接着上周未完的话题避不开的数据拷贝。

既然处理器是通用机器，就没有专属数据，所以数据都要从别处调来，这就涉及到了数据搬运，就有了外设的概念。由于不同外设和处理器一起共享数据存储，时间会花在两方面：

时间会花在检索自己需要的数据上，这是算法和数据结构的领域；
时间会花在数据搬运上，这是拓扑，总线，网络，协议的领域；

“尽量不拷贝” 和 “尽量不传输数据” 都是尽量不移动数据的实例，而不是醉心于让拷贝和传输变得更快。为了不移动数据却又能使用数据，要将思路转换为传递控制信号或直接传递结果，让数据保持在 “原地”。这需要更多的通路组织更智能的网络。

近年来如日中天的零拷贝，设备内存，片商存储等概念值得一提，但在软件领域，其实人们一直在恪守这些信念。不外乎两个观点：

内存观点，固定 buffer，比如统一往一个 buffer-ring 里送；
程序观点，离散 buffer，比如将离散的 buffer 串成一个 queue；

在这里插入图片描述

总之都是数据能不动就不动，实在要动就少动，如果有谁写了一个程序，频繁做 memcpy，势必要被优化掉，不管是针对程序，还是针对人。

可以审视从初学编程到使用 Linux 内核的 splice/tee，基本就是上图的过程，从一开始果真把 queue 当成一个实体 queue，copy 内存往里排队，到最后直接在两个 fd 之间非 copy 传递数据，见证了逐渐让数据不移动的过程。

同理，当外设能力反超 CPU，而软件成为瓶颈后，外设硬件当然要走一遍同样的路，近年来的 Device Memory TCP 就是其中一例：
在这里插入图片描述

其它实例几乎同理。

还有一个问题，如果必须要搬运，数据搬运过程中为什么需要 buffer，为什么不能一镜到底，推而广之，为什么要接力，转介。这就要说到通用计算机处理数据的两类方式：

流水线提高吞吐；
并行化提高吞吐；

总之要有资源，且要资源全部动起来，这是一种通用资源组织理念，无论对硬件还是软件。

本质上还是因为通用机器以数据为中心，通用机器的数据都从别处搬来，效率高低取决于搬运的方式，如果有搬运和处理部件闲置，就一定要想办法将它用起来。
定量讲，如果增加一倍的通用处理资源，理论上应该增加一倍的吞吐。举例说明，将数据从 A 搬到 B：
在这里插入图片描述

可见并行方式就是一镜到底，这并不是问题的核心所在。问题的核心在于分割时间还是分割空间，本质上还是如何在时空展开的问题，这就涉及到数据的语义。

如果数据是严格保序的，通用机器需无条件满足该约束，典型例子是通用处理器，即 CPU，它的处理资源必须在时间维度分割成流水线，作为数据的串行指令在其中接力通过。另一个对面的例子，内存数据是不保序的地址映射，因此它是并行结构，每一个 bit 都有一条地址线和数据线传输该 bit，这些线在空间维度并在一起。

这样看来，串行指令通过流水线执行，而数据则通过并行通道映射到目的地，似乎一想就通，但当真正传输数据而不仅仅是内存和 CPU 交互时，却纷纷拒绝并行，接受 stream 抽象，分层模型下 “纵然在 byte 级别存在 byte stream，但在 bit 级别依然并行传输” 的内存操作，等价为 “纵然在 byte 级别存在 byte stream，但在 packet 级别依然并行传输” 被忽视，也许是 packet 出现在 byte stream 之后，IP 从 TCP 分离而来之故，但 PCIe，USB 也是串行。

否则，若信道不识 stream，像内存地址般映射，并行传输就是自然而然的选择。

现如今，除了内存，芯片内部总线采用并行策略外，几乎都选择了串行，从大尺度的 TCP/IP，到微尺度的 PCIe，明确的理由似乎又要回到早期串行，并行之争里去寻址，不外乎：