TW项目后端加速精益求精 用NUMA优化

本文介绍了TW项目中如何通过绑定战斗线程到特定CPU核心并利用NUMA技术,优化CPU本地L3缓存,从而提升20%-30%的运算效率。具体包括线程与CPU核心绑定的方法及使用NUMA编程实现本地内存分配的技术细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

TW项目后端加速精益求精 用NUMA优化
一、问题描述
    上一篇文章描述了在每一次战斗时大量的并行计算被分布进行在CPU和GPU同时计算的方法,本篇文章介绍在CPU运算时,由于战斗线程、游戏逻辑线程、网络线程、数据库存取线程等被分别绑定到不同的CPU核心,所以战斗线程还可以运用numa技术,充分利用cpu的l3cache将运算效率进一步提高20%-30%。

二、利用线程与CPU核心绑定和该核心的L3Cache内存(少量)提高运算
    1、首先将战斗线程与CPU内核绑定(https://github.com/OpenHFT/Java-Thread-Affinity.git)
    2、用numa编程使改运算在CPU本地运行
        申请内存时用numa_alloc_onnode函数,在numa_alloc_onnode内部调用了mmap(内存申请并映射)和dombind(内存绑定)。
        dombind里边调用的mbind,mbind里边调用的syscall6,syscall6调用了汇编(见下)将内存和内核绑定。
long syscall6(long call, long a, long b, long c, long d, long e, long f)
{
       long res;
       asm volatile ("movq %[d],%%r10 ; movq %[e],%%r8 ; movq %[f],%%r9 ; syscall"
             : "=a" (res)
             : "0" (call),"D" (a),"S" (b), "d" (c),
               [d] "g" (d), [e] "g" (e), [f] "g" (f) :
             "r11","rcx","r8","r10","r9","memory" );
       if (res < 0) {
           errno = -res;
           res = -1;
       }
       return res;
}

    3、结论:numa技术比较成熟,开发难度不是太大,实际测试运算效率会有20-30%的提高。
 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

唐鹏V

你的鼓励将是我创作的最大动力

¥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
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