计算机性能和两个因素有关：响应时间和吞吐率。吞吐量和硬件有关，通过堆硬件就可以提高，重点还是响应时间
响应时间 = 指令数 * 指令执行的周期数(CPI) * CPU时钟周期时间
- 指令数和代码质量有关，垃圾代码往往生成的指令会有很多冗余
- CPI是指令执行的周期数，现代CPU可以通过流水线等技术优化cpu cycle
- CPU时钟周期时间是CPU主频决定的，主频越大，执行时间越短
cpu内部有一个晶体振荡器(简称晶振)，每一次滴答就是一个时钟周期时间，计算方式为1/频率，比如cpu为2.8G hz，那周期时间就是1/2.8G，频率越大，cpu工作越快。
程序运行的时间统计
最常用的是计算时间差：程序结束的时间点-程序开始的时间点，这种时间称为wall clock time或者Ellapsed time。
这种计算方式有误差，比如在linux上计算wall clock time:
1 | root@hwsrv-998587:~# time seq 100000 | wc -l |
程序真正执行的时长是user+sys，很明显比real小，因为cpu不停地在不同的程序间切换，所以程序的执行时间会偏大
但是上面的现象也不是绝对的，比如在多核设备上，user和sys可能会同时执行，那最终的real可能就会小于user+sys
功耗
芯片本质上就是一个巨大的晶体管迷宫，通过控制开关来实现复杂运算。制程越短，晶体管的密度就越大，相应的性能就越好，但是由此可能会带来负面影响：晶体管散热不及时导致工作出错或者被干脆被烧毁，同时功耗也会增加，功耗的计算公式为：
功耗 ~= 1/2 ×负载电容×电压的平方×开关频率×晶体管数量
其他提升性能的方式
既然晶体管数量提升有上限，那提升性能就只能在软件层面多优化了，主要是对CPI的优化，包括：
并行执行，核心思想就是分治，优化后的执行时间 = 受优化影响的执行时间 / 加速倍数 + 不受影响的执行时间（阿姆达尔定律），需要注意的是分治最后的汇总是不并行的，所以如果汇总时间长那优化的效果就会有限)
加快大概率事件，gpu性能比cpu好就是基于此
通过流水线提升性能，将执行的指令拆分然后并行执行
通过预测提升性能， 比如在条件语句执行前可以通过提前预测判断语句一定会执行，于是就可以提前运行语句代码从而加快执行速度