本文转载自微信公众号「运维开发故事」，作者没有文案的夏老师。转载本文请联系运维开发故事公众号。
准备环境
以下案例基于 Ubuntu 16.04，同样适用于其他的 Linux 系统。我使用的案例环境如下所示：
机器配置：32 CPU，64GB 内存
在NUMA中储存层次的概念：
1)处理器层:单个物理核，称为处理器层。2)本地节点层:对于某个节点中的所有处理器，此节点称为本地节点。3)home节点层:与本地节点相邻的节点称为home节点。4)远程节点层:非本地节点或邻居节点的节点，称为远程节点。CPU访问不同类型节点内存的速度是不相同的，访问本地节点的速度最快，访问远端节点的速度最慢，即访问速度与节点的距离有关，距离越远访问速度越慢，此距离称作Node Distance。应用程序要尽量的减少不同CPU模块之间的交互，如果应用程序能有方法固定在一个CPU模块里，那么应用的性能将会有很大的提升。
以鲲鹏920处理器讲一下cpu芯片的的构成：鲲鹏920处理器片上系统的每个超级内核集群包含6个内核集群、2个I/O集群和4个DDR控制器。每个超级内核集群封装成一个CPU晶片。每个晶片上集成了4个72位(64位数据加8位ECC)、数据传输率最高为3200MT/s的高速DDR4通道，单晶片可支持最多512GB×4的DDR存储空间。L3 Cache在物理上被分为两部分：L3 Cache TAG和L3 Cache DATA。L3 Cache TAG集成在每个内核集群中，以降低监听延迟。L3 Cache DATA则直接连接片上总线。
Hydra根代理(Hydra Home Agent，HHA)是处理多芯片系统Cache一致性协议的模块。POE_ICL是系统配置的硬件加速器，一般可以用作分组顺序整理器、消息队列、消息分发或者实现某个处理器内核的特定任务等。此外，每个超级内核集群在物理上还配置了一个通用中断控制器分发器(GICD)模块，兼容ARM的GICv4规范。当单芯片或多芯片系统中有多个超级内核集群时，只有一个GICD对系统软件可见。
numactl的使用
Linux提供了一个一个手工调优的命令numactl(默认不安装)，在Ubuntu上的安装命令如下：
- sudo apt install numactl -y
首先你可以通过man numactl或者numactl --h了解参数的作用与输出的内容。查看系统的numa状态：
- numactl --hardware
运行得到如下的结果：
- 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
根据这个图与命令得到的结果，可以看到，此系统共有4个node，各领取8个CPU和16G内存。 这里还需要注意的就是CPU共享的L3 cache也是会自己领取相应的空间。通过numastat命令可以查看numa状态,返回值内容：
- numa_hit：是打算在该节点上分配内存，最后从这个节点分配的次数;
- numa_miss：是打算在该节点分配内存，最后却从其他节点分配的次数;
- numa_foreign：是打算在其他节点分配内存，最后却从这个节点分配的次数;
- interleave_hit ：采用interleave策略最后从本节点分配的次数
- local_node：该节点上的进程在该节点上分配的次数
- other_node：是其他节点进程在该节点上分配的次数
注：如果发现 numa_miss 数值比较高时，说明需要对分配策略进行调整。例如将指定进程关联绑定到指定的CPU上，从而提高内存命中率。
- 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的内存分配策略
--localalloc或者-l：规定进程从本地节点上请求分配内存。--membind=nodes或者-m nodes：规定进程只能从指定的nodes上请求分配内存。--preferred=node：指定一个推荐的node来获取内存，如果获取失败，则尝试别的node。--interleave=nodes或者-i nodes：规定进程从指定的nodes上，以round robin算法交织地请求内存分配。
- numactl --interleave=all mongod -f /etc/mongod.conf
因为NUMA默认的内存分配策略是优先在进程所在CPU的本地内存中分配，会导致CPU节点之间内存分配不均衡，当开启了swap，某个CPU节点的内存不足时，会导致swap产生，而不是从远程节点分配内存。这就是所谓的swap insanity 现象。或导致性能急剧下降。所以在运维层面，我们也需要关注NUMA架构下的内存使用情况(多个内存节点使用可能不均衡)，并合理配置系统参数(内存回收策略/Swap使用倾向)，尽量去避免使用到Swap。
Node->Socket->Core->Processor
随着多核技术的发展，将多个CPU封装在一起，这个封装被称为插槽Socket;Core是socket上独立的硬件单元;通过intel的超线程HT技术进一步提升CPU的处理能力，OS看到的逻辑上的核Processor数量。
Socket = Node
Socket是物理概念，指的是主板上CPU插槽;Node是逻辑概念，对应于Socket。
Core = 物理CPU
Core是物理概念，一个独立的硬件执行单元，对应于物理CPU;
Thread = 逻辑CPU = Processor
Thread是逻辑CPU，也就是Processo
lscpu的使用
显示格式：
- Architecture：架构
- CPU(s)：逻辑cpu颗数
- Thread(s) per core：每个核心线程，也就是指超线程
- Core(s) per socket：每个cpu插槽核数/每颗物理cpu核数
- CPU socket(s)：cpu插槽数
- L1d cache：级缓存(google了下，这具体表示表示cpu的L1数据缓存)
- L1i cache：一级缓存(具体为L1指令缓存)
- L2 cache：二级缓存
- L3 cache：三级缓存
- NUMA node0 CPU(s) ：CPU上的逻辑核，也就是超线程
执行lscpu，结果部分如下：
- 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
