सीपीयू-बाउंड का क्या अर्थ है?

"सीपीयू-बाउंड" शब्द उन कार्यभारों के लिए प्रयुक्त होता है, जिनका प्रदर्शन मुख्यतः मेमोरी, डिस्क या नेटवर्क I/O के बजाय प्रोसेसर की गति और उपलब्ध कंप्यूट चक्रों द्वारा सीमित होता है।

सीपीयू-बाउंड कार्य क्या है?

जब कोई कार्यभार सीपीयू-बाउंड (या कंप्यूट-बाउंड) होता है, तो इसका मतलब है कि इसका निष्पादन समय सीपीयू पर गणना पर निर्भर करता है। प्रक्रमकइसकी प्रगति निर्देश थ्रूपुट, क्लॉक आवृत्ति, कोर गणना और माइक्रोआर्किटेक्चरल दक्षता जैसे कारकों से बाधित होती है, न कि स्मृति, भंडारण, या नेटवर्क I/O.

व्यवहार में, प्रोफाइलर निकट-संतृप्त दिखाते हैं सी पी यू कम स्टॉल समय के साथ उपयोग, और प्रदर्शन तराजू अनुमानतः तेज कोर, अधिक कुशल निर्देश, या अतिरिक्त समानांतर थ्रेड्स के साथ, जो कि एम्डाहल के नियम और साझा संसाधनों में विवाद द्वारा निर्धारित सीमा तक हो सकते हैं।

विशिष्ट सीपीयू-बद्ध कार्यों में संख्यात्मक सिमुलेशन, एन्क्रिप्शन और दबाव, छवि/वीडियो ट्रांसकोडिंग, और तंग एल्गोरिथम लूप।

इसके विपरीत, ए I/O-बाउंड या मेमोरी-बाउंड कार्य बाहरी डिवाइस या मेमोरी विलंबता पर प्रतीक्षा में महत्वपूर्ण समय व्यतीत करता है/बैंडविड्थइसलिए, जब तक उन बाधाओं को दूर नहीं किया जाता, तब तक तेज सीपीयू बहुत कम लाभ प्रदान करते हैं।

सीपीयू-बाउंड कार्य कैसे काम करता है?

एक CPU-बद्ध प्रक्रिया अपना अधिकांश समय डेटा की प्रतीक्षा करने के बजाय निर्देशों को निष्पादित करने में व्यतीत करती है। इसकी गति इस बात पर निर्भर करती है कि प्रोसेसर कितनी कुशलता से उन निर्देशों को प्राप्त करता है, डिकोड करता है, निष्पादित करता है और हटाता है। प्रमुख निर्धारकों में क्लॉक स्पीड, पाइपलाइन गहराई, निर्देश मिश्रण (पूर्णांक बनाम फ़्लोटिंग-पॉइंट), कैश हिट दरें, और शाखा भविष्यवाणी सटीकता।

निष्पादन में तेज़ी लाने के लिए, अनुकूलन प्रति परिणाम निर्देशों की संख्या कम करने और प्रति चक्र किए गए उपयोगी कार्य को बढ़ाने पर केंद्रित होता है। तकनीकों में शामिल हैं एल्गोरिथम शोधन, वेक्टराइजेशन (SIMD या एकल निर्देश, एकाधिक डेटा), बहु सूत्रण, कंपाइलर ट्यूनिंग, और थ्रेड पिनिंग कैश लोकैलिटी में सुधार और विवाद को कम करने के लिए।

जैसे-जैसे समानांतरता बढ़ती है, कोर की संख्या और SIMD की चौड़ाई के साथ थ्रूपुट बढ़ता जाता है—जब तक कि सिंक्रोनाइज़ेशन लागत, मेमोरी विवाद, या सीरियल कोड पथ लाभ को सीमित नहीं कर देते। अंततः, CPU की वास्तुकला और कार्यभार की उसका दोहन करने की क्षमता समग्र प्रदर्शन निर्धारित करती है।

सीपीयू-बाउंड प्रक्रिया के उदाहरण

यहां कुछ ठोस मामले दिए गए हैं जहां कार्य I/O के बजाय गणना चक्रों द्वारा बाधित होता है:

• वीडियो ट्रांसकोडिंग. H.264 जैसे फ़ॉर्मेट को H.265 में बदलने में गति अनुमान, रूपांतरण, एन्ट्रॉपी कोडिंग और इन-लूप फ़िल्टरिंग शामिल हैं—ये सभी अंकगणितीय और शाखा-गहन ऑपरेशन हैं। प्रदर्शन SIMD चौड़ाई (SSE, AVX, AVX-512), कोर आवृत्ति और फ़्रेम या टाइल-स्तरीय समांतरता पर निर्भर करता है, जबकि स्ट्रीम को मेमोरी में लोड करने के बाद तेज़ स्टोरेज का बहुत कम प्रभाव पड़ता है।
• हानिरहित संपीड़न. gzip या zstd जैसे एल्गोरिदम मैचिंग फाइंडिंग और एन्ट्रॉपी कोडिंग पर निर्भर करते हैं, जिनमें कैश-रेजिडेंट डेटा के साथ पूर्णांक और बिट-स्तरीय संचालन प्रमुख होते हैं। गति में वृद्धि बेहतर एल्गोरिदम, वेक्टराइज़्ड मैचिंग रूटीन और मल्टीथ्रेडेड चंक प्रोसेसिंग से होती है।
• क्रिप्टोग्राफिक हैशिंग और हस्ताक्षर करना। SHA-2, SHA-3, Ed25519, या जैसे ऑपरेशन आरएसए अंकगणितीय तर्क इकाइयों को हैश राउंड और बड़ी संख्या वाली गणनाओं से संतृप्त करें। वे CPU क्रिप्टो एक्सटेंशन, वेक्टराइज़ेशन और बैच प्रसंस्करण एकाधिक कोर में.
• मूर्ति प्रोद्योगिकी। कन्वोल्यूशन, आकार बदलने और शोर कम करने जैसे कार्य नियमित एक्सेस पैटर्न का पालन करते हैं जो कैश टाइलिंग और SIMD त्वरण को बढ़ावा देते हैं। व्यापक वेक्टर इकाइयाँ और उच्च क्लॉक गति, तेज़ डिस्क की तुलना में प्रति पिक्सेल समय को कहीं अधिक प्रभावी ढंग से कम करती हैं।

मैं कैसे जानूं कि मैं CPU-बाउंड हूं?

संक्षेप में, आप CPU-बद्ध हैं जब प्रगति इस बात पर सीमित होती है कि प्रोसेसर कितनी तेज़ी से निर्देशों को निष्पादित कर सकता है, न कि डिस्क, नेटवर्क या अन्य I/O पर प्रतीक्षा करने पर। इसे ठीक से कैसे पहचानें:

सिस्टम संकेतक

एक सीपीयू-बाउंड सिस्टम एक या अधिक कोर पर उच्च प्रोसेसर उपयोग (अक्सर 100% के करीब) दिखाता है, जबकि I/O गतिविधि कम रहती है।

• लिनक्स पर, टॉप या एचटॉप जैसे उपकरण उच्च प्रतिशत दिखाएंगे उपयोगकर्ता (%us) और सिस्टम (%sy) फ़ील्ड, लेकिन कम मान I/O प्रतीक्षा (%wa). vmstat 1 कमांड को भी कम “wa” प्रदर्शित करना चाहिए, और iostat -xz 1 न्यूनतम डिस्क उपयोग दिखाएगा।
• विंडोज परटास्क मैनेजर सीपीयू को 100% या उसके आसपास होने की रिपोर्ट देगा, जबकि डिस्क और नेटवर्क का उपयोग सामान्य रहेगा। रिसोर्स मॉनिटर कम "डिस्क कतार लंबाई" के साथ इसकी पुष्टि करेगा।
• MacOS पर, गतिविधि मॉनिटर उच्च CPU प्रतिशत का उपभोग करने वाली प्रक्रियाओं को दिखाएगा, जबकि डिस्क और नेटवर्क पैन न्यूनतम गतिविधि का संकेत देंगे।

एक और संकेत है कतार दबाव चलाएंलिनक्स पर, यदि लोड औसत (अपटाइम कमांड के माध्यम से दिखाई देता है) उपलब्ध कोर या थ्रेड की संख्या से लगातार अधिक रहता है, तो यह सीपीयू संतृप्ति का सुझाव देता है।

प्रोफाइलर्स भी इसकी पुष्टि करने में मदद करते हैं: जब वॉल-क्लॉक का अधिकांश समय रीड, रिसीव, पोल या स्लीप जैसे सिस्टम कॉल को ब्लॉक करने के बजाय यूजर-स्पेस फंक्शन्स (टाइट लूप्स या अंकगणितीय रूटीन) में व्यतीत होता है, तो कार्यभार सीपीयू-बाउंड होता है।

त्वरित प्रयोग

आप यह सत्यापित करने के लिए छोटे प्रयोग कर सकते हैं कि क्या प्रोसेसर ही सीमित कारक है।

• सीपीयू की गति बदलें. यदि क्लॉक स्पीड में ±10% परिवर्तन (पावर प्लान समायोजन, टर्बो बूस्ट टॉगलिंग, या सीपीयू स्केलिंग के माध्यम से) के परिणामस्वरूप कुल रनटाइम में लगभग समान प्रतिशत परिवर्तन होता है, तो कार्य सीपीयू-बाउंड है।
• थ्रेड जोड़ें या हटाएँ. यदि प्रदर्शन अतिरिक्त थ्रेड्स के साथ भौतिक कोर की संख्या तक बढ़ता है - फिर सिंक्रोनाइजेशन ओवरहेड या एम्डाहल के नियम के कारण समतल हो जाता है - तो सीमा गणना क्षमता में है।
• I/O की गति बढ़ाएँ. यदि डेटा को तीव्र भंडारण (RAM डिस्क, SSD, या उच्च बैंडविड्थ नेटवर्क) में ले जाने से निष्पादन समय कम नहीं होता है, तो समस्या I/O में नहीं है।
• कार्य सेट को कम करें. यदि डेटा लोकैलिटी या टाइलिंग में सुधार करने से भंडारण गति में परिवर्तन किए बिना प्रदर्शन में लाभ मिलता है, तो सीमा CPU या मेमोरी पदानुक्रम दक्षता में है, न कि बाह्य I/O में।

गहन निदान

हार्डवेयर प्रदर्शन काउंटर और सैंपलिंग प्रोफाइलर बता सकते हैं किस प्रकार सीपीयू-बाउंड व्यवहार घटित हो रहा है।

• हार्डवेयर काउंटर का उपयोग करना (लिनक्स पर पूर्ण विवरण, विंडोज़ पर डब्ल्यूपीए/ईटीडब्ल्यू, मैकओएस पर उपकरण):
  • पूर्ण कोर उपयोग के साथ प्रति चक्र उच्च निर्देश (IPC) एक शुद्ध कंप्यूट-बाउंड कार्य को इंगित करता है, जिसमें ALU, FPU, या SIMD थ्रूपुट का प्रभुत्व होता है।
  • कई रुके हुए चक्रों और लगातार अंतिम-स्तरीय कैश (एलएलसी) के साथ कम आईपीसी, मेमोरी-बाउंड परिदृश्य की ओर इशारा करता है, जहां देरी बाहरी I/O के बजाय DRAM विलंबता या बैंडविड्थ के कारण होती है।
• प्रोफाइलर्स का उपयोग करना (परफेक्ट रिकॉर्ड/रिपोर्ट, py-spy, dotnet-trace, gprof, जावा फ्लाइट रिकॉर्डर):
  संख्यात्मक कर्नेल, एनकोडिंग लूप या हैशिंग रूटीन में लम्बे फ्लेम स्टैक, कर्नेल I/O पथ में न्यूनतम समय के साथ मिलकर यह पुष्टि करते हैं कि प्रक्रिया कंप्यूट-बाउंड है।

आम समस्याएं

उच्च CPU उपयोग की व्याख्या करते समय सावधान रहें - इसका हमेशा यह मतलब नहीं होता कि कार्यभार कम्प्यूट-बाउंड है।

• कैश-मिस तूफान सीपीयू को व्यस्त दिखा सकता है जबकि वह वास्तव में मेमोरी की प्रतीक्षा कर रहा होता है, जो मेमोरी-बाउंड समस्या का संकेत देता है। ऐसे मामलों में, डेटा लेआउट, टाइलिंग या मेमोरी बैंडविड्थ में सुधार करना कोर जोड़ने से ज़्यादा प्रभावी होता है।
• एकल-थ्रेड अड़चनें यह तब होता है जब एक थ्रेड अधिकतम क्षमता पर होता है जबकि कुल CPU उपयोग 100% से कम रहता है। यह दर्शाता है कि कार्यभार क्रमिक निष्पादन द्वारा सीमित है; समानांतरता जोड़ने या उस थ्रेड के कोड को अनुकूलित करने से मदद मिल सकती है।
• पृष्ठभूमि I/O कभी-कभी ब्लॉकिंग गतिविधि के छोटे-छोटे विस्फोटों के पीछे छिप सकता है। यह निष्कर्ष निकालने से पहले कि कोई प्रक्रिया पूरी तरह से CPU-बाउंड है, हमेशा I/O प्रतीक्षा प्रतिशत या डिस्क मेट्रिक्स की जाँच करें।

मैं CPU बाउंड प्रदर्शन कैसे सुधार सकता हूँ?

सीपीयू-बाउंड कार्यभार को गति देने के लिए यहां एक सरल, व्यावहारिक तरीका दिया गया है:

1. आधार रेखा स्थापित करने के लिए प्रोफ़ाइल बनाएं। सैंपलिंग प्रोफाइलर और हार्डवेयर काउंटर का उपयोग करके हॉट स्पॉट, इंस्ट्रक्शन मिक्स (IPC), और स्टॉल कारणों की पहचान करें। इससे आपको इनपुट और बिल्ड फ्लैग को ठीक करने, थ्रेड्स को कोर से पिन करने, और बैकग्राउंड टास्क को शांत करने में मदद मिलेगी जिससे थ्रूपुट बेहतर होगा। एक ठोस बेसलाइन के साथ, आपको ठीक-ठीक पता होगा कि साइकल कहाँ जाते हैं, हेडरूम और स्केलिंग सीमाएँ (जैसे, एम्डहल का नियम) निर्धारित कर पाएँगे, और बिना किसी काल्पनिक लाभ के एल्गोरिथम, SIMD, और पैरेललिज़्म ट्वीक्स के प्रभाव को आत्मविश्वास से माप पाएँगे।
2. पहले एल्गोरिथ्म को ठीक करें. गणनाओं को कैश-फ्रेंडली और वेक्टराइज़ेबल बनाने के लिए पुनर्गठित करें (गिरी फ़्यूज़न, SoA लेआउट, स्थिर/अनुमानित गणित) ताकि कंपाइलर कम शाखाओं वाले टाइट SIMD लूप्स उत्सर्जित कर सके। ये एल्गोरिथम सुधार प्रति परिणाम निर्देशों को कम करते हैं, जिसके परिणामस्वरूप गुणात्मक गति में वृद्धि होती है जो माइक्रो-ट्यूनिंग को बौना बना देती है, CPU में स्केल करती है, और क्रम और लागत।
3. डेटा को कैश-फ्रेंडली और वेक्टराइज़ेबल बनाएं। SIMD एक ही निर्देश में कई डेटा तत्वों पर एक ही ऑपरेशन निष्पादित करता है, इसलिए इसके लिए पूर्वानुमानित, निरंतर मेमोरी एक्सेस और स्वतंत्र पुनरावृत्तियों की आवश्यकता होती है। लूप टाइलिंग और बफर संरेखण के साथ डेटा लेआउट का पुनर्गठन (जैसे संरचनाओं की एक सरणी को सरणी की संरचना में परिवर्तित करना), कंपाइलर और हार्डवेयर को स्वच्छ, संरेखित लोड और संग्रहण करने में मदद करता है। इससे गैदर या स्कैटर ऑपरेशन की आवश्यकता कम हो जाती है, कैश और ट्रांसलेशन लुकअसाइड बफर (TLB) लोकैलिटी में सुधार होता है, और ब्रांच खतरों को न्यूनतम किया जाता है।
4. समानांतरीकरण और विवाद पर अंकुश लगानाकार्य को स्वतंत्र खंडों में विभाजित करें, साझाकरण को न्यूनतम करें, और थ्रेड गणना को भौतिक कोर के साथ पूरक करें। विवाद को कम करने के लिए, लॉक-मुक्त/स्ट्राइप तकनीकों, प्रति-थ्रेड बफ़र्स और बैच एटॉमिक्स का उपयोग करें। सामान्यतः, आपको वैश्विक क्यू की तुलना में कार्य चोरी को प्राथमिकता देनी चाहिए क्योंकि आप कार्यों और डेटा को कोर तक ही सीमित रखेंगे, साथ ही संतुलन भार गतिशील रूप से निचले स्तर पर समयबद्धन उपरि.
5. प्लेटफ़ॉर्म को ट्यून करेंक्रॉस-सॉकेट ट्रैफ़िक से बचने के लिए थ्रेड्स और डेटा को विशिष्ट CPU सॉकेट्स से बाँधें। जहाँ उपयुक्त हो, प्रीफ़ेचिंग का उपयोग करें और अधिकतम क्लॉक स्पीड बनाए रखने के लिए लिंक-टाइम ऑप्टिमाइज़ेशन, प्रोफ़ाइल-गाइडेड ऑप्टिमाइज़ेशन और उच्च-प्रदर्शन पावर प्लान सक्षम करें। ये चरण अमूर्तन को सरल बनाने में मदद करते हैं, खासकर तंग कम्प्यूटेशनल लूप्स में।
6. अनुकूलन और पुनरावृत्ति करें. रनटाइम सेटिंग्स को तदनुसार समायोजित करने के लिए लगातार प्रदर्शन की जाँच करें। उदाहरण के लिए, यदि लाभ स्थिर हो जाता है, तो उपयुक्त कर्नेल को ऑफ़लोड करें GPUs या विचार करें हार्डवेयर उन्नयन (उच्चतर आईपीसी/क्लॉक, व्यापक सिमडी, अधिक कोर)।

सीपीयू-बाउंड प्रक्रिया को पहचानना क्यों महत्वपूर्ण है?

यह समझना कि कब कोई कार्यभार CPU-बद्ध होता है, यह निर्धारित करने में मदद करता है कि अनुकूलन प्रयासों और संसाधनों पर कहाँ ध्यान केंद्रित किया जाए। जब ​​निष्पादन समय मुख्य रूप से गणना पर निर्भर करता है, तो एल्गोरिदम, डेटा लोकैलिटी, वेक्टराइज़ेशन और पैरेलेलिज़्म में सुधार से मापनीय प्रदर्शन लाभ प्राप्त होते हैं, जबकि तेज़ डिस्क या नेटवर्क बहुत कम लाभ प्रदान करते हैं। इस अंतर को समझने से गलत निदान से बचाव होता है, ट्यूनिंग समय कम होता है, और उच्च निर्देश थ्रूपुट, क्लॉक स्पीड या कोर काउंट के माध्यम से पूर्वानुमानित स्केलिंग संभव होती है—ये कारक विलंबता और थ्रूपुट आवश्यकताओं को पूरा करने के लिए आवश्यक हैं।

क्षमता-नियोजन के दृष्टिकोण से, CPU-बद्ध व्यवहार की पहचान आकार और लागत संबंधी निर्णयों का मार्गदर्शन करती है। cloud वातावरण, यह CPU-अनुकूलित इंस्टेंस प्रकारों और उपयुक्त वर्चुअल CPU गणनाओं के चयन का समर्थन करता है। ऑन-प्रिमाइसेस परिनियोजनों में, यह कैश क्षमता, वेक्टर चौड़ाई और क्लॉक आवृत्ति जैसे हार्डवेयर विकल्पों के साथ-साथ बिजली और शीतलन प्रावधानों को भी सूचित करता है। यह आर्किटेक्चर को भी प्रभावित कर सकता है, जिससे गणना-गहन सेवाओं को अलग करने या अंकगणितीय तीव्रता के औचित्य के अनुसार GPU पर ऑफलोड करने की आवश्यकता पड़ सकती है।

सीपीयू बाउंड FAQ

यहां सीपीयू बाउंड के बारे में सबसे अधिक पूछे जाने वाले प्रश्नों के उत्तर दिए गए हैं।

CPU-बाउंड बनाम I/O-बाउंड क्या है?

आइए CPU बाउंड और I/O बाउंड की तुलना करके उनके अद्वितीय गुणों के बारे में जानें।

क्या कोई प्रोग्राम CPU-बाउंड और I/O-बाउंड दोनों हो सकता है?

हां, कई प्रोग्राम CPU-बाउंड और I/O-बाउंड चरणों के बीच वैकल्पिक होते हैं या विभिन्न संसाधनों द्वारा सीमित समवर्ती घटकों को शामिल करते हैं।

उदाहरण के लिए, एक एनालिटिक्स पाइपलाइन डेटा को इन्जेक्ट या पार्स करते समय I/O-बाउंड हो सकती है, लेकिन एग्रीगेशन या मॉडल स्कोरिंग के दौरान CPU-बाउंड हो सकती है। इसी तरह, एक वेब सेवा डेटाबेस पर प्रतीक्षा करते समय समय बिता सकती है (I/O-बाउंड), फिर भी डेटा को एग्रीगेट या मॉडल स्कोरिंग के दौरान CPU-बाउंड हो सकती है। टीएलएस हैंडशेक या डेटा संपीड़न.

कौन सी बाधा हावी है, यह प्रसंस्करण चरण, कार्यभार आकार, डेटा लोकेलिटी, तथा एसिंक्रोनस I/O, प्रीफेचिंग, या डबल-बफरिंग जैसी तकनीकों के माध्यम से गणना और I/O को कितनी प्रभावी रूप से ओवरलैप किया जाता है, पर निर्भर करता है।

क्या सीपीयू-बाउंड या जीपीयू-बाउंड होना बेहतर है?

इनमें से कोई भी स्वाभाविक रूप से "बेहतर" नहीं है। CPU-बाउंड या GPU-बाउंड होने से आपको बस यह पता चलता है कि अड़चन कहाँ है। आप उस घटक पर अड़चन चाहते हैं जो आपके कार्य के लिए प्रति सेकंड सबसे अधिक कार्य करता है। लक्ष्य उस घटक पर सीमा कारक स्थापित करना है जो दिए गए कार्य के लिए प्रति सेकंड सबसे अधिक कार्य करता है।

ग्राफ़िक्स रेंडरिंग और बड़े पैमाने पर समानांतर कार्यभार के लिए जैसे यंत्र अधिगम प्रशिक्षण, सघन रैखिक बीजगणित, या किरण अनुरेखण (रे ट्रेसिंग) के लिए, आमतौर पर GPU-बद्ध होना बेहतर होता है, क्योंकि GPU बहुत अधिक थ्रूपुट प्रदान करते हैं। इन मामलों में, CPU की भूमिका डेटा और कमांड को कुशलतापूर्वक प्रदान करना है ताकि GPU का पूरा उपयोग हो सके।

ऐसे कार्यभार जो शाखा-भारी, विलंब-संवेदनशील, या केवल मामूली समानांतर हों, उनके लिए CPU-बद्ध होना सामान्य और अपेक्षित है। व्यवहार में, उद्देश्य प्राथमिक प्रसंस्करण इकाई (अक्सर समानांतर अनुप्रयोगों में GPU) को संतृप्त रखना है, जबकि डेटा तैयारी में देरी, I/O प्रतीक्षा, या कर्नेल लॉन्च ओवरहेड जैसे अपस्ट्रीम स्टॉल को कम से कम करना है, यह सुनिश्चित करते हुए कि कोई भी उपकरण निष्क्रिय न रहे।

क्या RAM बढ़ाने से CPU-बाउंड प्रदर्शन ठीक हो सकता है?

आमतौर पर नहीं। ज़्यादा मेमोरी जोड़ने से सीपीयू-बाउंड वर्कलोड में तेज़ी नहीं आती, क्योंकि सीमा मेमोरी क्षमता के बजाय निर्देश थ्रूपुट में होती है।

अतिरिक्त RAM केवल विशिष्ट मामलों में ही लाभदायक होती है: जब सिस्टम डिस्क पर पेजिंग कर रहा हो, जब डेटा स्पिल को रोकने के लिए बड़े इन-मेमोरी डेटासेट या बफ़र्स की आवश्यकता हो, या जब उच्च समवर्तीता समग्र मेमोरी की माँग को बढ़ा दे। अधिकांश मामलों में, बेहतर एल्गोरिदम, वेक्टराइज़ेशन और पैरेलेलिज़्म के माध्यम से पहले कंप्यूटेशन को अनुकूलित करना अधिक प्रभावी होता है, और मेमोरी बढ़ाने पर केवल तभी विचार करें जब प्रदर्शन प्रोफ़ाइल में स्वैपिंग या मेमोरी दबाव दिखाई दे जो CPU की अड़चन को अस्पष्ट कर दे।