CPU 性能分析与优化

CPU 是系统的核心计算资源，理解 CPU 性能瓶颈对于系统优化至关重要。

CPU 性能基础

CPU 性能指标

时钟频率（Clock Speed）：

• CPU 每秒执行的时钟周期数
• 单位：GHz（十亿次/秒）
• 更高频率 ≠ 更好性能（需考虑 IPC）

IPC（Instructions Per Cycle）：

• 每个时钟周期执行的指令数
• 反映 CPU 架构效率
• 现代 CPU 通过流水线、超标量提高 IPC

核心和线程：

• 物理核心：独立的处理单元
• 逻辑核心：超线程（HT）技术虚拟的核心
• 超线程性能提升约 20-30%

缓存层次：

CPU 核心
  ├─ L1 缓存（数据/指令）：~64KB，1-3 周期
  ├─ L2 缓存：~256KB-512KB，10-20 周期
  └─ L3 缓存（共享）：~8MB-64MB，40-80 周期
     ↓
主内存：GB 级别，200-300 周期

CPU 使用率的本质

什么是 CPU 使用率：

• 采样周期内 CPU 非空闲时间的百分比
• 不是 CPU 的"繁忙程度"
• 100% 使用率可能仍在等待（I/O、内存）

CPU 时间分类：

• User Time（usr）：执行用户空间代码
• System Time（sys）：执行内核代码（系统调用）
• I/O Wait（iowait）：等待 I/O 完成
• IRQ/SoftIRQ：硬件中断和软件中断处理
• Idle：空闲时间
• Steal：虚拟化环境中被宿主机窃取的时间

理解 iowait：

• iowait 高不一定是 I/O 瓶颈
• 只表示 CPU 在等待 I/O 时空闲
• 需结合 I/O 指标综合判断

CPU 性能分析方法

负载平均值（Load Average）

定义：

• 处于可运行（R）或不可中断睡眠（D）状态的进程平均数
• 输出三个值：1 分钟、5 分钟、15 分钟

解读负载：

假设 4 核 CPU：
- 负载 < 4.0：系统轻松
- 负载 = 4.0：CPU 刚好饱和
- 负载 > 4.0：有进程等待

趋势分析：
1min   5min   15min
4.5    3.2    2.1   → 负载上升（需关注）
2.1    3.2    4.5   → 负载下降（恢复正常）

负载 vs CPU 使用率：

• 负载高、CPU 低：I/O 密集
• 负载高、CPU 高：CPU 密集
• 负载低、CPU 高：短暂尖峰

上下文切换

什么是上下文切换：

• 保存当前进程状态
• 加载新进程状态
• 包括寄存器、页表、内核栈

切换类型：

• 自愿切换：进程主动放弃 CPU（I/O、睡眠）
• 非自愿切换：时间片用完、被抢占

开销分析：

• 直接开销：保存/恢复状态（~微秒级）
• 间接开销：缓存失效、TLB 刷新（更大）

过多切换的原因：

• 进程/线程数过多
• 锁竞争严重
• 时间片过小
• 中断频繁

CPU 缓存

缓存命中率：

• L1 命中：最快，~4 周期
• L2 命中：较快，~10 周期
• L3 命中：慢，~40 周期
• 内存访问：很慢，~200 周期

缓存行（Cache Line）：

• 缓存的最小单位，通常 64 字节
• 一次加载整个缓存行
• 空间局部性优化的基础

伪共享（False Sharing）：

线程 A 访问变量 a
线程 B 访问变量 b

如果 a 和 b 在同一缓存行：
  ├─ 线程 A 修改 a → 缓存行失效
  ├─ 线程 B 的缓存行也失效
  └─ 性能严重下降

解决方案：
  ├─ 填充（Padding）分离变量
  └─ 对齐到不同缓存行

CPU 瓶颈识别

CPU 密集型特征

判断标准：

• CPU 使用率持续 > 80%
• 系统时间（sys）占比低（< 20%）
• iowait 占比低（< 10%）
• 运行队列长度 > CPU 核心数

典型场景：

• 密集计算（科学计算、图像处理）
• 加密解密
• 压缩解压缩
• 复杂算法

系统调用开销

过高系统时间的原因：

• 频繁的小 I/O 操作
• 大量系统调用
• 内核锁竞争
• 上下文切换

优化方向：

• 减少系统调用次数（批处理）
• 使用用户态库（避免内核态切换）
• 异步 I/O
• 零拷贝技术

中断开销

中断类型：

• 硬中断（IRQ）：硬件触发
• 软中断（SoftIRQ）：内核延迟处理

高中断开销症状：

• softirq/IRQ 进程 CPU 使用率高
• si/hi 列数值大（top 输出）
• 网络或磁盘性能下降

常见原因：

• 网卡中断过多（高流量）
• 磁盘 I/O 频繁
• 中断亲和性配置不当

CPU 性能优化

进程优先级

nice 值调整：

nice 值范围：-20（最高优先级）到 19（最低优先级）
默认值：0

影响：
  nice = 0   → 基准 CPU 时间
  nice = 10  → 约 1/3 的 CPU 时间
  nice = -10 → 约 3 倍的 CPU 时间

使用场景：
  ├─ 降低批处理任务优先级
  ├─ 提高关键服务优先级
  └─ 防止后台任务影响前台

实时优先级：

• SCHED_FIFO：先进先出，无时间片
• SCHED_RR：轮转，有时间片
• 优先级：0-99（数字越大越高）
• 谨慎使用（可能导致系统无响应）

CPU 亲和性

概念：

• 将进程/线程绑定到特定 CPU
• 提高缓存命中率
• 减少迁移开销

使用场景：

• 性能敏感应用
• 实时系统
• NUMA 优化
• 隔离干扰

软亲和性 vs 硬亲和性：

• 软亲和性：优先但非强制
• 硬亲和性：强制绑定

注意事项：

• 可能导致负载不均
• 减少调度灵活性
• 需要理解拓扑结构

多核并行化

并行化策略：

1. 数据并行
   └─ 将数据分片，多线程并行处理
   
2. 任务并行
   └─ 不同任务并行执行
   
3. 流水线并行
   └─ 生产者-消费者模式

Amdahl 定律限制：

• 串行部分限制加速比
• 锁竞争降低并行效率
• 线程间通信开销

并行度选择：

• 不是线程越多越好
• 考虑 CPU 核心数
• 减少锁竞争
• 避免过度切换

算法优化

时间复杂度优化：

O(n²) → O(n log n) → O(n) → O(log n) → O(1)

示例：
  暴力搜索 O(n²)
    ↓
  排序 + 二分 O(n log n)
    ↓
  哈希表 O(n)

分支预测优化：

• CPU 分支预测失败导致流水线清空
• 减少分支（查表法）
• 使分支可预测（排序后处理）

SIMD 指令：

• 单指令多数据
• 一次操作处理多个数据
• AVX、SSE 等指令集
• 编译器自动向量化

减少系统调用

批处理 I/O：

差：循环中调用 write()
for (int i = 0; i < 1000; i++) {
    write(fd, &data[i], 1);  // 1000 次系统调用
}

好：一次写入
write(fd, data, 1000);  // 1 次系统调用

用户态缓冲：

• stdio 库（fread/fwrite）
• 减少内核态切换
• 批量刷新

vDSO 优化：

• 虚拟动态共享对象
• 某些系统调用在用户态执行
• gettimeofday、clock_gettime 等

CPU 性能分析工具

基础工具

top/htop：

关键指标：
  %CPU：进程 CPU 使用率
  TIME+：累计 CPU 时间
  S：进程状态（R=运行, S=睡眠, D=不可中断）
  
快捷键：
  1：显示每个 CPU
  H：显示线程
  c：显示完整命令

mpstat：

mpstat -P ALL 1

关键指标：
  %usr：用户态 CPU
  %sys：内核态 CPU
  %iowait：等待 I/O
  %irq：硬中断
  %soft：软中断
  %idle：空闲

pidstat：

pidstat -u 1    # CPU 使用
pidstat -w 1    # 上下文切换
pidstat -t 1    # 线程级统计

关键指标：
  %CPU：CPU 使用率
  cswch/s：自愿上下文切换
  nvcswch/s：非自愿上下文切换

高级分析工具

perf：

性能事件统计：
  perf stat ./program

CPU 采样：
  perf record -g ./program
  perf report

实时监控：
  perf top

关键事件：
  cycles：CPU 周期
  instructions：执行的指令数
  cache-misses：缓存未命中
  branch-misses：分支预测失败

火焰图：

• 可视化 CPU 时间分布
• X 轴：函数按字母排序（非时间）
• Y 轴：调用栈深度
• 宽度：CPU 时间占比

分析流程：

1. 采样：perf record -F 99 -a -g -- sleep 60
2. 生成：perf script | stackcollapse-perf.pl | flamegraph.pl
3. 分析：查找宽平台（热点函数）

CPU 缓存分析

perf 缓存事件：

perf stat -e L1-dcache-loads,L1-dcache-load-misses \
          -e LLC-loads,LLC-load-misses \
          ./program

计算命中率：
  L1 命中率 = (loads - misses) / loads

cachegrind：

valgrind --tool=cachegrind ./program

输出：
  I1  miss rate：L1 指令缓存未命中率
  D1  miss rate：L1 数据缓存未命中率
  LL  miss rate：最后一级缓存未命中率

CPU 性能调优实例

案例1：CPU 高负载分析

症状：

• 系统负载持续 > 10（4 核 CPU）
• 应用响应缓慢

分析步骤：

1. 确认 CPU 类型

uptime                    # 查看负载
top                       # 查看 CPU 使用率
mpstat -P ALL 1          # 各核心使用率

2. 识别热点进程

ps aux --sort=-%cpu | head
pidstat -u 1

3. 线程级分析

top -H -p <PID>          # 查看线程 CPU
pidstat -t -p <PID> 1    # 线程统计

4. 函数级分析

perf record -g -p <PID> sleep 30
perf report

常见原因和解决：

• 无限循环：代码 bug，修复逻辑
• 低效算法：优化算法复杂度
• 频繁系统调用：批处理、用户态缓冲
• 锁竞争：减小临界区、无锁编程

案例2：上下文切换过多

症状：

• vmstat 显示 cs 列很大（> 10000）
• 系统 CPU 占比高

分析：

vmstat 1
pidstat -w 1
perf record -e sched:sched_switch -g

优化方向：

• 减少线程数
• 增大时间片
• 使用协程/绿色线程
• 优化锁粒度

案例3：缓存未命中优化

症状：

• IPC 低（< 1.0）
• perf 显示高缓存未命中

优化策略：

• 数据结构重排：热数据放一起
• 访问模式优化：顺序访问代替随机
• 减少数据大小：压缩、去除冗余
• 对齐到缓存行：避免伪共享

NUMA 架构优化

NUMA 概述

UMA vs NUMA：

UMA（统一内存访问）：
  CPU1 ─┐     ┌─ CPU2
        ├─ 内存 ─┤
  CPU3 ─┘     └─ CPU4
  所有 CPU 访问内存延迟相同

NUMA（非统一内存访问）：
  ┌─ CPU1/2 ─ 本地内存
  │
  ├─ CPU3/4 ─ 本地内存
  │
  └─ 互连网络
  访问本地内存快，远程内存慢

NUMA 性能影响

本地 vs 远程访问：

• 本地访问：~100ns
• 远程访问：~200ns（2 倍延迟）
• 跨 NUMA 带宽受限

NUMA 感知重要性：

• 内存分配策略
• 进程/线程调度
• 缓存一致性开销

NUMA 优化

查看 NUMA 拓扑：

numactl --hardware
lscpu | grep NUMA

内存分配策略：

• 本地分配：在访问 CPU 的本地节点分配
• 交叉分配：在所有节点均匀分配
• 绑定分配：指定节点分配

进程绑定：

numactl --cpunodebind=0 --membind=0 ./program

---

下一步：学习 内存性能分析与优化 章节。