《计算机组成与体系结构（原书第4版）》 —1.9　非冯·诺依曼模型

1.9　非冯·诺依曼模型

直到现在，几乎所有通用计算机都遵从冯·诺依曼的设计。也就是说，具有由CPU、存储器和I/O设备组成的架构，把指令和数据放在一个存储器中，取指令和传送数据使用一个总线。冯·诺依曼计算机顺序执行指令，因此非常适合顺序处理。然而，冯·诺依曼瓶颈一直阻碍着工程师寻找建造价格便宜且兼容大量商用软件的快速系统的方法。

工程师可以使用多种不同的计算模型，不需要受与冯·诺依曼系统兼容的约束。非冯·诺依曼架构是指计算模型与冯·诺依曼架构的特征不符。例如，一种架构不把程序和数据存储在存储器中或者不按顺序处理程序，这就看作一种非冯·诺依曼机器。一个计算机有两根总线，一根用于数据，另一根用于指令，也被认为是一种非冯·诺依曼机器。使用哈佛架构设计的计算机有两根总线，允许同时传送数据和指令，而且具有数据和指令分开存储的存储器。许多现代通用计算机使用的是修改版的哈佛架构，它们有分开的数据通路和指令通路，但是数据和指令没有分开存储。纯哈佛架构通常用于微控制器（整个计算机系统在一个芯片上），比如用于家电、玩具和汽车中的嵌入式系统。

很多非冯·诺依曼机器是为特殊目的设计的。公认的第一个非冯·诺依曼处理芯片完全是为图像处理设计的。另一个例子是归约机（它使用图归约执行组合逻辑计算）。其他非冯·诺依曼计算机包括数字信号处理器（DSP）和媒体处理器，它们能够执行一条指令处理一组数据（而不是执行一条指令处理一个数据）。

许多不同的分支领域属于非冯·诺依曼范畴，包括：在硅上实现的神经网络（它使用来自于大脑模型的想法作为计算范式），细胞自动机，认知计算机（通过经验来学习而不是通过程序学习的机器，包括IBM的人脑模型机SyNAPSE计算机），量子计算（计算和量子物理学的结合），数据流计算，并行计算机。这些系统有共同之处——计算分布在可以并行执行的不同处理单元上。它们的不同之处在于各种组件之间连接的强弱。其中，并行计算是目前最流行的。