ARM与x86下worker_processes性能差异在于硬件语义不同:x86宜设为逻辑核数(含超线程),ARM应按物理大核数设置并规避小核,且需配套架构感知的事件模型、IO、TLS等参数调优。

ARM 和 x86 架构下 worker_processes 的性能表现差异,不在于“哪个更快”,而在于“怎么设才真正发挥各自硬件特性”。直接套用同一套配置,往往在 ARM 上跑不满、在 x86 上又调度过载。
核心区别不在数值,而在硬件语义
同一个 worker_processes auto; 在两类平台读到的“核数”含义不同:
- x86 服务器常见超线程(HT),
nproc返回的是逻辑核数(如 32 线程),且各核心能力接近,设为逻辑核数通常收益稳定 - ARM 多见 big.LITTLE 异构设计(如 Cortex-A78 + A55),
/proc/cpuinfo中的 processor 行数可能混入低功耗小核;auto 默认读这个,容易把 worker 分到小核上,导致响应延迟抖动 - 银河麒麟等国产 ARM 系统中,
lscpu显示的 “Core(s) per socket” 更可信,应优先按物理大核数设(例如 4 大核就设worker_processes 4;)
负载类型决定最优取值逻辑
ARM 常用于边缘网关、轻量 API、信创环境,I/O 和内存带宽比 CPU 更早瓶颈,因此调法更保守:
- 反向代理(对接 Java/Go 后端或 WebSocket):推荐设为物理大核数 × 0.75(如 4 核 → 设 3),降低每个 worker 维持长连接的内存与 fd 压力
- 静态资源服务(启用
sendfile+tcp_nopush):可设为物理大核数,再配合multi_accept on;提升吞吐 - x86 通用场景:逻辑核数是更稳妥起点(如 16 线程 → 设 16),尤其在 gzip 压缩、SSL 卸载等计算密集型任务中,超线程确实能分摊负载
配套参数必须“架构感知”
只改 worker_processes 几乎没用,ARM 和 x86 对关键子系统依赖不同:
-
事件模型:ARM 麒麟内核原生支持 epoll,必须显式写
use epoll;;x86 同样适用,但若误用 select/poll,高并发下性能断崖下跌 -
文件描述符:ARM 平台 I/O 调度更敏感,
worker_rlimit_nofile 65536;和系统级ulimit -n 65536必须同步生效,否则易报 “Too many open files” -
大文件传输:ARM64 内核对
aio on;+directio 4k;支持成熟,适合视频/固件分发;x86 更依赖sendfile on;,且需确认 ext4/xfs 是否开启 barrier -
TLS 加速:ARMv8 Crypto Extensions 对 AES/GCM 加解密有硬件加速,
ssl_buffer_size 4k;可提升 TLS 1.3 握手效率;x86 若无 QAT 卡,盲目调大 buffer 反而增加延迟
容器与 NUMA 场景要特别处理
云环境和多路服务器让问题更复杂:
- Kubernetes 中运行 ARM 容器:
auto会读宿主机核数,必须按 cgroup 配额算真实可用核(如cpu.cfs_quota_us=200000÷cpu.cfs_period_us=100000= 2 核),再设worker_processes 2; - 双路 x86 服务器(NUMA):手动写死数字易跨节点访问内存,必须用
worker_processes auto;+worker_cpu_affinity auto;,让 Nginx 自动按 NUMA 节点均匀分发 - ARM 服务器虽少 NUMA,但 big.LITTLE 缓存一致性策略与 x86 不同,盲目绑核(如
worker_cpu_affinity 0001 0010...)可能让 worker 被调度到小核,反而拖慢响应











