在高性能计算、低延迟交易、数据库调优等场景的 Linux 面试中，CPU 亲和性、NUMA 架构与多核性能优化是区分候选人水平的关键考点。它们不仅考察对 Linux 调度与内存子系统的理解，更检验能否将底层机制转化为可落地的性能优化手段。本文以面试问答的形式，系统梳理这三个紧密关联的主题。
一、CPU 亲和性：让进程“钉”在核心上
面试题 1：什么是 CPU 亲和性？为什么需要它？
CPU 亲和性（CPU Affinity）是指将进程或线程绑定到特定 CPU 核心上运行的机制。默认情况下，Linux 的 CFS 调度器会根据负载均衡策略，将进程在多个核心之间迁移。这种迁移虽然提高了整体吞吐量，却带来两个代价：
- 缓存失效：进程切换核心后，原核心的 L1/L2 缓存内容不再可用，新核心需要重新加载数据，导致 cache miss 激增。
- 上下文切换开销：频繁迁移增加调度延迟，对延迟敏感的 workload 尤为不利。
通过设置亲和性，可以让进程始终在固定核心上执行，最大化利用 CPU 缓存，减少迁移开销。
面试题 2：如何查看和设置 CPU 亲和性？
查看工具主要有三个：
# 查看进程当前允许运行在哪些 CPU 上
taskset -p <pid>
# 查看每个 CPU 的中断和线程分布
mpstat -P ALL 1
# 查看线程级别的亲和性
ps -eLo pid,tid,psr,comm
设置方式分为命令行与编程接口：
# 将进程绑定到 CPU 0 和 1
taskset -cp 0,1 <pid>
# 启动时直接绑定
taskset -c 0-3 ./my_program
编程层面使用 sched_setaffinity() 系统调用：
cpu_set_t set;
CPU_ZERO(&set);
CPU_SET(2, &set);
sched_setaffinity(0, sizeof(set), &set);
面试题 3：isolcpus 和 cpuset 有什么区别？
isolcpus是内核启动参数，将指定 CPU 从调度器的负载均衡中隔离出来，普通进程不会被调度到这些核心上，但可以通过taskset显式绑定。适合为实时任务预留核心。cpuset是 cgroup 子系统，以层级化方式限制一组进程只能使用指定的 CPU 和内存节点。相比isolcpus，它更灵活、可动态调整，且能同时约束内存节点（NUMA 场景下至关重要）。
生产环境中，两者常结合使用：用 isolcpus 隔离核心，再用 cpuset 将特定服务绑定到这些核心。
二、NUMA 架构：内存访问的不对称性
面试题 4：什么是 NUMA？与 SMP 有何不同？
NUMA（Non-Uniform Memory Access，非统一内存访问）是一种多处理器内存架构。在传统 SMP 架构中，所有 CPU 通过一条共享总线访问同一块内存，随着核心数增加，总线成为瓶颈。NUMA 将 CPU 和内存划分为多个节点（Node），每个节点内的 CPU 访问本地内存速度极快，访问其他节点的远程内存则需经过互联链路（如 Intel UPI、AMD Infinity Fabric），延迟更高、带宽更低。
典型访问延迟差异可达 1.5~2 倍，这是 NUMA 优化的根本原因。
面试题 5：如何查看系统的 NUMA 拓扑？
# 查看 NUMA 节点及 CPU、内存分布
numactl --hardware
# 查看各节点内存统计
numastat
# 查看进程的 NUMA 内存分配情况
numastat -p <pid>
输出中需重点关注：节点数量、每个节点的 CPU 列表、各节点内存大小，以及 node distances 矩阵——它量化了跨节点访问的相对延迟。
面试题 6：NUMA 策略有哪些？如何选择？
Linux 提供多种 NUMA 内存分配策略：
- default：优先在本地节点分配，本地不足时再使用远程节点。
- bind：强制在指定节点分配内存，适合内存充足且需严格本地化的场景。
- interleave：在多个节点间轮询分配，适合内存带宽密集型应用（如流式处理），可均衡利用各节点带宽。
- preferred：优先在指定节点分配，失败则回退。
设置方式：
# 进程启动时绑定到节点 0 的 CPU 和内存
numactl --cpunodebind=0 --membind=0 ./app
# 轮询分配内存以最大化带宽
numactl --interleave=all ./app
面试题 7：什么是“NUMA 抖动”？如何避免？
当进程的 CPU 在节点 A，而内存却分配在节点 B 时，每次内存访问都要跨节点，延迟显著上升，这就是 NUMA 抖动。更糟的是，若调度器将进程在节点间反复迁移，会导致内存页不断在节点间复制，性能急剧下降。
避免手段包括：
- 使用
numactl或cpuset将进程的 CPU 和内存绑定到同一节点。 - 对延迟敏感的服务，关闭自动 NUMA 平衡（
numa_balancing），改为手动绑定。 - 在虚拟化环境中，确保 vCPU 与 guest 内存的 NUMA 拓扑对齐。
三、多核性能优化：从理论到实践
面试题 8：多核环境下，如何诊断性能瓶颈？
推荐自顶向下的排查路径：
- 看整体：
top/htop观察 CPU 使用率是否均衡，是否存在单核跑满而其他核心空闲的情况。 - 看每核：
mpstat -P ALL 1检查各核心的%usr、%sys、%soft、%idle。若某核%soft偏高，通常是中断或软中断集中。 - 看中断：
cat /proc/interrupts查看中断在各 CPU 上的分布。网卡多队列未开启时，所有中断可能集中在一个核心。 - 看内存：
numastat和perf stat检查 NUMA 命中率与 cache miss。 - 看调度：
perf sched或ftrace分析上下文切换与迁移频率。
面试题 9：如何优化中断亲和性？
网卡、磁盘等设备的中断默认可能集中在 CPU 0，导致该核心成为瓶颈。优化步骤：
# 查看中断号及当前分配
cat /proc/interrupts | grep eth0
# 设置中断亲和性，将中断分散到多个核心
echo 0f > /proc/irq/<irq_num>/smp_affinity
# 启用网卡多队列（RSS），让每个队列绑定不同核心
ethtool -L eth0 combined 8
对于高性能网络场景，还可结合 RPS（Receive Packet Steering）和 RFS（Receive Flow Steering）在软件层面分散处理压力。
面试题 10：一个多线程程序在多核上扩展性差，可能有哪些原因？
这是考察综合能力的经典问题，常见原因包括：
- 锁竞争：全局锁导致线程串行化。可用
perf lock分析，改用无锁数据结构或细粒度锁。 - 伪共享（False Sharing）：不同线程修改同一缓存行中的不同变量，导致缓存行反复失效。解决方法是填充（padding）或对齐到缓存行。
- NUMA 远程访问：线程与内存跨节点。通过绑定解决。
- 内存带宽瓶颈：核心数增加但带宽饱和。可用
interleave策略或减少内存访问。 - 调度迁移：线程频繁在核心间迁移。设置亲和性可缓解。
面试题 11：perf 工具在 NUMA 与多核优化中怎么用？
# 统计 cache miss 与 NUMA 相关事件
perf stat -e cache-misses,cache-references,node-loads,node-load-misses ./app
# 采样分析热点函数
perf record -g ./app && perf report
# 分析调度延迟
perf sched latency
node-load-misses 高说明远程内存访问频繁，是 NUMA 优化的直接信号。
四、综合实战思路
面对一个“多核性能不达预期”的线上问题，可遵循以下决策链：
- 确认瓶颈类型：CPU 密集、内存带宽密集还是延迟敏感？
- 检查拓扑：
lscpu、numactl --hardware了解核心与节点分布。 - 隔离关键资源：用
isolcpus预留核心，cpuset绑定服务。 - 对齐 CPU 与内存：确保进程的 CPU 与内存位于同一 NUMA 节点。
- 分散中断：配置 IRQ 亲和性与网卡多队列。
- 验证效果：用
perf、numastat对比优化前后的 cache miss、远程访问比例与吞吐量。
结语
CPU 亲和性解决“在哪里运行”，NUMA 解决“内存离得多远”，多核优化则是两者的综合运用。面试中，面试官往往不满足于背诵概念，而是追问“你实际怎么调”“用什么工具验证”“优化后提升了多少”。因此，理解底层机制之余，务必结合 taskset、numactl、perf、mpstat 等工具形成完整的诊断与优化闭环，才能在回答中展现真正的工程能力。
未经允许不得转载：任鹏个人博客 » Linux 面试题：CPU 亲和性、NUMA 与多核性能优化
