NUMA：同一台机器上的内存，为什么有的更近更快？

在多路 CPU 服务器里，“内存”并不是一整块距离相同的池子。NUMA（Non-Uniform Memory Access，非一致内存访问）把机器看成多个节点：每个节点拥有处理器和本地内存，访问本地内存通常更快，访问另一个节点的内存则要经过互连链路。

可以把它想成一座由多个园区组成的大学。每个园区都有自己的图书馆，学生在本园区取书最快；如果要去远处园区借书，需要走更长的路，还会占用园区之间的通道。所有图书馆仍然属于同一所大学，但距离决定了访问延迟和可用带宽。

NUMA 的性能问题往往不是单次访问慢，而是数据和线程长期“住错地方”。如果一个线程在节点 A 上运行，却反复读取节点 B 的大数组，就会产生跨节点流量；多个线程还可能争用同一条互连。操作系统和运行时会尝试使用本地分配、线程绑核、页面迁移和内存策略，把计算和数据放在相近的节点上。

对开发者来说，数组、对象池、缓存和数据库页的布局都可能暴露 NUMA 影响。线程池如果随意在所有 CPU 间迁移，线程本地缓存会失效；任务如果被调度到远端节点，理论上的并行度可能换来实际的内存瓶颈。反过来，把线程和数据过度绑定，也可能导致一个节点内存耗尽、其他节点闲置。

NUMA 不是“内存分成了几块就完事”，而是一种需要把拓扑纳入性能模型的架构事实。观察节点间延迟、带宽、线程亲和性和页面归属，往往比单纯增加 CPU 核心更能解释大型服务的尾延迟。

排查 NUMA 问题时，平均 CPU 利用率往往不够。更有用的线索包括远端内存访问比例、每个节点的内存压力、线程迁移和跨节点互连带宽。只有把这些指标与请求延迟、缓存命中和任务分布放在一起看，才能判断瓶颈究竟来自计算、内存容量，还是节点之间的交通。

资料来源：Linux Kernel Documentation：NUMA Memory Policy