j < M; j++) {
sum += matrix[i][j]; // 按行访问，缓存友好
}
}这两种写法，性能差距可能达到10倍以上。为什么？因为按行访问时，数据在内存里是连续存放的，CPU可以预取到缓存里。按列访问就惨了，每次都要跳一大段距离，缓存根本用不上。
总结一下：存储金字塔不是摆设，它决定了你的程序是飞还是爬。理解每一层的特性，写代码时心里有数，才能做出高性能的系统。
1.7 我的优化原则
做了这么多年存储优化，我总结了几条原则，分享给大家：
- 能放缓存不放内存：热点数据尽量小，让L2缓存装得下。
- 能放内存不放硬盘：频繁访问的数据，别偷懒放硬盘里。
- 能用SSD不用HDD：除非你存的是冷数据或者大文件。
- 顺序读写优于随机读写：设计数据结构和算法时，尽量让访问模式是连续的。
嗯，这些原则看着简单，但真正做起来，需要你对硬件有足够的了解。接下来的课程，我会带大家深入每个层级，看看怎么把性能榨干。
今天就到这儿。下一章，咱们聊聊CPU缓存的具体工作原理，以及怎么写出缓存友好的代码。