非一致性内存访问模型与内存分配器(NUMA)

CPU主频涨不上去了，一直停留在2-3G。前端总线的时钟频率也涨不上去了，我现在用的这个小黑，Intel Core2 P8600，前端总线的时钟频率只有266MHz。于是，虽然内存越来越便宜了，但是没有那么大的高速带宽来连接CPU和内存啊。

于是NUMA出现了。CPU组成node，每个node各自管理几十G内存，然后node和node之间通过Point-to-Point的方式建立高速直连。于是系统总线就没了，出现一个新名词，QPI，指那个快速访问通道，它不光连接内存和CPU，还连接其它外设如显卡。但是有个重要的结果是：CPU到每根内存条的“距离”是不相等的。有的是直连，所以速度很快，而有的需要绕到另一个node去拿，这样不仅速度慢，而且很容易把node之间的那个互连通道堵死。想想看，如果你工作在天津，但是偏偏要住在北京，每天上班下班是不是很痛苦？为什么呢？为什么会这样？为什么我想访问的这个内存不在我身边？那它在哪？

从C语言的malloc说起。首先强调一点，malloc分配的是“地址空间”，而不是内存！同理，free释放的也只是地址空间，而不是内存。当你访问某个内存地址，而这个地址没有映射到任何物理页的时候，就会发生缺页中断，然后此时，操作系统才分配内存。简单点说，”内存的分配发生在第一次访问的时候！“。

总的来说，内存分配器此时有三种策略：
1、糊里糊涂。什么都不知道，随便分。
2、就近，找离当前CPU最近的node分配。
3、round-robin。把你要的东西尽可能的平均分到每个node上。

我不清楚你用的C Runtime到底是哪一种实现，反正以上三种都有可能。喜欢C的人大多都是追求高效，那么自然喜欢第二种咯？于是就有人提出，服务器的启动过程应该做成并行化的，比如IO的buffer就让IO线程去初始化，各自做各自的。这样听起来很有道理，但是！亲爱的，如果这个线程被调度到另一个CPU上怎么办？所以我们不光得控制内存怎么分配的，还得控制线程调度策略，把这个线程绑在固定的CPU组上。更复杂的是，执行任务的是一个线程池怎么办？请问，我是在写Application，还是Operating System? 无论如何，“谁要用谁分配”依然是一个有效的优化策略。

那么说Java吧，它比较清晰。Java有4种垃圾回收策略 串行化、并行、CMS（并发）、G1。如果选择了并行化的垃圾回收策略（Server版的jvm默认如此），它的内存池分为三类：新生代、老生代、永生代。
并行化的垃圾回收器有一个开关，-XX:+UseNUMA，这个影响到新生代的Eden Space这个内存池的分配器的策略。先说Eden Space是干什么的：大部分new出来的对象都是首先在Eden Space上创建，这里面的对象都是临时创建而又立马被销毁的对象，否则会很快（小于1秒）就被挪到老生代里面去。如果打开了-XX:+UseNUMA，那么Eden Space会尽量就近找node分配，从而获得最经济、快捷的内存访问。可是另外，其它几个内存池呢？他们要么是采用的糊里糊涂的方式，要么就是采用的方式3，做round-robin。所以说，前面所说的为了内存访问局部化而把启动过程做成并行的对JAVA来说完全不适用。

那么，现在重新思考NUMA的问题：访问速度、带宽。
访问速度：的确，访问远处的内存会慢些，但是会慢多少呢？30%？50%？200%？你测过吗？我没有。据说，即便再慢，也比Nehalem之前的任何CPU快，因为改进了系统架构去掉北桥做了QPI等等。而且，根据我看到的各种数据来看，速度差距在50%以内。NUMA真是个很有意思的话题。我初次接触到这个概念是在《Solaris内核结构》那本书上，那本书是06年出版的。那个时代的硬件和现在差别很大的，那时候做NUMA可真是死了心的做，差2倍、差20倍它也觉得没问题，因为它和SMP相比增加了带宽嘛。于是OS就得被迫为这样巨大的差异做各种优化。可是现在呢？你看JVM，为什么仅仅对Eden Space做了就近分配？网上有很多关于NUMA的文章，以及如何在NUMA架构上写出更高效的程序。但是，很多观点是陈旧的。

带宽：你确实把CPU间的QPI跑满了吗？近年产的CPU，每条QPI的单向带宽是每秒12GB（理论最大值），如今看来，只有大型的数据库Server或者Cache Server才有可能把它跑满。否则，你不需要考虑带宽的问题。

所以现在有一种新的策略：SUMA，或者叫page interleaving，这个可以做到硬件层面去。把物理地址空间以均匀交替的方式分给每个node。例如0×0000-0x0FFF分给node 1，0×1000-0x1FFF分给node 2，以此类推。然后所有软件完全不在乎NUMA这件事情。做page interleaving的目的是尽可能平均的使用每个QPI通道。我觉得一般来说，这就足够了。Intel NUMA的x86 CPU在3年前才开始陆续面世，先让OS、compiler、jvm这些去适应它，等他们都折腾够了，最后才是我们这些普通的software developer。