当你写代码时，你真正在做的事

Source: Dev.to

Computing, Stripped to Its Core

在最底层，计算是简单的：

输入 → 转换 → 输出

你使用过的每一个系统——无论是计算器、后端 API，还是分布式系统——都遵循这一模式。

机器到底是如何完成这种转换的？

Everything Is Data (Even Your Code)

在计算机内部，没有 变量、函数 或 对象——只有 二进制数据（0 和 1）。

你的代码（例如 if 语句、循环、API 调用）会被编译或解释成 机器指令，这些指令仅仅是数字。

The CPU: The Real Executor

CPU 是真正 执行工作 的部件。它遵循一个简单的循环：

取指 → 解码 → 执行

1. Fetch

从内存中获取下一条指令。

2. Decode

理解这条指令的含义。

3. Execute

执行操作（数学、逻辑、内存访问）。

Example

当你写下：

const sum = a + b;

CPU 并不会看到 JavaScript。它看到的更像是：

• 将 a 加载到寄存器
• 将 b 加载到寄存器
• 将两者相加
• 将结果存储

这就是计算。

The GPU: Specialized Parallelism

CPU 是通用的，而 GPU 则专为运行成千上万个较小的核心而设计，这些核心能够在不同的数据点上同时执行相同的指令。

GPU 的主导领域：

• 图形渲染
• 机器学习
• 仿真

CPU 只有少数几个强大的核心，适合顺序任务和复杂的逻辑与分支。
GPU 拥有成千上万个更简单的核心，适合大规模并行——一次对海量数据集执行相同的操作。

What “Transformation” Actually Means

你编写的每个程序都会转换数据。

示例

• API → 将请求转换为响应
• 数据库 → 将查询转换为结果
• 前端 → 将状态转换为 UI

在所有这些之下，数据在内存中流动，被 CPU/GPU 处理，然后写回。

Memory Is the Real Battlefield

大多数性能问题并不是计算本身——而是数据移动。

• CPU 很快。
• 内存访问很慢。

系统效率取决于：

• 访问内存的频率
• 数据的组织方式
• 移动数据的次数

From This to Scalable Systems

可扩展系统不过是大规模的数据转换流水线。

• 后端服务 → 处理请求
• 队列系统 → 在服务之间搬运数据
• 数据库 → 存储和检索结构化数据

在规模化时，你不只是“处理请求”；你在管理数据如何在机器之间流动、转换和持久化。

Why This Knowledge Matters

如果不了解计算，你可能会：

• 过度获取数据
• 设计低效的 API
• 忽视内存成本
• 滥用并发
• 仅凭猜测性能而不进行推理

有了这些理解，你可以：

• 设计自然可扩展的系统
• 找出瓶颈
• 做出有意的权衡

The Shift

大多数开发者会想：“我该如何实现这个功能？”
更好的开发者会想：“数据是什么，它是如何流动的？”

这就是区别所在。

Final Thought

计算并非魔法、抽象或高层次的东西。它是 在硬件约束下对数据进行结构化转换。

一旦你明白了这一点，你就会：

• 停止盲目写代码…
• …并开始有意识地进行系统工程。