性能干货:cpu性能调节3要素绑核,调频,线程优先级

性能优化实战:当向量库超过 10 万行,如何把检索延迟压到 50ms 以内? 本文系统优化 pgvector 向量检索性能,针对 10 万行数据下查询延迟高达数百毫秒的问题,通过四步优化:选用 HNSW 索引、调优 ef_search、用内积替代余弦距离、结合过滤索引,将延迟从 280ms 降至 3ms 以内。实测表明,合理选型与参数配置可实现毫秒级响应,满足实时场景需求,并附避坑指南,强调索引适用阈值与维护策略。 阅读详情

背景

相信作为一个合格的性能优化工程师,都必须要知道cpu性能调节的3要素:
绑核,调频,线程优先级。
图片

这块内容的详细实战项目讲解可以看马哥的性能优化高级实战课程:

安卓系统性能优化高级实战开发专题发布啦

下面本文将分享一下最简单原始的手动方式如何对这个性能三要素进行数据获取和数据的修改。

获取相关数据部分

线程优先级使用 top 命令查看
adb shell top -H -p 1091

可以看到相关线程的优先级priority和nice值
在这里插入图片描述

查看某个cpu上的频率相关

1、cpu最大最小频率的获取查看

 cat /sys/devices/system/cpu/cpu7/cpufreq/scaling_max_freq
 cat /sys/devices/system/cpu/cpu7/cpufreq/scaling_min_freq

2、cpu的当前频率

cat /sys/devices/system/cpu/cpu6/cpufreq/scaling_cur_freq

3、cpu的大小核判断依据


 cat /sys/devices/system/cpu/cpu*/cpufreq/scaling_max_freq

结果如下:

grus:/ #  cat /sys/devices/system/cpu/cpu*/cpufreq/scaling_max_freq
1708800
1708800
1708800
1708800
1708800
1708800
2304000
2304000

查看当前线程执行在哪个cpu上命令:
# 查看当前绑定情况
adb shell taskset -p 1234

adb shell cat /proc/3219/stat | awk '{print "CPU核心: " $39}'

主动设置部分

cpu频率相关操作

1.1 强制拉高 big 大核最低频率(确认有效的验证方式)

# 提频:强制大核最低频率 = 最高频率(拉满)
adb shell "echo '6:2304000 7:2304000' > /sys/module/msm_performance/parameters/cpu_min_freq"

1.2 强制拉高 little 小核频率

# 小核全部拉满
adb shell "echo '0:1708800 1:1708800 2:1708800 3:1708800 4:1708800 5:1708800' > /sys/module/msm_performance/parameters/cpu_min_freq"

1.3 释放限制(恢复默认)

# 全部恢复
adb shell "echo '0:0 1:0 2:0 3:0 4:0 5:0 6:0 7:0' > /sys/module/msm_performance/parameters/cpu_min_freq"

1.4 只限制 max_freq(拉高最低频率才能看到实际提频效果)

# 只限制 max 不会让 governor 主动提频,必须配合 min_freq 一起用
adb shell "echo '6:2304000 7:2304000' > /sys/module/msm_performance/parameters/cpu_max_freq"

关键区别: 只设 cpu_max_freq 只改变频率上限,governor 不会主动拉高。必须设 cpu_min_freq 才能强制提频并观察到 scaling_cur_freq 变化。

绑核操作

** 使用taskset绑定CPU核心**
假设 audioserver 的 PID 是 1234,大核的CPU编号为 4,5,6,7(以8核处理器为例):

# 查看当前绑定情况
adb shell taskset -p 1234

# 将进程绑定到大核 (掩码:0xF0 表示 假设大核是CPU4-7)
adb shell taskset -p F0 1234

# 或者针对其中的特定线程进行绑定(例如 AudioFlinger 工作线程)
adb shell taskset -p F0 [线程ID]
  • 掩码计算:0xF0(二进制11110000)代表CPU4-7。如果你只希望绑在一个特定大核(如CPU7),掩码设为0x80。
  • 验证:再次执行 taskset -p [PID] 确认掩码已修改。

注意有可能设置会有报错

grus:/ # taskset -p c0 3219                                                                                                                                                                               
taskset: failed to set pid 3219's affinity: Invalid argument
pid 3219's current affinity mask: 30
: c0

#这里会报错说明我们0xc0是Invalid argument

#其实要变成这个时候可以确认一下我们进所在的cpu组

grus:/ # cat /proc/3219/cpuset
/background

#可以看到这里的是在background组,那么在这个组下面的话,
#它们的cpu就会被锁定在4-5,可以通过这个命令查看。


grus:/ # for dir in /dev/cpuset/*; do [ -d "$dir" ] && echo "$dir: $(cat $dir/cpus 2>/dev/null)"; done                                                                                                    
/dev/cpuset/background: 4-5
/dev/cpuset/camera-daemon: 0-7
/dev/cpuset/foreground: 0-5,7
/dev/cpuset/foreground_window: 0-7
/dev/cpuset/restricted: 2-5
/dev/cpuset/system-background: 2-5
/dev/cpuset/top-app: 0-7

#那么重新打开app,让app到前台,变成top-app既可以
grus:/ # cat /proc/3219/cpuset                                                                                                                                                                            
/top-app

#然后再进行设置

grus:/ # taskset -p c0 3219                                                                                                                                                                             
pid 3219's current affinity mask: c0
pid 3219's new affinity mask: c0
线程优先级相关操作

使用系统自带的renice命令

grus:/ # renice --help
Toybox 0.8.11-android multicall binary (see toybox --help)

usage: renice [-gpu] -n INCREMENT ID...

-g	Group ids
-p	Process ids (default)
-u	User ids

#注意这里的-n 20是指的原基础上差值,不是直接设定值
grus:/ # renice -n  20 -p  3219                                                                                                                           
grus:/ # top | grep desk                                                                                                                                  
 3219 u0_a129      20   0  14G 183M 116M S 48.3   3.2  88:24.41 com.android.deskclock
12176 root         20   0  10G 4.5M 3.8M S  0.0   0.0   0:00.02 grep desk

原文参考:

安卓系统性能优化高级实战开发专题发布啦

火电厂智慧化落地:云边协同与数据治理实操指南 智慧电厂不是概念堆砌,而是以云边协同架构为骨架、数据治理为血脉的工业数字化实践。其核心在于解决火电行业共性痛点:AGC响应合格率低、非停频发、人员老龄化与监盘负荷过重。技术原理上,依托超融合边缘平台实现毫秒级控制闭环,通过本体建模与语义对齐打通DCS/SIS/MIS多源异构数据,构建可验证的数据基因体系。技术价值体现在减员增效——如智能控制器替代人工监盘、软测量模型支撑燃烧优化。典型应用场景覆盖智慧运行(提升AGC合格率)、智慧检修(降低非停次数)、智慧安全(压降违章率)。本文聚焦真实电厂落地中的云边协同架 阅读详情

相关推荐

晶圆表面缺陷检测现状概述

凹坑,凸起,尖角,沟槽),使用光束对晶圆进行照射,收集反射光和散射光信息进行缺陷判断,进一步可分为无图案晶圆表面检测和宏观缺陷检测设备。KLA使用SR-DUV光,检测精度在10nm以下。扫描电子显微(电子束和晶圆表面产生二次电子,X射线等)获取高分辨率的图像,然后用图像处理表面缺陷(凹坑,凸起,尖角,沟槽等)表面容貌和材料信息,分辨率可达5-10nm。晶圆表面缺陷检测设备主要检测晶圆外观呈现出来的缺陷,损伤、毛刺等缺陷,主要设备供应商KLA,AMAT,日立等,其中KLA在晶圆表面检测设备占有市场52%左右。

qq_36786800的博客 1万+

半导体装备实时控制系统解析:鸿道RTOS如何保障确定性运动控制

在半导体制造与工业自动化领域,运动控制、同步协同与数据采集对时间确定性有着极致要求,实时操作系统因此成为设备稳定运行的核心底座。分时系统追求平均吞吐与尽力而为,遇到突发中断或后台任务抢占时,控制周期抖动会直接反映为物理误差,威胁良率。鸿道操作系统采用固定优先级抢占式调度、高精度定时器与确定性中断路径,配合内存锁定、优先级继承和EtherCAT总线同步机制,将任务调度延迟与周期抖动压缩至微秒级,满足光刻机、刻蚀设备及薄膜沉积装备对高速高精控制的需求。针对国产化替代场景,系统在多核资源分区、性能基线测试、重负载

weixin_34054931的博客 165

CiteSpace基础操作(CNKI数据的导入分析)(一)

1 Cite Space简单介绍 2 文献导入 2.1 打开知网,选择高级检索

m0_50990607的博客 5万+

【Infra】大模型分布式训练:从并行策略到性能优化

大模型训练系统的核心可以归纳为三个层次: 第一层:并行策略。 DP/FSDP 解决数据与模型状态分片,TP/PP 解决模型规模,EP 解决 MoE 专家分布,CP 解决长上下文。 第二层:计算与通信优化。 通过高效 GEMM、Attention Kernel、通信计算重叠和拓扑感知调度,提升 MFU 与 Tokens/s。 第三层:训练系统工程。 面向 SFT、GRPO、多模态和百卡训练,解决资源调度、训推协同、性能监控及故障恢复。 总结:分布式训练的本质,就是在显存、计算、通信和稳定性之间寻找最优平衡。

发现问题,并解决问题,批判性思维 367

Mac上安装虚拟机搭载window系统

用Mac的都知道,很多window用的软件是Mac版本没有的。平时有的还得要求去用那些软件,有几种方式可供大家选择: 1.再买个window本; 2.装双系统; 3.装虚拟机,搭载window系统。 我比较推荐第3条,这样可以在Mac本上做到双开,一边开着mac一边开着window,还能做到同时处理文件,不至于重新启动操作系统,下边是具体实现步骤,其中有几个需要下载的,建议在网速好的时候完...

Coder_Mumu的博客 1万+

Android HCE实战:手把手教你用Kotlin实现NFC公交卡模拟(含完整APDU指令解析)

本文是一份Android HCE实战指南,详细讲解如何使用Kotlin实现NFC公交卡模拟。内容涵盖HCE服务搭建、APDU指令(如SELECT AID、GET PROCESSING OPTIONS)的完整解析与响应逻辑,并提供读卡器端测试代码,帮助开发者深入理解基于主机的卡模拟技术。

qsc901234567的博客 1123

Chrome 性能优化实战指南:2026 前端页面提速与内存优化全攻略

2026年Chrome已切换为双周更新节奏,页面性能优化规则也随之迭代。本文详解Chrome性能面板高级用法、内存泄漏排查、渲染路径优化与最新API落地技巧,帮助你把页面首屏速度提升50%以上。

Frag0ut的博客 372

of_graph_get_remote_port

isp { compatible = "isp"; core@0 { id = <0>; ports { #address-cells = <1>; #size-cells = <0>; port@0 { reg = <0>; ...

wmzjzwlzs的专栏 1166

成本与性能优化:让账单不再像心跳图

—而电话费按分钟计。

m0_62724751的博客 229

基于高斯两步移动搜寻法(2SFCA)的城市绿地可达性分析

第二步,对于每一个街道i,给定空间距离阈值d0,便形成另一个空间作用域,同样对于落在空间作用域内的每块绿地l的供给比率(Rl)利用高斯方程赋以权重,然后对这些加权后的供给比率(Rl)进行加和,便得到每个街道i的绿地可达性Ai。图3与图4是高斯两步移动搜索法的示例。在图3中,以d0为阈值,有1、2、3 三个街道中心点落在了绿地a的空间作用域内。同样在图4中,以d0为阈值,有a、c两个绿地中心点落在了街道2的空间作用域内,根据公式(3),对a、c高斯方程加权后的供需比率进行累加,便得到了街道2 的绿地可达性。

2301_77310370的博客 2405

海思3559av100平台lan9500模块调试记录

1. 前言 通过USB2.0接口扩展一路百兆虚拟网口 2. 配置lan9500驱动 make ARCH=arm64 menuconfig 开启LAN95XX驱动,编译进内核 保存内核配置 3. 编译内核 make ARCH=arm64 CROSS_COMPILE=aarch64-himix100-linux- uImage -j 20 cd ../../arm-trusted-firmware/arm-trusted-firmware ./mk.sh cp ...

jzwjzw19900922的博客 909

UGUI 与 NGUI 使用及性能优化

本文解析 Lua 与 ToLua 在 Unity 中的运行机制及热更新原理。Lua 作为可嵌入语言,通过编译字节码由虚拟机执行,支持运行时加载新脚本;ToLua 实现 C# 与 Lua 的双向调用,通过生成 Wrap 代码注册类型接口;热更新依赖于宿主动态加载并执行新脚本,结合资源管理、版本控制与状态处理机制。关键点包括:table 共享引用、函数值不随重定义更新、闭包捕获状态、元表实现类逻辑,以及对象跨语言传递的生命周期管理。完整热更新需独立设计补丁分发与回滚策略。

2503_90324697的博客 376

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

低代码平台性能优化实战:从用户认证模块出发的基准测试与优化

整个系统由以下几个核心部分组成:- 前端:基于 React 构建的登录页面 - 后端:Node.js + Express 接口服务 - 数据库:MySQL 用户信息存储前端部分通过 fetch 请求后端/api/login接口,并在接口中处理身份验证、数据库查询与返回结果。// 示例:Node.js 后端 /api/login 接口逻辑(伪代码)return res.status(500).send({ error: '数据库查询失败' });} else {});});

后台模板 206

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

深入 MyBatis-Plus:避开常见陷阱与性能优化实践

本文结合日常后端开发经验,梳理 MyBatis-Plus 在现代 Spring Boot 环境中的核心用法与易踩坑点。重点讲解 Wrapper 链式调用、自动填充机制、分页插件序列化问题及批量操作的底层行为,分析动态 SQL 生成逻辑与索引失效场景,并提供可验证的代码示例与排查思路。内容聚焦工程落地,明确版本依赖差异,指出官方未强调的性能边界与替代方案。

2402_83344867的博客 447

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Day103-RAG 性能优化:检索延迟/并发/批量与缓存分层

RAG 跑通不算完,扛住流量才是真本事。本文把 RAG 的端到端延迟拆成"检索—重排—生成"三段,逐段给出优化手段:Embedding 批量异步、检索并发合并、热点 Query 多级缓存、生成端流式输出,并附一张可直接照着抄的优化清单。

雨1986的博客 420

Caddy反向代理性能优化实战:基准测试到瓶颈定位的5大关

在数据统计报表与BI系统中,反向代理作为流量调度的关键节点,其性能直接影响到整体系统的响应效率。Caddy作为一种轻量级、高性能的Web服务器和反向代理工具,常被用于此类场景。然而,随着访问量的增长,若未进行适当的性能优化,系统可能会出现延迟高、吞吐低等问题。本文将结合真实业务场景,深入探讨如何通过基准测试、瓶颈定位以及优化手段提升Caddy在数据报表服务中的性能表现,并提供可复用的实践经验。

wuchangjian的专栏 206

Chrome性能优化实战:让老旧浏览器重获流畅体验

Chrome越用越卡、打开十几个标签页就占满内存、滚动页面掉帧?不用换电脑也不用重装系统,通过调整原生设置和清理冗余资源,就能让老旧设备上的Chrome重新变得流畅。本文从内存管理、后台限制、缓存优化到实验性功能开启,一步步帮你榨干浏览器性能潜力。

MyBili的博客 272

性能优化实战:常见性能问题定位与解决方案整理

性能优化那点事

sun_daming的博客 346

Windows 11 26H2 游戏性能优化指南:Xbox 模式、图形设置与延迟调优

Windows 11 26H2 游戏怎么调最顺?本文详解 Xbox 模式的开启路径与实测内存收益、高级着色器分发与 DirectStorage 升级的作用,并整理游戏模式、硬件加速 GPU 计划、动态刷新率等必开设置,附延迟调优与掉帧排查思路。

the3clipse的博客 309

【Jetpack Compose娓娓道来】第41课:动画性能优化与调试——让动画丝滑,而不是烧CPU

动画性能瓶颈源于状态读取阶段错误。将动画值(如animX)在组合阶段读取会导致每帧重组,耗损大量CPU;正确做法是将其移至绘制或布局阶段的lambda中(如graphicsLayer { translationX = animX }),实现零重组、单节点重绘。此“延迟状态读取”原则是优化动画的核心,配合Layout Inspector、Composition Tracing等工具可精准定位性能问题,确保动画丝滑流畅。

jackchuanqi的博客 417

单并发提速73%,多并发能力达原来2.4倍:Qwen3.8-27B性能优化实践

推理优化需同时考虑场景配置、引擎实现和底层计算。

SmartX 超融合 283

HTTP/1.1 vs HTTP/2:博客平台接口性能优化

在内容创作与发布日益频繁的今天,博客平台与内容管理系统(CMS)面临着巨大的访问压力。尤其是对于独立开发者或个人博主而言,如何在有限资源条件下保障平台性能,成为了一个亟需解决的问题。本文将以某独立博客平台为案例,通过的方式,深入探讨使用 HTTP/1.1 与 HTTP/2 对接口性能的影响,并提供一套可落地的性能调优策略。

后台模板 190

MySQL 批量操作的性能优化:从 insert into 到 load data 的进阶

本文通过三组实验对比循环单条INSERT、批量合并INSERT与LOADDATAINFILE三种MySQL批量插入方式,实测显示:前者耗时超150秒,后者仅需3-5秒。核心优化策略包括调大bulk_insert_buffer_size、关闭自动提交及索引/约束校验,并推荐海量数据优先使用LOADDATAINFILE配合文件导入与索引提前删除,实现百万级数据秒级写入,彻底解决批量插入慢、卡死、超时问题。

unicrom的博客 413

Nginx反向代理在博客平台中的性能优化与底层设计原理

引言在现代 Web 开发中,反向代理技术是构建高性能、高可用网站架构的基石之一。对于博客平台或内容管理系统(CMS)而言,用户请求的并发量、响应速度以及服务器稳定性是决定用户体验的关键指标。Nginx 作为最流行的反向代理服务器之一,广泛被用于处理这些场景下的流量负载和静态资源分发。然而,很多人对 Nginx 的运行机制及其为何能胜任如此任务知之甚少。本文将围绕 Nginx 反向代理的核心设计原理展开,结合博客平台的实际应用场景,从底层机制出发解析其性能优势和设计逻辑。

qq_41106321的博客 238

Android Visualizer 实战:把声音画出来

是系统提供的音频效果(AudioEffect)之一。它挂在音频链路上,,把数据回吐给你——画波形、画频谱、做响度表。

Android的专栏 323
上一篇: 重大更新:Perfetto中分析bitmap内存泄漏可以看到png图片
下一篇: 性能优化高阶技能:Perfetto SQL 相关深入实战
千里马学框架
博客等级 码龄6年 1万+粉丝 652原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

千里马学框架

帮助你了,就请我喝杯咖啡

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值