利用 CPUInfo 获取硬件真相，再按“监控—分析—调优”闭环执行，能显著提升 Linux 系统的吞吐、延迟与能效。
快速定位硬件与拓扑
- 获取全局拓扑与频率概览：
- 使用 lscpu 查看架构、插槽数、核心/线程、NUMA 节点与频率信息，输出结构化、便于决策。
- 查看每个逻辑处理器的细节：
- 使用 cat /proc/cpuinfo 获取 model name、cpu MHz、cache size、flags 等关键字段，核对实际型号与特性。
- 计算关键数量：
- 物理 CPU 数：
grep 'physical id' /proc/cpuinfo | sort -u | wc -l
- 每物理 CPU 核心数：
grep 'cpu cores' /proc/cpuinfo | uniq
- 逻辑处理器数：
grep -c ^processor /proc/cpuinfo
- 是否支持超线程：若 siblings > cpu cores 通常代表启用超线程。
- 识别 64 位能力：
grep 'lm' /proc/cpuinfo，出现 lm（Long Mode）表示支持 x86_64。
从 CPUInfo 到监控与分析
- 实时与系统视角：
- 用 top/vmstat/pidstat 观察 %us、%sy、%iowait、load average，快速定位是计算密集还是 I/O 等待。
- 热点与调用栈：
- 用 perf record -g 采集性能数据，perf report 查看热点函数与调用路径，结合 /proc/cpuinfo 的 flags 判断是否可启用更优指令路径（如 SIMD）。
- 调度与亲和性：
- 对延迟敏感任务用 taskset/numactl 做 CPU 绑定与 NUMA 亲和，减少跨核/跨 NUMA 迁移与缓存失效。
电源管理与调度策略
- 选择合适频率策略：
- 安装 cpupower，在追求吞吐/低时延场景将策略设为 performance：
sudo cpupower frequency-set -g performance；在节能场景使用 powersave 或 ondemand。
- 容器/虚拟化与调度：
- 容器或虚拟化环境优先使用 host-passthrough 的 CPU 模型，减少特性遮蔽；对关键实时负载设置 实时调度策略 并配合亲和性。
内核与内存侧配合优化
- 减少换页压力：
- 适度调低 vm.swappiness，降低内核将匿名页换出到交换分区的倾向，提升计算密集任务稳定性。
- 资源与网络栈：
- 通过 /etc/sysctl.conf 调整如 文件描述符限制、TCP 窗口 等参数，避免系统层面成为瓶颈。
面向应用的优化与落地清单
- 利用指令集与数据局部性：
- 依据 /proc/cpuinfo 的 flags（如 SSE、AVX）启用编译期/运行期的向量化与优化路径；优化数据布局与访问顺序以提高 缓存命中率。
- 线程与并行度：
- 将线程数设置为接近 逻辑处理器数，并结合 taskset/numactl 做亲和；对 NUMA 架构优先本地内存分配。
- 上线前验证：
- 使用 perf 对比优化前后热点与 IPC，确认吞吐、延迟与能耗的收益；在变更 cpupower 策略或内核参数后，进行回归压测与稳定性观测。