本節書摘來自異步社群《作業系統真象還原》一書中的第0章，第0.25節，作者：鄭鋼著，更多章節内容可以通路雲栖社群“異步社群”公衆号檢視
指令集是什麼？表面上看它是一套指令的集合。集合的意思顯而易見，那咱們說說什麼是指令。
在計算機中，cpu隻能識别0、1這兩個數，甚至它都不知道數是什麼，它隻知道要麼“是”，要麼“不是”，恰好用0、1來表示這兩種狀态而已。
人發明的東西逃不出人的思維，是以，先看看我們人類的語言是怎麼回事。
不同的語言對同一種事物有不同的名字，這個名字其實就是代碼。比如說人類的好朋友：狗，咱們在中文裡稱之為狗，但在英文中它被稱為dog，雖然用了兩種語言，但其描述的都是這種會汪汪叫、對人類無比忠誠的動物。人是怎樣識别小狗的呢？識别資訊來自聽覺、視覺等，這是因為人天生具備處理聲音和圖像的能力，能夠識别出各種不同的聲音和顔色不同的圖像。可是計算機隻能處理0、1這兩個數，是以讓計算機識别某個事物，隻有用01這兩個數來定義。也就是說，要用0、1來為各種事物編碼。
為了更好地說明指令集，咱們這裡不再用現有的語言舉例子，當然也不是要自創指令集。下面舉個簡單的例子來示範指令集的模型。
咱們拿表達式a=b+c為例。假設a、b、c都是記憶體變量的值，它們的位址分别是0x3000、0x3004、0x3008。在此用ra表示寄存器a，rb表示寄存器b，rc表示寄存器c。
完成這個加法的步驟是先将b和c載入到ra和rb寄存器中，再将兩個寄存器的值相加後送入寄存器ra，之後再将寄存器ra的值寫入到位址為0x3000的記憶體中。
步驟有了，咱們再設計完成這些步驟的指令。
步驟1：将記憶體中的資料載入到寄存器，咱們假設它的指令名為load。
步驟2：兩個寄存器的加法指令，假設指令名為add。
步驟3：将寄存器中的内容存儲到記憶體，假設指令名為store。
以上指令名都是假設的，名字可以任意取，因為cpu不識别指令名。指令名是編譯器用來給人看的，為的是友善人來程式設計，cpu它隻認編碼。目前cpu中的指令，無論是哪種指令集，都由操作碼和操作數兩部分組成（有些指令即使指令格式中沒有列出操作數，也會有隐含的操作數）。咱們也采用這種操作碼+操作數的思路，分别為這兩部分編碼。
咱們先為操作碼設計編碼。
接下來為操作數編碼，操作數一般是立即數、寄存器、記憶體等，咱們這裡主要是為寄存器編碼。
好啦，操作碼和操作數都有了，其實指令集已經完成了。不過在一長串的二進制01中，哪些是操作碼，哪些是操作數呢？這就是指令格式的由來啦。我們人為規定個格式，規定操作碼和操作數的大小及位置，然後在cpu硬體電路中寫死這些規則，讓cpu在硬體一級上識别這些格式，進而能識别出操作碼和操作數。
假設我們的指令格式最大支援三個寄存器參數和一個立即數參數。其中操作碼和各寄存器操作數各占1位元組，立即數部分占4位元組。各條指令并不是完全按照此格式填充，不同的指令有不同的參數，隻有操作碼部分是固定的，其他操作數部分是可選的。當cpu在譯碼階段識别出操作碼後，cpu自然知道該指令需要什麼樣的操作數，這是寫死在硬體電路中的，是以不同的指令其機器碼長度很可能不一緻。
為了示範指令集模型，我們在上面假設了寄存器名、指令名、格式。按理說這對于指令集來說已經全了，不過，為友善咱們了解編譯器，不如咱們再假設個指令的文法吧，咱們這裡學習intel的文法格式：“指令目的操作數，源操作數”。目的操作數在左，源操作數在右，此指派順序比較直覺。intel想表達的是 a=b這種語序，如a=b，便是mov a，b。
以上三個步驟的機器碼按照十六進制表示為：
以上自定義的指令便是按照咱們假設的文法來生成的。對于機器碼的大小，由于指令不同，需要的操作數也不同，是以機器碼大小也不同。另外，機器碼中的立即數是按照x86架構的小端位元組序寫的，這一點大家要注意。小端位元組序是數值中的低位在低位址，高位在高位址，數位以位元組為機關。前面有一小節說明大小端位元組序問題。
步驟2的機器碼為01 00 01 10。操作碼占1位元組，cpu識别出第1位元組的二進制01是add指令，知道此指令的操作數是3個寄存器，并且第1個寄存器操作數是目的寄存器，另外兩個寄存器是源操作數（這都是我們假定的，并且是寫死在硬體中的規則，不同的指令有不同的規則，您也可以創造出記憶體和寄存器混合作為操作數的加法指令）。于是到第2位元組去讀取寄存器編碼，發現其值為二進制00，就是寄存器ra對應的編碼。接着到下一個位元組處繼續讀出寄存器編碼，發現是二進制01，也就是寄存器rb，rc同理。于是将寄存器rb和rc的值相加後存入到寄存器ra。
步驟3中，機器碼為10 00 0c300000，cpu讀取機器碼的第1 位元組發現其為二進制10，知道其為指令store，于是便确定了，目的操作數是個立即數形式的記憶體位址，源操作數是個寄存器。接着到指令格式中的寄存器操作數1的位置去讀取寄存器編碼，發現其值為00，這就是寄存器ra的編碼。機器碼中剩下的部分便作為立即數，這樣便将寄存器ra的值寫入到記憶體0x0000300c中了。
以上指令集的模型，确實太過于簡單了，也許稱之為模型都非常勉強。現實中的指令格式要遠遠複雜得多。下面我們看看目前世面上的指令集有哪些。
最早的指令集是cisc（complex instruction set computer），意為複雜指令集計算機。從名字上看，這套指令集相當複雜，當初這套指令集問世的時候，它的研發者們都沒想過要給它起名，隻是因為後來出現了相對精簡高效的指令集，是以人們為了加以區分，才将最初的這套相對複雜的指令集命名為cisc，而後來精簡高效的指令集稱為risc（reduced instruction set computer）。
cisc和risc并不是具體的指令集，而是兩種不同的指令體系，相當于指令集中的門派，是指令的設計思想。舉個例子，就像中醫與西醫，中醫講究從整體上調理身體，西醫則更多的是偏向局部。這就是兩種不同的醫療思路，類似于cisc和risc這兩種指令體系。那什麼是指令集呢？拿中醫舉例，像華佗、張仲景這兩位醫聖，他們雖然都是基于中醫的思想治病，但醫術各有特色，水準也不盡相同，這就相當于不同的指令集。一會兒咱們會介紹具體的指令集。
為什麼說cisc複雜呢？
首先，因為它是最早的指令集，當初都是摸着石頭過河，肯定有一些瑕疵在裡面。其次，當初的程式員都是用彙編語言開發程式，他們當然希望彙編語言強大啦，盡量多一些指令，盡量一個指令能多幹幾件事，是以指令集中的指令越來越多，越來越複雜。不過這樣的好處是程式員同學很爽。最後，cisc是intel使用的指令集，intel公司在相容性方面做得最好，指令集在發展的過程中，還要相容過去有瑕疵的古董，以至于最後的指令集變得有點“奇形怪狀”了。
作為後起之秀的risc，借鑒了前輩cisc的經驗，取其精華，棄其糟粕，當然要更好更輕量啦。它是怎麼來的呢？
cisc不是做得很全很強嗎，可是很多時候，程式員并不會用到那些複雜的指令和尋址方式，即使用到了，編譯器有時候為了優化，未必“全”将其編譯為複雜的形式。這就導緻了cpu中的複雜的指令和尋址方式無用武之地。根據二八定律，指令集中20%的簡單指令占了程式的80%，而指令集中80%的複雜指令占了程式的20%。根據這個特性，處理器及指令集被重新設計，保留了那些基本常用的指令，減少了硬體電路的複雜性。這樣，大部分指令都能在一個時鐘周期内完成，更有利于提升流水線的效率。而且，指令采用了定長編碼，這樣譯碼工作更容易了。由于其太優秀了，後來的處理器，如mips，arm，power都采用risc指令體系，做得最好的就是mips處理器，它嚴格遵守risc思想，業界公認其優雅。
我們常用的cpu是intel和amd公司的産品，它們用的指令集便是基于cisc思想的x86。amd的x86指令架構是intel授權給他們的，為差別于此，intel在官方手冊上稱自己的指令集為ia32。
雖然amd采用的也是x86指令集，但intel可沒把硬體實作方法也告訴amd，否則amd的cpu和intel的cpu不就完全一樣了嗎，人家intel也不肯呢。指令集是一套約定，裡面規定的是有哪些指令、指令的二進制編碼、指令格式等，如何實作這套約定，這是硬體自己的事。打個比方，這就像和朋友約好了在某餐廳吃飯，咱是坐車去，還是走着去，這是咱們的事，與吃飯是無關的。說白了，在intel的cpu上運作的軟體也能夠在amd的cpu上運作，原因就是它們共用了同用一套指令集，也就是對二進制編碼達成了共識。它們面對相同的需求，可能采取了不同的行動，但都完成了任務。比如機器碼是b80000，intel的cpu經過譯碼，知道這是将0指派給寄存器ax，相當于彙編語言mov ax，0。amd的cpu在譯碼時，也得将此機器碼認為是将0指派給寄存器ax。至于它們在實體上是怎麼将0傳入寄存器ax中的，這是它們各自實作的方式，與指令集無關。它們各自實作的方式，就叫微架構。
總結一下，指令集是具體的一套指令編碼，微架構是指令集的實體實作方式。
發展到後來，x86指令集越來越複雜。它本屬于cisc體系，但由于效率低下，最終在其内部實作上采取了risc核心，即一條cisc指令在譯碼時，分解成多條risc指令，這樣其執行效率便可與risc媲美啦。
目前市面上常見的指令集有五種，除x86是cisc指令體系外，arm、mips、power、c6000都是risc指令體系的指令集。
cpu與指令集是對應的，一種cpu隻能識别一種指令集，是以很多cpu都以其支援的指令集來稱呼。比如arm、mips，它們本身是cpu名稱，又是指令集名稱。
arm主要用在手機中，作為手機的處理器。power是ibm用于伺服器上的處理器。c6000是數字信号處理器，廣泛用于視訊處理。而mips雖然本身很優秀，但其在各領域起步都較晚，并沒有廣泛應用的領域。
由于mips本身的優越性，龍芯用的就是mips指令集，有沒有人問，為什麼咱們自主研發的cpu還要用人家國外的指令集？就不能也研發出一套指令集嗎？能倒是能，不過語言不通用。就像我自己可以發明一門語言，語言本身沒什麼問題，問題是我用自己發明的語言和别人交流，誰聽得懂呢，誰又願意去學這門語言呢？大家都很忙，不通用的東西沒人願意花精力去學。如果龍芯也自立門戶創造新的指令集，那有誰願意給它寫編譯器呢？即使有了編譯器，作業系統也要重新編譯釋出，應用程式也要重新編譯釋出，指令集背後不僅是個計算機生态鍊，更重要的是全球經濟鍊。
平時所說的程式設計語言，雖然其上層表現各異，歸根結底是要在具體的cpu上運作的，是以必須由編譯器按照該cpu的指令集，翻譯成符合該cpu的指令。說到這，不得不說一下交叉編譯，本質上交叉編譯就是用在a平台上運作的編譯器，編譯出符合b平台cpu指令集的程式，編譯出的程式直接能在b平台上運作啦。這裡的平台指的就是cpu指令體系結構。