关键在于让cpu访问本numa节点内存，跨节点访问延迟高、带宽低；需用numactl --hardware确认拓扑，再以--cpubind与--membind同步绑定cpu和内存，网卡中断与应用也须对齐同一节点，并用numastat和perf验证本地访问占比≥85%。

关键在于让 CPU 访问离它最近的内存——也就是本 NUMA 节点上的内存。跨节点访问延迟高、带宽低，不加干预时系统默认行为很容易导致“CPU 在 node 0 运行，内存却分在 node 1”，性能直接打七折。

确认 NUMA 拓扑结构

先看清硬件布局，这是所有优化的前提：

• 运行 numactl --hardware 查看节点数量、每个节点挂载的 CPU 核心和内存容量
• 重点关注 node distances 表格：本地访问延迟是 10，远端是 20，就说明跨节点代价翻倍
• 用 lscpu | grep -i numa 辅助验证 CPU 分组情况

绑定 CPU 与内存到同一节点

不能只绑 CPU，必须同步指定内存分配策略：

• 启动进程时用 numactl --cpubind=0 --membind=0 ./app，强制线程在 node 0 执行，且只从 node 0 分配内存
• 避免只用 --cpubind 不配 --membind：线程被调度到 node 0，但 malloc 出来的内存可能还在 node 1，反而更慢
• 对多进程服务（如数据库多 worker），按节点轮询分配：numactl --cpubind=0 --membind=0 proc1 & numactl --cpubind=1 --membind=1 proc2 &

关注网卡与内存的 NUMA 对齐

网络密集型应用常被忽略的一环：

• 查看网卡所在 NUMA 节点：cat /sys/class/net/eth0/device/numa_node
• 将处理该网卡中断的 CPU 和应用线程绑定到同一节点（例如通过 irqbalance 关闭 + 手动写 /proc/irq/*/smp_affinity_list）
• 确保 socket 接收缓冲区、零拷贝内存池等也分配在对应节点，避免 DMA 写入 node 0 内存后，node 1 的 CPU 去读取

监控与验证是否生效

调完不验证，等于没调：

• 用 numastat -p 检查 local_node 占比是否 ≥ 85%，other_node 是否 ≤ 5%
• numa_miss 超过 10% 就要排查——可能是子进程未继承绑定，或 mmap/malloc 时用了非本地策略
• 配合 perf stat -e uncore_imc/data_reads/,uncore_imc/data_writes/ 看各节点内存控制器流量，确认数据真的走本地通道