Linux性能诊断和调优系列(九)--计算密集型应用性能调优案例

计算密集型常见的场景

数据仓库：进行ETL（提取、转换、加载）操作和数据聚合。
大规模事务处理：处理大量并发事务的系统，如在线交易平台。
实时分析：需要快速响应时间的实时数据处理和分析。
财务建模和风险分析：进行复杂的金融算法和风险评估。
科学计算和模拟，例如气候模型、物理模拟、分子动力学模拟等；
高性能计算（HPC）、人工智能和深度学习等。
所以对于计算密集型应用案例，我们重点关注CPU方面的调整。

操作系统级CPU参数

对于计算密集型应用案例，常见的CPU方面的调整参数如下：
energy_performance_preference，这个参数用于设置系统整体的能耗与性能，建议使用performance，也就是最佳性能优先。
energy_perf_bias，这个参数用于设置CPU的能耗与性能，建议使用performance，也就是最佳性能优先。
governor，这个参数用于设置CPU频率策略，建议使用performance，从而让CPU尽可能保持在最高频率。
min_perf_pct，这个参数用于设置CPU性能的最小百分比，100表示CPU始终以最大性能运行。

使用slice配置应用程序CPU资源

如果在一个操作系统中，有多个应用程序，为了保证某个应用程序或限制某个应用程序，可以使用slice来配置应用程序可以使用的CPU资源。
在slice文件中，常见设置如下：
CPUQuota，这个参数用于设置可以使用的CPU资源百分比，例如40%。
CPUAccounting，这个参数用于设置开启对CPU使用的监控。

将应用程序绑定在指定CPU上

CPUAffinity，这个参数用于设置CPU的关联性，可以将应用程序绑定在指定CPU上，例如CPUAffinity=0，从而增加应用程序的性能。

为应用程序指定CPU调度策略和优先级

CPUSchedulingPolicy，这个参数用于设置CPU调度策略，常用的有NORMAL，BATCH和IDLE。
CPUScchedulingPriority，这个参数用于设置进程优先级，范围从 -20到+19，值越小优先级越高。

Linux性能诊断和调优系列(九)–计算密集型应用性能调优案例

目录

计算密集型常见的场景

操作系统级CPU参数

使用slice配置应用程序CPU资源

将应用程序绑定在指定CPU上

为应用程序指定CPU调度策略和优先级

更多内容请参见本系列其他文章