操作系统的体系结构（单处理器、多处理器和集群）

前面章节中，我们从操作系统的运行过程、存储结构以及I/O结构介绍了典型计算机系统的通用结构。计算机系统可能通过许多不同途径来组成，这里根据采用的通用处理器数量来进行粗略分类。

单处理器系统

直到最近，大多数系统仍采用单处理器。单处理器系统只有一个主 CPU，以便执行一个通用指令集，该指令集包括执行用户进程的指令。几乎所有单处理器系统都带有其他专用处理器。它们或为特定设备的处理器，如磁盘、键盘、图形控制器；或为更通用的处理器，如在系统组件之间快速移动数据的 I/O 处理器。

所有这些专用处理器执行有限指令集，而并不执行用户进程。在有的环境下，它们由操作系统来管理，此时操作系统将要做的任务信息发给它们，并监控它们的状态。

例如，磁盘控制器的微处理器接收来自主 CPU 的一系列请求，并执行自己的磁盘队列和调度算法。这种安排使得主 CPU 不必再执行磁盘调度。PC 的键盘有一个微处理器来将击键转换为代码，并发送给 CPU。

在其他的环境下，专用处理器作为低层组件集成到硬件。操作系统不能与这些处理器通信，但是它们可以自主完成任务。专用处理器的使用十分常见，但是这并不能将一个单处理器系统变成多处理器系统。如果系统只有一个通用 CPU，那么就为单处理器系统。

多处理器系统

近年来，多处理器系统（multiprocessing system，也称为并行系统（parallel system)或多核系统（multicore system））开始主导计算领域。这类系统有两个或多个紧密通信的 CPU，它们共享计算机总线，有时还共享时钟、内存和外设等。多处理器系统起初主要应用于服务器，后来也应用于桌面和笔记本系统。近来，多处理器也出现在移动设备上，如智能手机和平板电脑。

多处理器系统有三个主要优点：

1. 增加吞吐量：通过增加处理器数量，以期能在更短时间内完成更多工作。采用 N 个处理器的加速比不是 N，而是小于 N。当多个 CPU 协同完成同一任务时，为了让各部分能够正确执行，会有一定的额外开销。这些开销，加上竞争共享资源，会降低因增加了 CPU 的期望增益。这类似于 N 位程序员一起紧密工作，而不能完成 N 倍于单个程序员的工作量。
2. 规模经济：多处理器系统的价格要低于相同功能的多个单处理器系统的价格，因为前者可以共享外设、大容量存储和电源供给。如果多个程序需要操作同一数据集，那么将这些数据放在同一磁盘并让多处理器共享，将比采用多个具有本地磁盘的计算机和多个数据副本更为节省。
3. 增加可靠性：如果将功能分布在多个处理器上，那么单个处理器的失灵不会使得整个系统停止，而只会使它变慢。如果 10 个处理器中的 1 个出了故障，那么剩下的 9 个会分担起故障处理器的那部分工作。因此，整个系统只是比原来慢了 10%，而不是完全失败。

对于许多应用，增加计算机系统的可靠性是极其重要的。根据剩余有效硬件的级别按比例继续提供服务的能力称为适度退化（graceful degradation）。有的系统超过适度退化，称为容错（fault tolerant），因为它们能够容忍单个部件错误，并且仍然继续运行。

容错需要一定的机制来对故障进行检测、诊断和（如果可能）纠错。HP NonStop 系统（以前的 Tandem）通过使用重复的硬件和软件，来确保在有故障时也能继续工作。该系统具有多对 CPU，它们锁步工作。每对处理器都各自执行自己的指令，并比较结果。如果结果不一样，那么其中一个 CPU 出错，此时两个都停下。接着，停着的进程被转到另一对 CPU，刚才出错的指令重新开始执行。这种方法比较昂贵，因为它用到专用硬件和相当多的重复硬件。

现在所用的多处理器系统有两种类型。有的系统采用非对称处理（asymmetric multiprocessing)，即每个处理器都有各自特定的任务。一个主处理器（boss processor）控制系统，其他处理器或者向主处理器要任务或做预先规定的任务。这种方案称为主从关系。主处理器调度从处理器，并安排工作。

最为常用的多处理器系统采用对称多处理（Symmetric Multiprocessing，SMP），每个处理器都参与完成操作系统的所有任务。SMP 表示所有处理器对等，处理器之间没有主从关系。图 1 显示了一个典型的 SMP 结构。注意，每个处理器都有自己的寄存器集，也有私有或本地缓存；不过，所有处理器都共享物理内存。

SMP 的一个例子是 AIX，这是 IBM 设计的一种商用版 UNIX。每个 AIX 系统可以配有多个处理器。这种模型的优点是许多进程可以同时执行（如果有 N 个 CPU，那么可执行 N 个进程），而且并不会明显地影响性能。然而，应该仔细控制 I/O，确保数据到达适当处理器。

另外，由于各个 CPU 互相独立，一个可能空闲而另一个可能过载，导致效率低。这种低效是可以避免的，只要处理器共享一定的数据结构。这种形式的多处理器系统可动态共享进程和资源（包括内存），进而可降低处理器之间的差异。目前几乎所有现代操作系统，包括 Windows、Mac OSX 和 Linux 等，都支持 SMP。

对称与非对称处理的差异可能源于硬件或者软件。特定硬件可以区别多个处理器，软件也可编成选择一个处理器为主，其他的为从。例如，在同样的硬件上，SUN 操作系统 SunOS V4 只能提供非对称处理，而 SunOS V5（Solaris）则能提供对称处理。

多处理通过增加 CPU 来提高计算能力。如果 CPU 集成了内存控制器，那么增加 CPU 也能增大系统的访问内存。不论如何，多处理可使系统的内存访问模型，从均匀内存访问（Uniform Memory Access，UMA）改成非均勾内存访问（Non-Uniform Memory Access，NUMA）。对 UMA，CPU 访问 RAM 的所需时间相同；而对 NUMA，有的内存访问的所需时间更多，这会降低性能。操作系统通过资源管理可以改善 NUMA 的问题。

CPU 设计的最新趋势是，集成多个计算核（computing core）到单个芯片。这种多处理器系统为多核（multicore）。多核比多个单核更加高效，因为单片通信比多个芯片通信更快。再者，多核芯片的电源消耗比单核芯片低得多。

需要注意的是，多核系统为多处理器系统，但并不是所有多处理器系统都是多核的，。除非特别说明，本书在使用多核这一更为流行的术语时，并不包括一般的多处理器系统。

图 2 显示了一个双核设计。该设计的每个核都有自己的寄存器和本地缓存。其他的设计可能采用共享缓存，或混合采用本地缓存和共享缓存。如不考虑体系结构，如缓存、内存及总线竞争，这些多核 CPU 对操作系统而言就像是 N 个标准处理器。这一特点促使操作系统设计人员（及应用程序开发人员）充分利用这些处理核。

最后，最近开发的刀片服务器（blade server）将多处理器板、I/O 板和网络板全部置于同一机箱。它和传统多处理器系统的不同在于，每个刀片处理器可以独立启动，并且运行各自的操作系统。有些刀片服务器板也是多处理器的，从而模糊了计算机类型的划分。本质上，这些服务器由多个独立的多处理器系统组成。

集群系统

另一类型的多处理器系统是集群系统（clustered system），这种系统将多个 CPU 组合在一起。集群系统与刚刚所述的多处理器系统不同，它由两个或多个独立系统（或节点）组成。这样的系统称为松耦合的（loosely coupled）。每个节点可为单处理器系统或多核系统。

应当注意的是，集群的定义尚未定型，许多商业软件对什么是集群系统有不同的定义，对什么形式的集群更好有不同的理解。较为公认的定义是，集群计算机共享存储，并且采用 LAN (Local Area Network，局域网）连接或更快的内部连接，如 InfiniBand。

集群通常用于提供高可用性（high availability）服务，这意味着即使集群中的一个或多个系统出错，仍可继续提供服务。一般来说，通过在系统中增加一定冗余，可获取高可用性。每个集群节点都执行集群软件层，以监视（通过局域网）一个或多个其他节点。如果被监视的机器失效，那么监视机器能够取代存储的拥有权，并重新启动在失效机器上运行的应用程序。应用程序的用户和客户只会感到短暂的服务中止。

集群可以是对称的，也可以是非对称的。对于非对称集群（asymmetric clustering），一台机器处于热备份模式（hot-standby mode），而另一台运行应用程序。热备份主机只监视活动服务器。如果活动服务器失效，那么热备份主机变成活动服务器。对于对称集群（symmetric clustering），两个或多个主机都运行应用程序，并互相监视。由于充分使用现有硬件，当有多个应用程序可供执行时，这种结构更为高效。

每个集群由通过网络相连的多个计算机系统组成，也可提供高性能计算（Mgh-performance computing）环境。每个集群的所有计算机可以并发执行一个应用程序，因此与单处理器和 SMP 系统相比，这样的系统能够提供更为强大的计算能力。

当然，这种应用程序应当专门编写，才能利用集群。这种技术称为并行计算（parallelization），即将一个程序分成多个部分，而每个部分可以并行运行在计算机或集群计算机的各个核上。通常，这类应用中的每个集群节点解决部分问题，而所有节点的计算结果合并在一起，以便形成最终解决方案。

其他形式的集群还有并行集群和 WAN（Wide-Area Network）集群。并行集群允许多个主机访问共享存储的同一数据。由于大多数操作系统并不支持多个主机同时访问数据，并行集群通常需要由专门软件或专门应用程序来完成。

例如，Oracle Real Application Cluster 就是一种可运行在并行集群上的、专用的 Oracle 数据库。每个机器都运行 Omcle，而且软件层跟踪共享磁盘的访问。每台机器对数据库内的所有数据都可以完全访问。为了提供这种共享访问，系统应当针对文件访问加以控制与加锁，以便确保没有冲突操作。有的集群技术包括了这种通常称为分布锁管理器（Distributed Lock Manager，DLM）的服务。

集群技术发展迅速。有的集群产品支持数十个系统，而且集群节点也可分开数公里之 远。存储域网（Storage-Area Network，SAN）的出现也改进了集群性能，SAN 可让许多系统访问同一存储池。SAN 可以存储应用程序和数据，集群软件可将应用程序交给 SAN 的任何主机来执行。如果主机出错，那么其他主机可以接管过来。对于数据库集群，数十个主机可以共享同一数据库，从而大大提升了性能和可用性。图 3 显示了一个集群的通用结构。

Beowulf 集群

Beowulf 集群的设计用于解决高性能的计算任务。每个 Beowulf 集群由商用硬件（如个人计算机），通过筒单的 LAN 而连在一起。这种集群无需特定软件包，每个节点采用开源软件库来通信。因此每个 Beowulf 集群的构成方法有很多。通常，每个 Beowulf 计算 节点都运行 Linux 操作系统。由于并不要求专门硬件而只采用免费的开源软件，构成这种高性能计算的集群更为经济。实际上，有的 Beowulf 集群采用数百台遗弃的计算机，以便解决大运算量的科学计算问题。