CPU

Что такое CPU

CPU (Central Processing Unit, центральный процессор, ЦП) — главное вычислительное устройство компьютера. Исполняет машинные инструкции, управляет памятью и координирует работу остального железа. Всё, что происходит на сервере, начинается с CPU: он загружает ОС, запускает процессы и раздаёт задачи ускорителям.

Универсальность — его определяющее свойство. CPU одинаково справится с ветвлениями, работой с базой, шифрованием и обработкой строк. Он не самый быстрый ни в одной конкретной задаче, зато не пасует ни перед одной.

Что такое ядро процессора

Ядро (core) — самостоятельный вычислительный блок внутри CPU со своими исполнительными устройствами и кешем. Сколько ядер — столько инструкций процессор выполняет физически одновременно.

Потоки (threads) — логические линии исполнения. Технология SMT (у Intel — Hyper-Threading) позволяет одному ядру обслуживать два потока, заполняя простои первого работой второго. Поэтому 8-ядерный процессор часто показывается системе как 16 логических.

Отсюда стандартная запись «8 ядер / 16 потоков». Второй поток не удваивает мощность — типичный выигрыш измеряется десятками процентов. Подробный разбор — в статье Ядра и потоки процессора.

Из чего состоит CPU

• Ядра — считают. Внутри: декодер инструкций, ALU, блоки предсказания переходов, внеочередное исполнение.
• Кеш L1/L2/L3 — сверхбыстрая память рядом с ядрами. L1 — десятки килобайт на ядро, L3 — десятки мегабайт на весь чип, общий. Кеш существует потому, что обращение в оперативную память для ядра — вечность.
• Контроллер памяти — связь с RAM, встроен прямо в процессор.
• Линии PCIe — к ним цепляются GPU и NVMe SSD. Их количество ограничено и определяет, сколько карт влезет в сервер.
• Векторные расширения — AVX, AVX-512, AMX: обработка нескольких чисел за одну инструкцию.

CPU и GPU: в чём разница

Оба считают, но спроектированы под противоположные задачи. CPU оптимизирован под задержку — как можно быстрее выполнить одну сложную цепочку операций. GPU оптимизирован под пропускную способность — выполнить миллион одинаковых простых операций за раз.

Аналогия рабочая: задачу «решить одно сложное уравнение» стадион не осилит — там нужен профессор. А «сложить миллион пар чисел» стадион сделает мгновенно, профессор будет сидеть до вечера. Матричное умножение внутри нейросети — это ровно второй случай, отсюда и роль GPU в ML.

В реальном ML-сервере они не конкурируют, а делят работу:

• CPU: загрузка и препроцессинг данных, токенизация, логика приложения, обслуживание HTTP-запросов.
• GPU: матричные умножения — собственно инференс и обучение.

Отсюда неочевидное следствие: слабый CPU способен уронить производительность дорогой GPU. Если процессор не успевает готовить батчи, ускоритель ждёт данных, и GPU utilization проваливается. Дисбаланс — частая причина «медленного» сервера, где GPU ни при чём.

Архитектуры

• x86-64 — Intel Xeon и AMD EPYC в серверах, Core и Ryzen в десктопах. Основа классической серверной инфраструктуры.
• ARM — AWS Graviton, Ampere Altra, Apple M-серия. Лучше по производительности на ватт, всё чаще встречается в облаке. NVIDIA Grace тоже ARM.
• RISC-V — открытая архитектура без лицензионных отчислений, пока в основном embedded.

Смена архитектуры — не бесплатная операция: бинарники и Docker-образы нужно собирать под целевую платформу.

Как посмотреть CPU на сервере

# Модель, ядра, потоки, кеш, флаги расширений
lscpu

# Загрузка по ядрам в реальном времени
htop

# Есть ли AVX-512
grep -o 'avx512[a-z]*' /proc/cpuinfo | sort -u

Связанные термины

• GPU — ускоритель параллельных вычислений, дополняющий CPU
• Ядра и потоки процессора — подробно про core, thread и vCPU
• DPU — процессор, снимающий с CPU инфраструктурные задачи
• FPGA — программируемая логика как альтернатива универсальному CPU
• PCIe — шина, связывающая CPU с ускорителями
• VPS — где ресурсы CPU продаются как vCPU