儲存與輸入輸出

為什麼關機後檔案還在，遊戲卻要「讀取中」？

想像你正在玩一款大型遊戲。按下開機鍵的瞬間，硬碟裡的作業系統被搬進記憶體，遊戲存檔安然無恙地躺在那裡——即使昨晚你直接拔掉電源也一樣。可是當你走進新地圖，畫面卻卡在「Loading...」的進度條前，CPU 明明強得能每秒算上百億次，卻只能乾等資料從儲存裝置慢慢爬過來。

這兩個現象——「斷電後資料還在」與「讀取資料很慢」——背後是計算機系統最核心的一道鴻溝：記憶體階層(memory hierarchy) 與 輸入輸出(I/O) 的世界。本文要談的，正是這個離 CPU 較遠、卻決定整台電腦使用體驗的領域：資料如何被儲存、如何在裝置與處理器之間流動，以及系統如何聰明地避免讓昂貴的 CPU 白白空等。

揮發與非揮發：資料為什麼「記得住」

要理解儲存，先要分清兩種記憶體性質。

揮發性記憶體(volatile memory) 一旦斷電，內容立刻消失。主記憶體 DRAM（動態隨機存取記憶體）就是典型——它靠電容儲存電荷，電荷會持續漏掉，必須不斷「更新(refresh)」才能維持。斷電就等於停止更新，資料瞬間蒸發。CPU 內的暫存器(register)與快取(cache)更是如此。

非揮發性記憶體(non-volatile memory) 則在斷電後仍保留資料。硬碟(HDD)、固態硬碟(SSD)、USB 隨身碟都屬此類。你的遊戲存檔、作業系統、照片之所以關機後還在，正因為它們住在非揮發性的儲存裝置裡。

這個分野解釋了電腦的基本工作流程：程式與資料平時「冷藏」在非揮發的儲存裝置，執行時才被搬進揮發但快速的主記憶體，CPU 再從記憶體（透過快取）取用。整個系統可以畫成一座金字塔：

越往上越快、越貴、容量越小（暫存器、快取、DRAM）；越往下越慢、越便宜、容量越大（SSD、HDD、磁帶）。設計的藝術，就在於讓常用資料盡量待在上層。

HDD 與 SSD：機械臂與電子閘的對決

非揮發儲存的兩大主角，運作原理天差地別。

機械硬碟(HDD)：旋轉的磁碟與飛行的磁頭

HDD 內部是一疊高速旋轉的磁碟片(platter)，表面塗有磁性材料。資料以磁化方向(0 或 1)記錄在同心圓的磁軌(track) 上，每條磁軌再切成數個磁區(sector)。一支裝著讀寫頭的磁臂(actuator arm) 在碟片上方數奈米處「飛行」，靠移動到正確磁軌、等待目標磁區轉到磁頭下方來存取資料。

因此 HDD 的存取時間由三部分組成：

• 尋道時間(seek time)：磁臂移到目標磁軌的時間，數毫秒。
• 旋轉延遲(rotational latency)：等待磁區轉到磁頭下方，與轉速(如 7200 RPM)相關。
• 傳輸時間(transfer time)：實際讀寫資料的時間。

關鍵在於：因為牽涉機械移動，HDD 對「隨機存取」特別不友善。讀分散在各處的小檔案，磁臂得來回奔波；而連續讀大檔案則快得多。這就是為什麼磁碟「重組(defragmentation)」對 HDD 有意義。

固態硬碟(SSD)：沒有任何活動零件

SSD 用 NAND 快閃記憶體(flash memory) 儲存資料，內部沒有任何機械結構。資料存在由浮閘電晶體(floating-gate transistor)組成的記憶胞中，靠困住電子的有無來表示 0 與 1。沒有磁臂、沒有旋轉，存取任何位置幾乎一樣快，所以 SSD 的隨機存取效能遠勝 HDD。

但 SSD 有其獨特性質：

• 讀寫不對稱：可以對單一頁(page) 讀寫，但抹除(erase) 必須以更大的區塊(block) 為單位進行。要改寫一頁，往往得先搬走整塊資料、抹除、再寫回。
• 寫入次數有限：每個記憶胞能承受的抹寫次數有上限，因此 SSD 控制器會做 磨損平均(wear leveling)，把寫入分散到各處，避免某些胞提早報廢。

下表整理兩者差異：

兩者都是非揮發儲存，但 SSD 的速度讓它成為現代主流，HDD 則因為便宜大容量，仍活躍在資料倉儲與備份場景。

匯流排與週邊：資料的高速公路

裝置之間靠什麼連接？答案是匯流排(bus)——一組共享的傳輸線路，負責在 CPU、記憶體與週邊裝置間搬運資料、位址與控制訊號。

常見的匯流排與介面包括：

• PCIe(PCI Express)：連接顯示卡、NVMe SSD 等高速裝置的點對點通道。
• SATA：傳統 HDD 與一般 SSD 的介面。
• USB：通用的外接週邊匯流排（隨身碟、鍵盤、滑鼠）。
• 記憶體匯流排：CPU 與 DRAM 之間的專屬通道。

週邊裝置(peripheral)透過裝置控制器(device controller) 接上匯流排。控制器內含暫存器與緩衝區，作業系統的裝置驅動程式(device driver) 透過讀寫這些暫存器來下達指令、查詢狀態。CPU 不直接和磁碟「對話」，而是透過控制器這個中介。

CPU 如何知道 I/O 做完了？輪詢 vs 中斷

這裡進入本文的核心問題。CPU 速度以奈秒計，而磁碟存取以毫秒計——兩者相差百萬倍。當 CPU 對磁碟發出「讀取」指令後，它要如何得知資料已經備妥？有兩種策略。

輪詢(polling)：一直問「好了沒？」

最直接的辦法是讓 CPU 不斷讀取裝置控制器的狀態暫存器，反覆檢查「忙碌中」的旗標是否清除：

loop:
    讀取裝置狀態暫存器
    若 仍為「忙碌」 → 跳回 loop
    否則 → 讀取資料

這就是忙碌等待(busy-waiting)。問題顯而易見：CPU 把寶貴的運算週期全花在「問問題」上，明明可以去執行別的程式，卻被綁在這個迴圈裡空轉。對慢速裝置而言，這是巨大的浪費。

中斷(interrupt)：「好了我再叫你」

更聰明的做法是中斷驅動 I/O(interrupt-driven I/O)。CPU 對裝置下達指令後，不再等待，而是繼續執行其他工作。當裝置完成任務時，主動透過一條中斷請求線(IRQ) 通知 CPU。CPU 收到中斷後，暫停手邊工作、保存現場、跳去執行對應的中斷服務常式(ISR, Interrupt Service Routine) 處理結果，處理完再回到原本的工作。

這就像你把衣服丟進洗衣機後不站在旁邊盯著，而是去做別的事，等洗衣機「嗶」一聲再回來收。CPU 因此能在等待 I/O 的漫長時間裡服務其他程式，大幅提升整體吞吐量。這正是多工作業系統能流暢運作的基礎。

動手看一個例子：對比兩種策略的 CPU 浪費

假設一次磁碟讀取需要 10 毫秒(ms)，而 CPU 每奈秒(ns)可執行一道指令。

輪詢版本——CPU 在這 10 ms 內全程空轉：

def read_block_polling(controller):
    controller.write_command("READ")
    while controller.status() == "BUSY":   # 忙碌等待
        pass                                # CPU 在此空轉約 10 ms
    return controller.read_data()

10 ms = $10 \times 10^6$ ns，意味著 CPU 白白浪費了約一千萬道指令的運算能力。

中斷版本——CPU 發出指令後立刻離開：

def read_block_interrupt(controller):
    controller.write_command("READ")
    controller.enable_interrupt()
    scheduler.switch_to_other_task()        # CPU 去做別的事

# 裝置完成後觸發此常式
def disk_isr(controller):
    data = controller.read_data()
    scheduler.wake_up(waiting_task)         # 喚醒原本等待的程式

在這 10 ms 裡，CPU 可以執行其他程式約一千萬道指令，而不是空等。兩種方式的差距，就是現代電腦能同時開瀏覽器、播音樂、下載檔案而不卡頓的原因之一。

那大量資料搬移呢？DMA 登場

中斷解決了「等待」的浪費，但還有一個問題：搬資料這件事本身。

若每讀一個位元組都要 CPU 親自從控制器搬到記憶體，那麼讀一個幾 MB 的檔案，CPU 就得執行數百萬次「搬一格」的動作，依然被綁死。直接記憶體存取(DMA, Direct Memory Access) 正是為此而生。

DMA 是一個獨立的硬體控制器。CPU 只需告訴它三件事：從哪個裝置讀、搬到記憶體哪個位址、搬多少，接著 CPU 就完全放手。DMA 控制器自行接管匯流排，把整批資料直接在裝置與記憶體之間搬運，完全不經過 CPU。整批搬完後，DMA 才發出一次中斷通知 CPU「全部搞定」。

於是，原本可能需要數百萬次中斷與搬移的工作，被壓縮成「下指令 → DMA 自己搬 → 一次中斷收尾」。CPU 在這段期間幾乎完全自由，可以全速執行其他運算。中斷驅動 I/O 讓 CPU 不必空等，DMA 則更進一步讓 CPU 連搬運都不必親自動手——這兩項機制共同把昂貴的處理器從緩慢的 I/O 中徹底解放出來。

重點回顧

• 揮發 vs 非揮發：DRAM、快取斷電即失（揮發）；HDD、SSD 斷電仍存（非揮發）。記憶體階層讓資料在快而貴、慢而便宜的層級間流動。
• HDD vs SSD：HDD 靠機械式磁碟與磁臂，隨機存取慢、有尋道與旋轉延遲；SSD 用 NAND 快閃，無活動零件、隨機存取快，但有抹寫單位不對稱與壽命限制。
• 匯流排與週邊：PCIe、SATA、USB 等匯流排連接裝置；CPU 透過裝置控制器與驅動程式間接操控週邊。
• 輪詢 vs 中斷：輪詢讓 CPU 忙碌等待、浪費運算；中斷讓裝置完成後主動通知，CPU 得以去做別的事。
• DMA：把整批資料搬運交給專屬控制器，CPU 只下指令、收一次中斷，徹底從資料搬移中解放。

深入探討（研究所視角）

中斷與 DMA 的代價：cache 一致性與中斷風暴。 DMA 雖然解放了 CPU，卻引入新的一致性問題。當 DMA 直接把新資料寫入主記憶體，CPU 的快取(cache) 中可能仍保留該位址的舊副本，造成 cache 與記憶體不一致。現代系統靠 cache 一致性協定或在 DMA 完成後使快取失效(cache invalidation) 來解決；具備 I/O coherency 的架構則讓 DMA 引擎參與一致性協定。另一方面，在高速網路或高 IOPS 的 NVMe SSD 上，若每個封包或請求都觸發一次中斷，中斷負荷(interrupt overhead) 本身會壓垮 CPU——這稱為 interrupt storm。對策包括 中斷合併(interrupt coalescing)，累積數個事件才發一次中斷；以及如 Linux NAPI 的混合策略：高負載時暫時關閉中斷、改用輪詢批次處理封包，低負載時再回到中斷模式，在延遲與吞吐量間取得平衡。

儲存堆疊與作業系統的連結。 從這裡可以延伸到多個研究所層級的主題。檔案系統如何把連續的邏輯區塊對應到實體磁區，直接影響 I/O 效能；針對 SSD 的 FTL(Flash Translation Layer) 與 TRIM 指令，讓作業系統能告知 SSD 哪些區塊已不再使用，配合垃圾回收與磨損平均維持效能與壽命。I/O 排程演算法（如電梯演算法 SCAN、針對 SSD 的 noop/mq-deadline）試圖最佳化請求順序。再往上，虛擬記憶體的分頁(paging)機制把磁碟當成記憶體的延伸，缺頁中斷(page fault)正是一種由 MMU 觸發、依賴 DMA 把頁面從儲存裝置載入的 I/O 事件。

效能模型與 Amdahl 定律的延伸。 當 CPU 被 I/O 解放後，系統瓶頸往往轉移到儲存與匯流排頻寬。以 Little's Law $L = \lambda W$（系統中平均請求數等於到達率乘以平均停留時間）可分析 I/O 佇列行為；而從整體加速比的角度，若 I/O 佔總執行時間比例為 $f$，再快的 CPU 也受限於 Amdahl 定律：

$$S = \frac{1}{(1-f) + \frac{f}{s}}$$

當 $f$ 偏大，提升 CPU 速度($s \to \infty$)的效益會迅速飽和。這正說明了為何現代系統設計把大量心力投注在縮短 I/O 路徑——非揮發記憶體(NVM)、記憶體級儲存(如 NVDIMM)、以及讓裝置直接存取使用者空間的 kernel bypass（如 SPDK、io_uring）——目標都是把資料離 CPU 更近、把中斷與系統呼叫的開銷壓到最低。儲存與 I/O 看似是計算機系統最「邊陲」的一環，卻恰恰是決定整體效能上限的關鍵戰場。