本篇文章給大家?guī)砝瞝inux中numa架構介紹的相關知識，希望對大家有幫助。

以下案例基于 Ubuntu 16.04，同樣適用于其他的 Linux 系統(tǒng)。我使用的案例環(huán)境如下所示：

機器配置：32 CPU，64GB 內存

在NUMA中儲存層次的概念：

1）處理器層:單個物理核，稱為處理器層。2）本地節(jié)點層:對于某個節(jié)點中的所有處理器，此節(jié)點稱為本地節(jié)點。3）home節(jié)點層:與本地節(jié)點相鄰的節(jié)點稱為home節(jié)點。4）遠程節(jié)點層:非本地節(jié)點或鄰居節(jié)點的節(jié)點，稱為遠程節(jié)點。CPU訪問不同類型節(jié)點內存的速度是不相同的，訪問本地節(jié)點的速度最快，訪問遠端節(jié)點的速度最慢，即訪問速度與節(jié)點的距離有關，距離越遠訪問速度越慢，此距離稱作Node Distance。應用程序要盡量的減少不同CPU模塊之間的交互，如果應用程序能有方法固定在一個CPU模塊里，那么應用的性能將會有很大的提升。

**以鯤鵬920處理器講一下cpu芯片的的構成：**鯤鵬920處理器片上系統(tǒng)的每個超級內核集群包含6個內核集群、2個I/O集群和4個DDR控制器。每個超級內核集群封裝成一個CPU晶片。每個晶片上集成了4個72位（64位數(shù)據(jù)加8位ECC）、數(shù)據(jù)傳輸率最高為3200MT/s的高速DDR4通道，單晶片可支持最多512GB×4的DDR存儲空間。L3 Cache在物理上被分為兩部分：L3 Cache TAG和L3 Cache DATA。L3 Cache TAG集成在每個內核集群中，以降低監(jiān)聽延遲。L3 Cache DATA則直接連接片上總線。Hydra根代理（Hydra Home Agent，HHA）是處理多芯片系統(tǒng)Cache一致性協(xié)議的模塊。POE_ICL是系統(tǒng)配置的硬件加速器，一般可以用作分組順序整理器、消息隊列、消息分發(fā)或者實現(xiàn)某個處理器內核的特定任務等。此外，每個超級內核集群在物理上還配置了一個通用中斷控制器分發(fā)器（GICD）模塊，兼容ARM的GICv4規(guī)范。當單芯片或多芯片系統(tǒng)中有多個超級內核集群時，只有一個GICD對系統(tǒng)軟件可見。

numactl的使用

Linux提供了一個一個手工調優(yōu)的命令numactl（默認不安裝），在Ubuntu上的安裝命令如下：

sudo apt install numactl -y

首先你可以通過man numactl或者numactl –h了解參數(shù)的作用與輸出的內容。查看系統(tǒng)的numa狀態(tài)：

numactl --hardware

運行得到如下的結果：

available: 4 nodes (0-3) node 0 cpus: 0 1 2 3 4 5 6 7 node 0 size: 16047 MB node 0 free: 3937 MB node 1 cpus: 8 9 10 11 12 13 14 15 node 1 size: 16126 MB node 1 free: 4554 MB node 2 cpus: 16 17 18 19 20 21 22 23 node 2 size: 16126 MB node 2 free: 8403 MB node 3 cpus: 24 25 26 27 28 29 30 31 node 3 size: 16126 MB node 3 free: 7774 MB node distances: node   0   1   2   3   0:  10  20  20  20   1:  20  10  20  20   2:  20  20  10  20   3:  20  20  20  10

根據(jù)這個圖與命令得到的結果，可以看到，此系統(tǒng)共有4個node，各領取8個CPU和16G內存。 這里還需要注意的就是CPU共享的L3 cache也是會自己領取相應的空間。通過numastat命令可以查看numa狀態(tài),返回值內容：

numa_hit：是打算在該節(jié)點上分配內存，最后從這個節(jié)點分配的次數(shù);

numa_miss：是打算在該節(jié)點分配內存，最后卻從其他節(jié)點分配的次數(shù);

numa_foreign：是打算在其他節(jié)點分配內存，最后卻從這個節(jié)點分配的次數(shù);

interleave_hit ：采用interleave策略最后從本節(jié)點分配的次數(shù)

local_node：該節(jié)點上的進程在該節(jié)點上分配的次數(shù)

other_node：是其他節(jié)點進程在該節(jié)點上分配的次數(shù)

注：如果發(fā)現(xiàn) numa_miss 數(shù)值比較高時，說明需要對分配策略進行調整。例如將指定進程關聯(lián)綁定到指定的CPU上，從而提高內存命中率。

root@ubuntu:~# numastat                            node0           node1           node2           node3 numa_hit             19480355292     11164752760     12401311900     12980472384 numa_miss                5122680       122652623        88449951            7058 numa_foreign           122652643        88449935            7055         5122679 interleave_hit             12619           13942           14010           13924 local_node           19480308881     11164721296     12401264089     12980411641 other_node               5169091       122684087        88497762           67801

NUMA的內存分配策略

–localalloc或者-l：規(guī)定進程從本地節(jié)點上請求分配內存。–membind=nodes或者-m nodes：規(guī)定進程只能從指定的nodes上請求分配內存。–preferred=node：指定一個推薦的node來獲取內存，如果獲取失敗，則嘗試別的node。–interleave=nodes或者-i nodes：規(guī)定進程從指定的nodes上，以round robin算法交織地請求內存分配。

 numactl --interleave=all mongod -f /etc/mongod.conf

因為NUMA默認的內存分配策略是優(yōu)先在進程所在CPU的本地內存中分配，會導致CPU節(jié)點之間內存分配不均衡，當開啟了swap，某個CPU節(jié)點的內存不足時，會導致swap產(chǎn)生，而不是從遠程節(jié)點分配內存。這就是所謂的swap insanity 現(xiàn)象?；驅е滦阅芗眲∠陆?。所以在運維層面，我們也需要關注NUMA架構下的內存使用情況（多個內存節(jié)點使用可能不均衡），并合理配置系統(tǒng)參數(shù)（內存回收策略/Swap使用傾向），盡量去避免使用到Swap。

Node->Socket->Core->Processor

隨著多核技術的發(fā)展，將多個CPU封裝在一起，這個封裝被稱為插槽Socket；Core是socket上獨立的硬件單元；通過intel的超線程HT技術進一步提升CPU的處理能力，OS看到的邏輯上的核Processor數(shù)量。

Socket = Node

Socket是物理概念，指的是主板上CPU插槽；Node是邏輯概念，對應于Socket。

Core = 物理CPU

Core是物理概念，一個獨立的硬件執(zhí)行單元，對應于物理CPU；

Thread = 邏輯CPU = Processor

Thread是邏輯CPU，也就是Processo

lscpu的使用

顯示格式：

• Architecture：架構

• CPU(s)：邏輯cpu顆數(shù)

• Thread(s) per core：每個核心線程，也就是指超線程

• Core(s) per socket：每個cpu插槽核數(shù)/每顆物理cpu核數(shù)

• CPU socket(s)：cpu插槽數(shù)

• L1d cache：級緩存（google了下，這具體表示表示cpu的L1數(shù)據(jù)緩存）

• L1i cache：一級緩存（具體為L1指令緩存）

• L2 cache：二級緩存

• L3 cache：三級緩存

• NUMA node0 CPU(s) ：CPU上的邏輯核，也就是超線程

執(zhí)行l(wèi)scpu，結果部分如下：

root@ubuntu:~# lscpu Architecture:          x86_64 CPU(s):                32 Thread(s) per core:    1 Core(s) per socket:    8 Socket(s):             4 L1d cache:             32K L1i cache:             32K L2 cache:              256K L3 cache:              20480K NUMA node0 CPU(s):     0-7 NUMA node1 CPU(s):     8-15 NUMA node2 CPU(s):     16-23 NUMA node3 CPU(s):     24-31