当前位置: 首页 > news >正文

ROM/FLASH/RAM

ROM(只读存储器)、RAM(随机存取存储器)和FLASH(闪存)是计算机和电子设备中常见的三种存储技术,它们在功能、特性和应用场景上存在显著差异

1. ROM(只读存储器,Read-Only Memory)

  • 特点

    • 非易失性(断电后数据不丢失)。

    • 通常用于存储固件、BIOS、引导程序等不可更改的数据。

    • 传统 ROM 只能读取,但现代 ROM(如 EEPROM、Flash)可多次擦写。

  • 常见类型

    • Mask ROM(掩模 ROM) - 出厂固化,不可修改。

    • PROM(可编程 ROM) - 只能写入一次。

    • EPROM(可擦除 PROM) - 紫外线擦除后重新编程。

    • EEPROM(电可擦除 PROM) - 可电子擦写,如 BIOS 芯片。

用途:手机固件、嵌入式系统程序、游戏卡带。


2. RAM(随机存取存储器,Random Access Memory)

  • 特点

    • 易失性(断电后数据丢失)。

    • 用于临时存储运行中的程序和数据(如操作系统、游戏、浏览器缓存)。

    • 读写速度极快,但成本较高。

  • 常见类型

    • DRAM(动态 RAM) - 需要定期刷新(如电脑内存条)。

    • SRAM(静态 RAM) - 速度更快,用于 CPU 缓存。

用途:电脑内存、手机运存(RAM)、显卡显存。


3. FLASH(闪存)

  • 特点

    • 非易失性(断电不丢数据)。

    • 多次擦写,比传统 ROM(如 EPROM)更方便。

    • 速度比 RAM 慢,但比硬盘快。

  • 常见类型

    • NOR Flash - 读取快,适合存储代码(如 BIOS)。

    • NAND Flash - 容量大,适合存储数据(如 SSD、U 盘、手机存储)。

用途:U 盘、SSD 固态硬盘、手机存储(eMMC/UFS)、SD 卡。


三者的主要区别对比

特性ROMRAMFLASH
是否掉电丢失不丢失(非易失性)丢失(易失性)不丢失(非易失性)
读写速度极快中等(比硬盘快)
可写入性通常只读(部分可写)可读写可多次擦写
主要用途固件、BIOS运行内存(临时数据)长期存储(SSD、U 盘)

总结

  • ROM → 存放固件,通常只读(如 BIOS)。

  • RAM → 临时内存,速度快但断电丢失(如电脑内存条)。

  • FLASH → 可擦写的存储介质(如 SSD、U 盘)。

http://www.dtcms.com/a/113011.html

相关文章:

  • LeetCode刷题常见的Java排序
  • 安卓开发工程师-布局设计
  • 【深度学习】嘿马深度学习目标检测教程第1篇:商品目标检测要求、目标,1.1 项目演示【附代码文档】
  • 前端判断值相等的方法和区别
  • I.MX6ULL 交叉编译环境配置与使用
  • 纯免费的零基础建站教程
  • Android使用OpenGL和MediaCodec录制
  • JDK8卸载与安装教程(超详细)
  • 122.买卖股票的最佳时机 II
  • Day2:前端项目uniapp壁纸实战
  • #SVA语法滴水穿石# (013)关于内建系统函数
  • Git三剑客:工作区、暂存区、版本库深度解析
  • 王者荣耀的游戏匹配机制
  • 《UNIX网络编程卷1:套接字联网API》第6章 IO复用:select和poll函数
  • 《算法笔记》9.8小节——图算法专题->哈夫曼树 问题 C: 哈夫曼树
  • Java中与、|与||的区别详
  • 算法刷题记录——LeetCode篇(3.9) [第281~290题](持续更新)
  • Kafka 如何调优?
  • 使用MATIO库写入Matlab稀疏矩阵数据的示例程序
  • beego文件上传
  • 【速写】Transformer-encoder-decoder深度解析
  • 8电池_多绕组反激式变压器均衡_4模式
  • AI比人脑更强,因为被植入思维模型【44】成长破圈思维
  • GRE,MGRE
  • VBA第三十八期 VBA自贡分把表格图表生成PPT
  • 借助mcpo在open-webui中使用mcp
  • Oracle Cloud (OCI) 服务器最新控制台启用 IPv6 超详细图文指南(2025最新实践)
  • 2025年 能够有效提升AI的生成质量和逻辑严谨性 的通用型系统提示
  • 使用Android Studio开发基于Java+xml的安卓app之环境搭建
  • 华为:合并LLM以减少冗余推理