Linux NUMA架构（非统一内存访问）
NUMA架构
NUMA Architecture| Non Uniform Memory Access Policy/Model | Numa Node Configuration (CPU Affinity)
NUMA架构产生的原因
cpu的高速处理功能和内存存储直接的速度会严重影响cpu的性能。传统的计算机单核架构，cpu通过内存总线（内存访问控制器）直接连接到一堆内存。多核处理器的出现，单总线架构下，随着cpu的增多内存控制器BUS压力越来越大，会成为cpu处理速度的瓶颈。NUMA通常是用在拥有多个物理核心（cpu）的计算机中。在计算机的任务管理器中可以查看NUMA节点的数量。
接着有了多个cpu通过一个总线连接到大连RAM内存的架构，就像一个大型的cpu。
缺点：多个cpu通过单一的总线连接到一个大内存，该总线显然会成为cpu的性能瓶颈，会出现cpu等待数据的情况。cpu越多这种情况会越严重。
这就出现了NUMA架构，每个cpu有自己的总线来访问自己的内存快。这种cpu、内存对就是NUMA节点（NUMA node）。将这些NUMA node连接在一起就得到了一个非统一内存访问系统。在这种情况下cpu仍然可以访问所有的内存，但速度是不一样的，访问自己的内存位比访问连接到其它cpu的内存位会更快。
在理想情况下cpu可以在自己的内存中存储所有的数据会非常快。即使不理想情况下，cpu需要从其它内存获取东西，即使会慢一些也会比单总线那么慢。
通常一个NUMA node是cpu和内存一对一的。但有些系统中也可以设计成一个NUMA node中cpu和内存是2:1的。甚至3:1，4:1，都可以。
理论上来说可以随机组合NUMA node，n：1模型，组成大型的NUMA节点，在技术上是可行的。但通常是1:1的设计。
目前存在的cpu访问内存的架构设计有两种：
- UMA架构：统一内存访问架构
- NUMA架构（非统一内存访问，不同的cpu访问同一块RAM性能、时间是不一样的）：不同的cpu核心访问同一个RAM分片（内存分片）的耗时是不同的，在NUMA架构中每个cpu或者处理器都有专用内存，但是每个处理器也可以访问其他处理器的内存，这就造成了cpu访问内存的两种方式：本地内存，远端内存，根据访问数据的位置（远端或本地）内存的不同，访问时间会有所不同，因此叫NUMA，非统一内存访问。
NUMA在云计算中的应用
在云计算中，对于网络功能虚拟化等特定工作负载，NUMA架构可以提供更高的性能。
在云计算环境中云服务拥有大量的的服务器和内存，这些资源是聚合的可供用户使用，当部署工作负载时，cpu和内存通常时随机分配的，在基础架构级别内存和cpu可以从同一台或者多台服务器分配。
通过NUMA架构，并提供NUMA微调，可以根据工作负载的NUMA拓扑来分配工作负载的cpu、内存。这样可以最大限度的减少延迟，并提高性能。
NUMA绑核
NUMA绑核确保线程被安排在特定的处理器上，确保数据的局部性。提高cpu处理速度。
进程是在cpu上运行的，通过cpu执行指令，linux系统默认进程会优先在某个NUMA node上运行。假设：如果一台计算机上有两个NUMA node：（都是1核:32G）。
假设目前有个进程需要占用48G内存才能运行，这个时候就有可能出现swap（内存交换：交换空间通常是一个磁盘分区）。把数据交换到交换分区（swap分区），在查询的时候发现内存中没有会发生中断，从磁盘中取回来。会导致cpu性能损失（内存访问大概是纳秒级，磁盘大概是毫秒级）。
避免swap：numactl：interleave（交织），即numa node0和numa node1交织分配内存，这样就避免了内存分配不均导致的swap内存换回换出带来的性能损耗。
linux swap: 内存交换，交换空间通常是一个磁盘分区，也可以是一个文件，。NUMA架构会产生swap。numactl：interleave（进程可以跨numa node进行内存分配）可以避免内存分配不均导致的swap中断
云原生应用
在多CPU架构上，应用程序可以在不同的处理器上运行，应用程序在不同的Socket间调度运行时，访问之前的Socket的内存，这种访问属于远端内存访问，和访问Socket直接连接的内存相比，远端内存访问会增加应用程序的延迟，把这个架构称为非统一内存访问架构（Non-Uniform Memory Access，NUMA架构），NUMA架构下，访问远端内存延迟要比本地内存高，因此在k8s集群中对于某些对性能要求比较高的业务，我们需要通过绑定NUMA来避免远端内存访问；同时，将不同的容器绑定到不同的numa node，有助于减少容器之间的负载争抢，减少高负载容器的影响半径，增强隔离性。