在 NUMA 架构的机器上使用线程池并绑定线程到特定核心（CPU Affinity）可以显著提升性能，尤其是减少跨 NUMA 节点的内存访问延迟。以下是关键步骤和注意事项：
1. 检测 NUMA 拓扑
首先确认系统的 NUMA 布局：
# 查看 NUMA 节点分布
numactl --hardware
# 示例输出：
# available: 2 nodes (0-1)
# node 0 cpus: 0-7,16-23
# node 1 cpus: 8-15,24-31
记录每个 NUMA 节点的 CPU 核心列表。
2. 绑定线程到指定核心
方法一：通过 pthread_setaffinity_np（C/C++）
#include <pthread.h>
#include <sched.h>
void bind_thread_to_core(pthread_t thread, int core_id) {
cpu_set_t cpuset;
CPU_ZERO(&cpuset);
CPU_SET(core_id, &cpuset); // 绑定到指定核心
int rc = pthread_setaffinity_np(thread, sizeof(cpu_set_t), &cpuset);
if (rc != 0) {
perror("Failed to set affinity");
}
}
方法二：通过 numactl（系统级绑定）
启动程序时直接绑定到指定 NUMA 节点：
numactl --cpubind=0 --membind=0 ./your_program
--cpubind=0: 只使用 NUMA Node 0 的 CPU。--membind=0: 强制内存分配在 Node 0。
3. NUMA-aware线程池设计原则
分区策略
- 静态分区：将线程池划分为多个子池，每个子池绑定到一个 NUMA Node。
- 动态任务分配：任务根据数据所在的 NUMA Node 动态分配到对应线程。
内存本地化
- 数据预分配：在任务执行前，将数据预先分配到对应 NUMA Node。
void* allocate_local_memory(size_t size, int numa_node) { void* ptr = numa_alloc_onnode(size, numa_node); return ptr; }（需安装
libnuma-dev，链接时加-lnuma）避免 False Sharing
确保不同线程绑定的核心不在同一 Cache Line（如间隔一定核心数）。
4. OpenMP/TBB的NUMA支持
OpenMP
#include <omp.h>
#pragma omp parallel proc_bind(close) // 让线程尽量靠近主线程的NUMA节点
{
int core = sched_getcpu();
printf("Thread %d on core %d\n", omp_get_thread_num(), core);
}
Intel TBB
tbb::task_arena arena(4, numa_node_id); // Arena绑定到指定NUMA节点
arena.execute([](){
tbb::parallel_for(...);
});
5. Linux调度工具补充
taskset: 临时绑定进程到一组核心（不区分NUMA）：
taskset -c 0-7 ./your_program #绑定到前8个逻辑核
6.验证效果
检查线程实际绑定的核心：
ps -T -p <PID> -o pid,tid,psr,comm #查看线程运行的CPU编号(PNR)
或通过性能工具（如 perf stat）监控跨NUMA访问次数：
perf stat -e numa_migrations ./your_program
⚠️注意事项⚠️
- 超线程影响：避免将多个线程绑到同一物理核的逻辑CPU上。
- 负载均衡：如果某些NUMA节点的任务较少，可能导致资源浪费。
- 容器环境：在Kubernetes等环境中需配合
cpusets和numa_aware调度策略。
如果需要具体代码实现或调优建议，可以提供更多应用场景细节！
内容由零声教学AI助手提供，问题来源于学员提问
![/data # iw --debug dev wlan0 connect -w "lucky-5g" auth open key 0:1234567890
Usage: iw [options] dev connect [-w] [] [] [auth open|shared] [key 0:abcde d:1:6162636465] [mfp:req/opt/no]
Join the network with ...](https://linuxcpp.0voice.com/zb_users/upload/2023/05/202305162239148267954.png)
![驱动代码
void kalRxTaskletSchedule(struct GLUE_INFO *pr)
{
static unsigned int num = 0;
tasklet_hi_schedule(&pr->rRxTask[(num++)%NR_CPUS]);
// tasklet_hi_schedule(&pr->rRxTask);
DBGLOG(HAL, ERROR,](https://linuxcpp.0voice.com/zb_users/upload/2023/05/202305162226144313964.png)
