openGauss鲲鹏多核优化解读

从集成电路诞生到现在，CPU主要经历了三个发展阶段，第一阶段是提升CPU的主频。在集成电路问世6年后，摩尔就提出了摩尔定律，预言了芯片上集成的晶体管数量将每两年翻一番。摩尔定律不是自然定律，但半导体芯片发展的事实证明，摩尔的预言是准确的。芯片的技术进步主要受益于两个方面：制程变小和硅片变大。但当芯片工艺规格小于7nm的时候，就会出现量子隧穿效应，芯片量产变得困难，导致制造成本急剧上升。

第二阶段是增加核数，在单核CPU频率无法继续增加的情况下，可以通过增加CPU的核数来提升算力。但CPU只是逻辑计算单元，必须把内存中的程序和数据加载到CPU中才能进行计算。所有CPU核都是通过共享一个北桥来读取内存，随着核数的快速发展，北桥在响应时间上的性能瓶颈越来越明显。

第三阶段是CPU核NUMA化，为了解决北桥中读取内存的部分即内存控制器的瓶颈，可以把内存平均分配在各个die上，但这导致了不同CPU核访问不同内存时延的非对称性。原因是虽然内存直接attach在CPU上，但当CPU访问自身直接attach内存对应的物理地址时（即Local Access），响应时间较短。如果访问其他CPU attach的内存数据（即Remote Access），就需要通过inter-connect通道访问，响应时间就会变慢。这也是NUMA（Non-Uniform Memory Access）名称的由来。在NUMA架构下，NUMA Node的处理器和内存块的物理距离被称为NUMA距离，通过numactl工具可以查询到CPU访问的距离信息。以鲲鹏服务器为例，图示如下：

CPU NUMA化给服务器带来澎湃算力的同时，也给软件开发带来了很大挑战。从整个IT软件栈来看，首先需要对NUMA化进行支持的是操作系统，现在通用的企业操作系统是Linux操作系统。在NUMA出现后，Linux也提供了针对性的优化方案，优先尝试在请求线程当前所处的CPU的Local内存上分配空间。如果local内存不足，优先淘汰local内存中无用的Page。但Linux提供的NUMA内存使用方式并不适合数据库，因为数据库是一个数据密集型高并发的应用，内部有很多的内核数据结构&#