飞腾性能调优

NUMA
21 世纪以来随着科技大步想抢进步， 信息时代来临， 5G、 云计算、 物联网等技术蓬勃发
展， 而这一切都离不开大量数据的交互以及庞大的运算， 在这其中， 电脑的“心脏”----CPU，
起到了扮演着举足轻重的作用， 但是功耗和冷却两大限制极大的影响了单核算力的发展， 为
了满足这些需求， 多核架构成为最重要的演进方向， 其中 ARM 在多核和功耗方面一直走在
世界的前列。
最早的多核处理器多使用 SMP（Symmetric Multi-Processor， 即： 对称多处理器结构） 技
术， 如图 2-1 所示， 对称多处理器结构， 是指服务器中多个 CPU 对称工作， 无主次或从属关
系， 各 CPU 共享相同的物理内存， 每个 CPU 访问内存中的任何地址所需时间是相同的， 因
此 SMP 也被称为一致存储器访问结构(UMA： Uniform Memory Access)
SMP 服务器的主要特征是共享， 系统中所有资源(CPU、 内存、 I/O 等)都是共享的。 也正
是由于这种特征， 导致了 SMP 服务器的主要问题， 那就是它的扩展能力非常有限。
对于 SMP 服务器而言， 每一个共享的环节都可能造成 SMP 服务器扩展时的瓶颈， 而最
受限制的则是内存。 由于每个 CPU 必须通过相同的内存总线访问相同的内存资源， 因此随着
CPU 数量的增加， 内存访问冲突将迅速增加， 最终会造成 CPU 资源的浪费， 使 CPU 性能的
有效性大大降低。
由于 SMP 在扩展能力上的限制， 人们开始探究如何进行有效地扩展从而构建大型系统的
技术， NUMA 就是这种努力下的结果之一， 利用 NUMA 技术， 可以把几十个 CPU(甚至上百
个 CPU)组合在一个服务器内
NUMA， 即非一致存储访问结构(NUMA： Non-Uniform Memory Access)， 是一种分布式
存储器访问方式， 处理器可以同时访问不同的存储器地址， 大幅度提高并行性。 NUMA 系统
的节点通常是由一组 CPU 和本地内存组成。 由于每个结点都有自己的本地内存， 因此全系统
的内存在物理上是分布的， 每个结点访问本地内存和访问其它结点的远地内存的延迟是不同
的。
每个核访问内存的时间取决于内存相对于处理器的位置， 访问本地内存（本节点内） 会
更快一些。 Linux 内核从 2.5 版本开始支持 NUMA 架构， 现在的操作系统也提供了丰富的
工具和接口， 帮助我们完成就近访问内存的优化和配置。 所以， 使用飞腾处理器所实现的计
算机系统， 通过适当的性能调优， 既能够达成很好的性能， 又能够解决 SMP 架构下的总线瓶
颈问题， 提供更强的多核扩展能力， 以及更好更灵活的计算能力
 

性能调优五步法
性能优化通常可以通过如下表 2-1 五个步骤完成。
表 2-1 性能优化的通用步骤

序号	步骤	说明
1	建立基准	在进行优化或者开始进行监视之前， 首先要建立一个基准数 据和优化目标。 这个基准包括硬件配置、 组网、 测试模型、 系统运行数据（CPU/内存/IO/网络吞吐/响应延时等） 。 我们 需要对系统做全面的评估和监控， 才能更好的分析系统性能 瓶颈， 以及实施优化措施后系统的性能变化。 优化目标即是 基于当前的软硬件架构所期望系统达成的性能目标。 性能调 优是一个长期的过程， 在优化工作的初期， 很容易识别瓶颈 并实施有效的优化措施， 优化成果往往也很显著， 但是越到 后期优化的难度就越大， 优化措施更难寻找， 效果也将越来 越弱。 因此我们建议有一个合理的平衡点。
2	压力测试与 监视瓶颈	使用峰值工作负载或专业的压力测试工具， 对系统进行压力 测试。 使用一些性能监视工具观察系统状态。 在压力测试期 间， 建议详细记录系统和程序的运行状态， 精确的历史记录 将更有助于分析瓶颈和确认优化措施是否有效。
3	确定瓶颈	压力测试和监视系统的目的是为了确定瓶颈。 系统的瓶颈通 常会在 CPU 过于繁忙、 IO 等待、 网络等待等方面出现。 需要注意的是， 识别瓶颈是分析整个测试系统， 包括测试工 具、 测试工具与被测系统之间的组网、 网络带宽等。 有很多 “性能危机”的项目其实是由于测试工具、 测试组网等这些很 容易被忽视的环节所导致的， 在性能优化时应该首先花一点 时间排查这些环节。
4	实施优化	确定了瓶颈之后， 接着应该对其进行优化。 本文总结了笔者 所在团队在项目中所遇到的常见系统瓶颈和优化措施。 我们 需要注意的是， 系统调优的过程是在曲折中前进， 并不是所 有的优化措施都会起到正面效果， 负优化也是经常遇到的。 所以我们在准备好优化措施的同时， 也应该准备好将优化措 施回滚的操作指导。 避免因为实施了一些不可逆的优化措施 导致重新恢复环境而浪费大量的时间和精力。