黄泓毅计算机系统原理这门课，在我读本科那会儿属于“硬课”中的硬课，到了哈工大计算机系统原理大作业这个级别，更是直接劝退了不少人。它不是交一篇调研报告就能糊弄过去的，而是要你在一学期里真刀真枪地实现Cache模拟器、解析ELF文件、写一个能干活的小型Shell，甚至从零手写一个动态内存分配器。这些Lab一路做下来，你对“程序到底是怎么在机器上跑起来的”这个问题的理解深度，会跟只看书完全不一样。
我当年第一次看到大作业说明时也有点头皮发麻，以为是要写一个操作系统内核级别的东西。后来真正动手才发现，这门课的设计比我想象中要聪明得多：它把所有计算机系统最核心的机制拆成了几个可独立完成的实验模块，每个模块后面都对应一个真实系统里不可或缺的零件。你不需要从头造一台机器，但你得亲手把每一个关键零件造一遍，这比单纯读理论要刻骨铭心得多。
这篇博文，我就以过来人的身份，把哈工大计算机系统原理大作业里最核心的几个Lab拆开揉碎，聊聊每个环节怎么做、为什么要这么做、有哪些坑是我当年踩过的。内容主要面向正在被这门课折磨的同学，也欢迎对计算机系统底层机制感兴趣的同行一起交流。
1. 大作业整体设计与考察逻辑
1.1 课程大作业的常见模块
虽然每年的大作业题目会有些许调整，但哈工大计算机系统原理大作业整体框架是相当稳定的，核心模块基本围绕计算机系统中最底层的几个机制展开。我根据自己的经历和日常交流中大家讨论的内容，整理了一份通用对照表：
| 实验模块 | 核心任务 | 主要考察点 |
|---|---|---|
| Data Lab | 用受限的位运算符实现逻辑和算术功能 | 数据表示、补码、浮点数 |
| Bomb Lab | 用GDB反汇编拆除程序中的“炸弹” | 汇编、GDB调试、程序分析 |
| Attack Lab | 利用缓冲区溢出构造代码注入攻击 | 栈帧、函数调用、安全漏洞 |
| Cache Lab | 编写缓存模拟器并优化矩阵转置 | 局部性原理、缓存结构、分块优化 |
| Shell Lab | 实现支持作业控制的简易Shell | 进程控制、信号、文件重定向 |
| Malloc Lab | 实现一个高性能动态内存分配器 | 堆管理、空闲链表、性能权衡 |
Reading这个表你就能发现，大作业并不是零散的小知识点拼接，而是沿着“数据怎么表示 → 代码怎么被执行 → 程序怎么访问内存 → 进程怎么被调度 → 运行时资源怎么管理”这条主线推进。每完成一个Lab，你对计算机系统的认知就会往深处扎一截。
1.2 为什么用一整个学期来做这几件事
很多同学第一反应是：这些不都是操作系统、编译原理课的内容吗，为什么要放到计算机系统原理里做？我当时也有同样的疑问，但做完几个Lab之后就明白了。
关键在于“计算机系统原理”这门课要回答的问题是“程序是如何运行的”，而不是“操作系统怎么设计”。要实现这个目标，最好的方式不是读一篇综述，而是亲手把运行链路里的关键部分重新实现一遍。比如Cache Lab，你可能在组成原理课上已经背过组相联、标记、有效位这些概念，但真正写Cache模拟器的时候，你会发现自己连地址怎么切分都需要重新翻书。手写一遍之后，这些概念才不再是考试的短期记忆，而是你推理性能问题时的本能反应。
更难得的是，大作业的每个模块都刻意保留了“性能得分”这一项，而不是单纯看正确性。这意味着你不能只让程序跑通，还要让它跑得够快。这种追求极致的压力，会逼着你重新思考数据结构、访存模式、并发控制的合理性，而这恰恰是课堂上最容易忽略的部分。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Cache Lab：理解存储层级的关键一战
2.1 任务拆解：模拟器与优化两部分
Cache Lab是我个人认为整门大作业里性价比最高的一个。它分为Part A和Part B两大部分：Part A要求你用C语言实现一个Cache模拟器，能够根据给定的内存访问轨迹文件，模拟组相联Cache的行为并统计命中率、缺失率、脏块淘汰次数；Part B则是给定一个固定大小的Cache参数，要求你优化一个矩阵转置函数的访存局部性，使模拟后的miss次数尽可能低。
先说Part A。模拟器本身逻辑并不复杂，它不需要实际存储数据，只需要维护每个缓存行的有效位、标记位和LRU计数器。难点在于地址处理：你需要从64位十六进制地址中正确提取出Tag、Set Index和Block Offset三个字段，并根据不同Cache配置（-s、-E、-b三个参数）动态计算位域长度。
我最初的实现是把地址解析写成一堆位运算宏，结果测试时发现，对于不同的缓存配置，同一地址切分出来的字段边界完全不同。后来吸取教训，直接在地址解析阶段用(addr >> b) & ((1 << s) - 1)取出Set Index，再用addr >> (b + s)取出Tag，代码反而清晰很多。这里有个容易搞错的细节：Block Offset的位数由-b参数决定，它不会出现在地址解析的结果里，但会影响数据是否覆写到同一组的相邻块。
2.2 Cache模拟器实现的核心细节
模拟器的数据结构我建议设计成二维数组：第一维是Set数量，第二维是每个Set内部的Way数量。每个Cache行结构体包含valid、tag和last_used三个字段，其中last_used记录最近一次被访问的全局时间戳，用于LRU替换。
模拟过程中最重要的分支逻辑是：
- 根据地址计算Set Index，定位到对应的Set；
- 遍历该Set的所有Way，检查是否有
valid == 1 && tag == 当前tag，如果命中则更新last_used； - 如果未命中，需要找到一个
valid == 0的空闲Way直接填充；如果没有空闲Way，则选择last_used最小的Way进行替换。
这个流程看起来简单，但调试起来非常痛苦。我印象最深的一个Bug是：处理存储指令时，教科书里会告诉你“写分配写回”策略下miss后要把块装载进来，后续脏数据被替换时才回写。我在模拟时把“脏块标记”提前做了，导致同样的访问序列算出的缺失次数和标准答案差了好几千。后来我把M指令（先读后写）拆成了两个操作分别处理，问题才消失。
调试这块我没有走太多弯路，因为实验提供了csim-ref参考程序，可以逐条对比输出。强烈建议你写一个自动化脚本，把你自己程序每一步的命中/缺失结果和参考程序diff，用二分法快速定位第一个出现分歧的指令。
2.3 矩阵转置优化：分块参数的暴力搜索
Part B的经典任务是在32×32、64×64、61×67三种矩阵规模下，优化矩阵转置以减少miss次数。这里最核心的优化手段就是分块：将矩阵划分为小方块，使得一个方块的数据能够尽量填满Cache组，在装入后能多次复用再被替换。
以32×32矩阵为例，Cache参数是-s 5 -E 1 -b 5，也就是32组、每组1路、块大小32字节。一个int是4字节，所以每块能装8个元素，而32组直接映射到缓存中，每组对应矩阵的一行中的8个元素。如果用朴素的两层循环转置，每次按行读取源矩阵时会频繁冲突未命中，按列写目标矩阵时也会因为跨度太大而miss爆炸。
我的做法是先尝试8×8分块，因为在32×32矩阵里，8×8块每一行正好占一个缓存组的8个元素，块内8行又恰好覆盖8个不同的组，能有效利用空间。实测下来8×8分块的miss数在300以下，但还达不到满分。之后我尝试了16×16分块并辅以局部变量暂存对角块等技巧，才把miss数压到了200以内。
我在这里想强调的是，分块尺寸不是拍脑袋定的，而是要通过计算Cache组数量、块容量、矩阵跨度和元素大小这几个参数来推导。64×64矩阵的情况就更复杂，因为矩阵宽度正好是缓存组数的两倍，单纯分块会造成不同行映射到同一组，产生大量冲突。针对这个规模，比较有效的方案是把8×8块再拆成4×4子块分两次搬运，每次处理一个子块，可以有效缓解冲突。
2.4 这几个优化手段的取舍经验
做Part B时我最深的体会是：优化不是让所有代码都变快，而是让“关键访存路径”变快。比如你用局部变量保存连续几个元素，编译器可能就帮你避免了重复访存；但如果你为了减少代码行数而用指针跳跃访问，反而可能破坏连续性，增加miss。
不要怕浪费时间去枚举不同分块策略。我当时写了一个test_trans.c这种辅助程序，把不同分块大小、不同内层循环顺序排列组合自动编译运行，记录miss数。当然，暴力搜索存在过拟合风险，你需要对每个规模的矩阵单独调参，因为你没法用同一个分块参数解决所有规模的访存冲突。
另外提醒一句：不要试图通过“预处理矩阵”来作弊，比如先把源矩阵复制成连续排列再转置，这虽然能降低miss，但复制本身会被计入访存轨迹，实际评分不会给你加分。
3. Shell Lab：从零写一个类Unix Shell
3.1 Shell要支持什么，先从进程模型说起
Shell Lab要求实现一个支持作业控制的简易Shell，能解析并执行外部命令、处理内置命令quit、jobs、bg、fg等，还要正确处理SIGINT、SIGTSTP、SIGCHLD信号。这个Lab把进程API和信号机制的考察拉到了极致。
做好这个Lab的第一课，是建立正确的进程模型：Shell本身是一个持续运行的父进程，它通过fork()创建子进程，然后在子进程中用execve()加载可执行文件，父进程则根据任务类型决定是等待子进程结束还是继续接收输入。很多人一开始不理解为什么要先fork再exec，甚至想直接在Shell进程里执行命令，这会导致Shell自己变成命令进程，无法再返回控制逻辑。
我建议你在写代码前，先在纸上画出三种场景的时序图：前台命令执行、后台命令执行、命令输入中收到Ctrl-C。把父进程、子进程、Shell与终端之间的关系理清楚，代码其实只是这些时序图的忠实翻译。
3.2 解析命令行的几个注意点
命令解析看似琐碎，但最容易出错。首先，你需要正确处理命令行中的空白字符，并把命令分割成参数数组。别想着用strtok一遍扫完，因为重定向符号> <和管道符|需要在分割时保留，并且要处理它们的参数。最简单的方式是先把命令行按空白分割成tokens，再扫描tokens识别重定向和管道的语义。
其次，命令行的后台运行符&要求Shell不需要等待该子进程结束时立即返回提示符。所以Spawning子进程之后，父进程是否调用waitpid的时机是关键。记得为后台作业分配一个任务ID（JID），并记录它的PID和状态，否则后续jobs命令根本没法输出。
这里有个隐藏得很深的坑：fork()之后，父子进程共享文件表项。如果你在子进程里做了重定向而父进程没有恢复，后续所有命令的输出可能都会被带到同一个文件里。解决思路是在子进程分支里先做dup2改变标准输出，然后exec，exec成功之后子进程映象被替换，父进程的文件表项不受影响。
3.3 作业控制与信号处理：回调里不要干重活
信号处理是Shell Lab里最劝退的部分。你会需要处理三种信号：SIGINT（Ctrl-C）、SIGTSTP（Ctrl-Z）和SIGCHLD（子进程状态变化）。前两个信号应该发给当前前台作业组，而不是Shell自身；SIGCHLD则由父进程捕获，用于回收已经终止的后台子进程，避免僵尸进程堆积。
当时我犯过的大错误是在SIGCHLD处理器里直接调用printf，导致输出混乱、甚至程序卡死。原因很简单：信号处理器会打断主流程，如果在处理器里调用不可重入函数（比如printf、malloc），很可能和主流程的printf互相踩踏。正确做法是：在信号处理器里只要能安全地写管道或设标志位就尽量少做事，等主循环里通过pause或sigsuspend被唤醒后再统一做回收、更新作业状态。
对于SIGCHLD，更稳妥的方式是保存被回收子进程的PID和状态到一个全局结构体，然后在主循环里分发到具体的作业管理逻辑。我个人建议用sigsuspend替代pause，因为sigsuspend可以临时阻塞其他信号，避免“先收到SIGCHLD再检查子进程状态”之间的竞态窗口。
3.4 调试策略与工具
Shell Lab是最容易“看起来能运行但实际有状态管理Bug”的实验。我的经验是不要只测正常命令，要重点测试进程状态迁移：启动后台任务、Ctrl-C杀掉前台任务、Ctrl-Z挂起后台任务、再用bg恢复。我甚至写了一个测试脚本，把每个场景自动跑一遍，将Shell输出与标准Shell（比如bash）的输出做对比，虽然不完全一致，但能快速暴露遗漏。
还有一点，如果你在gdb下跑Shell Lab，遇到信号中断会特别难调。我当时的做法是给自家Shell关闭作业控制相关选项，并通过设置环境变量来切换是否启用内部信号处理，这样调试模式下可以让信号直接硬中断，方便定位卡死还是崩溃。
4. Malloc Lab：内存分配器实现与性能调优
4.1 分配器核心指标：吞吐率与利用率
Malloc Lab要求你用C实现一个动态内存分配器，替换标准malloc、free、realloc。评分公式一般是吞吐率（每秒能完成的操作数）和内存利用率（堆中分配数据所占比例）的综合，通常权重对半分。这意味着你不能只保证功能正确，还得在速度和空间之间找到平衡。
实验中给出的测试轨迹文件里有大量不同大小的分配和释放操作，甚至有realloc这种能触发移动分配的调用。我最初实现的是最简单的隐式空闲链表，只维护一个malloced块的大小字段，释放后合并相邻空闲块。这个实现的优势是简单、内存利用率高，但分配时需要从头遍历空闲块，吞吐率极低。处理大量小对象时，慢得让人怀疑人生。
后来我改成显式空闲链表，在每个空闲块里保存前后空闲块的指针，分配时跳过已分配块，遍历速度大幅提升。但这会带来一个额外开销：空闲块的头尾需要至少8字节存指针，块增长到一定大小才能同时满足对齐和指针存放下，导致小对象空间利用率下降。
4.2 选择空闲块组织方式：隐式 vs 显式 vs 分离
我把三种组织方式的实际表现整理了一下：
| 方式 | 分配速度 | 空间利用率 | 实现复杂度 |
|---|---|---|---|
| 隐式空闲链表 | 慢，遍历全部 | 高 | 低 |
| 显式空闲链表 | 快，只遍历空闲块 | 中高 | 中 |
| 分离空闲链表 | 极快，按大小类索引 | 中 | 高 |
最终我采用的是分离空闲链表：按块大小分成若干类，每类维护一个显式空闲链表。分配小对象时可以直接定位到对应大小类，而不必遍历整个堆。这个结构对Malloc Lab的性能提升非常明显，尤其是有大量大小相近的小对象分配场景。
实现时有一个细节：块大小分桶不是线性的，而是按照“2的幂次增长区间”来分。比如8、16、32、64、128、256……但要注意SIZEOF_HEADER和ALIGNMENT这些常量要精心设置，否则会破坏对齐要求，导致测试程序直接崩溃。我建议先用最保守的16字节对齐，等跑通之后再尝试调整。
4.3 具体实现：边界标记与分离链表结合
边界标记法的核心是每个块头部保存块大小和分配状态，块尾部保存相同的信息。这样释放当前块时，可以通过检查前一块的尾部状态决定是否向前合并，通过检查后一块的头部状态决定是否向后合并。分离链表把空闲块按大小归入不同链表，释放时要把该块从原链表摘出并插入新的合适链表。
合并时最容易犯的错误是指针运算错位。我花了很多时间排查一个“释放后堆损坏”的Bug，最终发现是前一块的尾部状态读取偏移写错：应该用当前块地址减去SIZE_T_SIZE去读前一块尾部，我却写成了减两倍。调试这类问题，最实用的工具是mdriver -v里的堆一致性检查，它会在每个操作后自动调用mm_checkheap，帮你快速定位堆结构被破坏的位置。
对于realloc，很多人图省事直接分配新块再拷贝旧数据。这种做法虽然正确，但如果原块后面有足够的空闲空间，完全可以原地扩展，避免一次memcpy。我优化后，大块realloc的性能提升非常明显，因为减少了复制大区块的次数。
4.4 评分导向的参数调优心得
Malloc Lab的评分公式意味着你可能需要基于测试轨迹的特点去调整分配策略。例如，如果测试轨迹里前段大量分配、后段大量释放，那么你要更注重释放时的合并效率，尽量把空闲块留在头部附近；如果测试轨迹包含大量realloc且新大小比旧大小略大一点，那么块填充时需要预留一定扩展空间。
我最后的实现里用了best-fit策略，配合分离链表，在中大型对象上的表现比first-fit好不少。不过best-fit遍历会慢，所以只在特定大小类上使用best-fit，小对象类直接用首次命中。这种折中让我在吞吐率和利用率上都能拿到不错的分数。
5. 常见问题与排查技巧实录
5.1 段错误和堆损坏的定位思路
不管是Cache Lab还是Shell Lab，新手最容易遇到的就是段错误。我的一般排查顺序是：
- 先用GDB拿到崩溃地址和调用栈，确认是解引用空指针还是野指针；
- 检查数组越界，尤其是地址位域切分时是否错误地右移了符号位；
- 在Malloc Lab里开启
mm_checkheap一致性检查，运行冲突轨迹，第一个报告异常的位置就是关键线索； - 对实在定位不了的问题，用
valgrind运行，它能告诉你泄漏和非法写。
5.2 性能始终不达标怎么办
性能类实验（Cache Lab的Part B、Malloc Lab）最容易出现“功能全对但性能分低”的尴尬。此时不要盲目改代码，而是先看数据：Cache Lab要清楚每个矩阵规模下miss数的构成，是容量未命中还是冲突未命中；Malloc Lab要看当前分配器的平均分配时间和峰值利用率。
如果你没有头绪，最简单粗暴的办法是“调参”而不是“改结构”。Cache Lab里换一下分块大小，Malloc Lab里调整一下分桶的粒度，很多时候就能跨过及格线。这时候要记得做对照组实验，一次只改一个参数，否则你根本不知道是哪个改动带来的收益。
5.3 从大作业里真正带走的能力
我在修完这门课之后反复想过，哈工大计算机系统原理大作业最珍贵的不是那点绩点，而是让你建立了一种“向下看”的直觉。哪怕后来用Python写脚本，我也会下意识去思考数据结构在内存里是怎么排布的；程序一卡顿，我会先怀疑缓存命中率而不是单纯地加机器。
如果让我给正在做这套大作业的同学一条建议：不要为了赶截止日期直接抄网上现成答案。这个沉浸式的、亲手踩坑的过程是不可替代的，你现在躲掉的每一个Bug，之后大概率会换成更痛的方式回来找你。
我自己当年最庆幸的一件事，就是认真做了Cache Lab和Malloc Lab，后面的编译原理课、操作系统课里涉及局部性优化和堆分配的内容，我理解起来几乎没费什么劲。这套大作业的深度，值得你花时间慢慢打磨。