一文读懂1000毫秒和秒的换算方法 1000毫秒等于多少秒 _经验分享

今天给大家分享两幅图，它们是如此的重要，以至于你看到的很多软件的设计都和他们相关，可以说图中展示的问题都是计算机的本质问题。
图1 计算机各个部件的速度

文章插图
可以看到，CPU最快，一个时钟周期是0.3纳秒，内存访问需要120纳秒，固态硬盘访问需要50-150微秒，传统硬盘访问需要1-10毫秒，网络访问最慢，都是几十毫秒。
这幅图最有趣的地方在于它把计算机世界的时间和人类世界的时间做了对比，我常常把CPU比喻成跑得很快，但是记不住事情的“阿甘”，他的一个时钟周期如果按1秒算：
内存访问就是6分钟
固态硬盘是2-6天
传统硬盘是1-12个月
网络访问就是几年了！
（1秒= 1000毫秒= 1000,000 微秒 = 1000,000,000纳秒）
如果你是CPU，你会觉得这个世界真是慢死了！从硬盘访问数据得等待“几天”甚至“几个月”！
图2 存储器的层次结构

文章插图
来源：《深入理解计算机系统》第3版
图2把图1的信息变成了层次化的方式，并且增加了价格信息，它展示了一个真理：世界上没有免费的午餐。
存储器越往上速度越快，但是价格越来越贵，越往下速度越慢，但是价格越来越便宜。
这两幅图有什么意义呢？正是由于计算机各个部件的速度不同，容量不同，价格不同，导致了计算机系统/编程中的各种问题以及相应的解决方案，我来举几个例子。
案例1
CPU的速度超级快，不能老是让它闲着，要充分地压榨它！
这里有两个强劲的理由：
1. 人类需要多个程序“同时”运行
我们要把CPU的时间进行分片，让各个程序在CPU上轮转，造成一种多个程序同时在运行的假象，即并发。
2. 当CPU遇到IO操作（硬盘，网络）时，不能坐在那里干等“几个月”甚至“几年”
【一文读懂1000毫秒和秒的换算方法 1000毫秒等于多少秒】 在等待的时候，一定要切换，去执行别的程序。
说起来简单，但是程序的切换需要保存程序执行的现场，以便以后恢复执行，于是需要一个数据结构来表示，这就是进程了。
如果一个进程只有一个“执行流”，如果进程去等待硬盘的操作，那这个程序就会被阻塞，无法响应用户的输入了，所以必须得有多个“执行流”，即线程。
案例2
需要持久化的数据一定要保存到硬盘中，但是硬盘超级慢，支持不了大量的并发访问，那怎么办呢？
可以把最常访问的热点数据放到CPU的缓存中嘛，其实CPU也是这么做的，但是CPU的L1, L2, L3级缓存实在是太小，根本满足不了需求。
于是只好退而求其次，把热点数据放到速度稍慢的内存中，于是应用程序的缓存就出现了。
缓存虽然是解决了问题，但是也带来了更多的问题，例如：
缓存数据和数据库数据怎么保持一致性？
缓存如果崩溃了该怎么处理？
数据在一台机器的内存放不下了，要分布到多个机器上，怎么搞分布式啊，用什么算法？…..
案例3
考虑一个像Tomcat这样的应用服务器，对于每个请求都要用一个线程来处理，如果现在有一万个请求进来， Tomcat会建立1万个线程来处理吗？
不会的，因为线程多了开销会很大，线程切换起来也很慢，所以它只好用个线程池来复用线程。
现在假设线程池中有一千个可用线程（已经非常多了），它们都被派去访问硬盘，数据库，或者发起网络调用，这是非常慢的操作，导致这一千个线程都在等待结果的返回（阻塞了），那剩下的九千个请求就没法处理了，对吧？
所以后来人们就发明了新的处理办法，仅使用几个线程（例如和CPU核心数量一样），让他们疯狂运行，遇到I/O操作，程序就注册一个钩子函数放在那里，然后线程就去处理别的请求，等到I/O操作完成了，系统会给这个线程发送一个事件，线程就回过头来调用之前的钩子函数（也叫回调函数）来处理。
这就是异步，非阻塞的处理方式。Node.js，Vert.x等采用的都是类似的思想。
案例4
Redis使用单线程的方式来处理请求的，为什么用单线程就可以呢？它为什么不像Tomcat那样使用多线程和线程池呢？
因为它面对的仅仅是内存，内存的速度在计算机的体系中仅次于CPU，比那些网络操作不知道要快到哪里去了（可以回头看看第一幅图中网络速度有多慢！）
所以这个唯一的线程就可以快速地执行内存的读写操作，完成从许多网络过来的缓存请求了。单线程还有个巨大的优势，没有竞争，不需要加锁！
看到了吧，我们软件中的很多问题，其根源都是计算机各个部件的速度差异导致的。
这里可以开一个脑洞，如果硬盘的速度和内存的速度一样快，并且可以持久化存储，不会像内存一样断电以后数据就丢失了，那我们的电脑和系统会变成什么样子呢？