John_ToStr的博客

线程绑核对计算性能的影响：现代CPU架构中，频繁的线程核心迁移会导致严重的性能损失。实验数据显示，当线程固定在一个CPU核时，IPC高达3.97，L1缓存命中率接近100%；而强制迁移100K次/秒后，性能骤降至14%，IPC跌至1.74。这源于三个因素：缓存局部性破坏、指令吞吐量下降和系统调度开销增加。车端实测表明，绑核能带来11.5%的性能提升，并增强系统确定性。工程实践中需平衡负载均衡与硬件拓扑，将关键线程绑定专属核心。研究表明，在高性能计算领域，合理的线程绑核是提升性能的基础性策略。

一辆自动驾驶测试车在穿过一个复杂的立交桥时，系统日志显示，在某个短暂的瞬间（约50毫秒），激光雷达的感知结果中出现了一个扇区性的空白。即使平均带宽用到900Mb/s，如果数据包像匀速的溪流一样，每一微秒都平稳地到来，交换机和处理器的缓冲区完全可以处理，不会产生任何问题。这是导致其“吸血”严重的根本原因。自动驾驶系统的网络，不是一个“尽力而为”的公共互联网，它必须是一个具有确定性、可预测性的工业级神经系统。一个更精妙的比喻是：流控的目标是让数据流从“混乱的挤兑”变为“有序的排队”，但排队本身依然意味着等待。

自动驾驶系统面临的核心挑战是瞬时资源争夺战。尽管行业标榜"顶级算力"，但CPU、GPU和网络流量的瞬时资源抢占会导致关键任务延迟，直接影响行车安全。本文剖析了三大硬件维度的资源竞争场景，揭示了"秒级利用率"与"瞬时利用率"的认知鸿沟，并指出当前基于DAG逆序的调度策略虽能优化资源分配却无法根本解决资源不足问题。未来需要跨层优化方案，包括感知-调度联合优化和智能动态调度器。真正的自动驾驶安全不仅依赖算法性能，更取决于系统在资源受限环境下的稳定性管理能

在现代计算中，内存访问延迟是影响整体系统性能的关键因素之一。尤其是在嵌入式系统和移动设备中，ARM架构凭借其低功耗特性广泛应用，但内存读取延迟的优化仍然是开发者面临的重要挑战之一。通过对ARM系统中内存读取延迟的性能测试，可以更好地理解内存访问模式、缓存层次结构和处理器架构对系统性能的影响，进而优化软件和硬件设计。

原子操作性能测试及编程建议

平行驾驶车端(客户端)模拟弱网策略&&步骤

ROS2录包---工程疑难问题解决&&性能优化&&个人反思总结

linux磁盘IO打满时，write文件被卡住问题排查

录包磁盘IO高导致系统卡顿问题排查&&解决

车云TCP链路偶现链接失联问题排查

「MQTT over QUIC」与「MQTT over TCP」与 「TCP 」通信测试报告

自动驾驶场景下TCP协议参数优化调整案例分享

TCP协议参数设置&说明

ROS2底层机制&源码分析

ROS2读源码过程中涉及到的核心点梳理解读

Fast-DDS共享内存(SHM)通信

内存越界|内存泄漏检测方法

ROS2中间件

内存问题检测