CPU选型：Intel Xeon vs AMD EPYC、核心频率与缓存策略、NUMA架构对延迟的影响
聊到交易系统的CPU选型，我脑子里第一个蹦出来的问题不是「选Intel还是AMD」，而是「你的延迟预算到底有多少？」。这个问题想清楚了，选型才有方向。
交易系统对CPU的要求，说白了就三个字：快、稳、准。快是指处理速度快，稳是指延迟抖动小，准是指数据一致性高。这三个目标，往往互相打架。
Intel Xeon vs AMD EPYC：一场没有标准答案的较量
先说说这两家的现状。我个人习惯把Intel Xeon比作「老牌劲旅」，AMD EPYC则是「后起之秀」。在交易系统这个领域，情况有点微妙。
Intel Xeon的优势：
- 单核性能强：Xeon的单核频率通常更高，这对那些无法并行化的交易逻辑来说，是实打实的优势。我在一个高频做市商的项目里遇到过，同样的策略代码，Xeon跑出来的延迟中位数比EPYC低了将近15%。
- 生态成熟：很多交易软件、中间件、网卡驱动，最初都是针对Intel平台优化的。你想想看，一个用了十年的系统，突然要迁移到AMD，中间踩的坑可能比省下的钱还多。
- 缓存一致性：Intel的Mesh架构在跨核心访问缓存时，延迟表现更稳定。这一点对NUMA敏感的应用来说，很重要。
AMD EPYC的优势：
- 核心数碾压：EPYC动辄64核、96核，Xeon目前还在28核、32核徘徊。如果你的交易系统需要同时处理大量订单簿快照、风控计算、日志写入，EPYC的多核优势就体现出来了。
- PCIe通道多：EPYC的PCIe 4.0/5.0通道数几乎是Xeon的两倍。这意味着你可以挂更多的NVMe SSD、网卡、FPGA加速卡，而不需要担心带宽瓶颈。
- 性价比高：同样的预算，EPYC能给你多一倍的核数。我建议预算有限的中型交易团队，可以优先考虑EPYC。
我的建议：
- 如果追求极致单线程延迟，选Intel Xeon（比如高频交易中的信号生成环节）。
- 如果需要高并发处理，选AMD EPYC（比如风控、订单路由、日志聚合）。
- 混合部署也是一种思路：前端用Xeon，后端用EPYC。
核心频率与缓存策略：别被「高频」两个字骗了
很多人一上来就问：「CPU主频是不是越高越好？」嗯，这个问题我当年也问过。答案是：不一定。
核心频率：
- 高频确实能降低单笔交易的延迟。比如一个订单处理逻辑，3.5GHz比2.5GHz快了将近30%。
- 但高频带来的功耗和散热问题，会导致降频。我曾经在一个机房看到，一台满载的Xeon服务器，因为散热没做好，CPU频率从3.8GHz直接掉到了2.9GHz。延迟瞬间飙升。
- 所以，选高频CPU的前提是：你的散热和供电要跟得上。否则，高频就是摆设。
缓存策略：
缓存这个东西，很多人容易忽略。但交易系统里，缓存命中率直接决定了延迟。
- L1/L2缓存：每个核心独享，速度最快。如果你的交易逻辑能完全塞进L1缓存（比如一些简单的信号计算），延迟可以控制在几十纳秒级别。
- L3缓存：所有核心共享，速度稍慢。但L3缓存的大小，对NUMA架构下的跨核心访问影响很大。
- 缓存行对齐：这个坑我踩过。有一次，一个订单结构体因为没做缓存行对齐，导致两个核心频繁争用同一个缓存行，性能直接腰斩。后来我强制用
__attribute__((aligned(64)))对齐，问题才解决。
实战技巧：
- 优先选择L3缓存大的CPU（比如Intel的L3缓存通常比AMD大，但AMD的L3缓存架构更高效）。
- 关键数据结构做缓存行对齐，避免伪共享。
- 如果可能，把热数据（比如订单簿的top-of-book）固定在L1缓存里。
NUMA架构对延迟的影响：一个被低估的杀手
NUMA（非统一内存访问）架构，说白了就是：CPU访问本地内存快，访问远端内存慢。这个「慢」字，在交易系统里可能是致命的。
NUMA的工作原理：
- 每个CPU插槽（Socket）有自己的内存控制器，访问本地内存延迟低（比如80ns）。
- 访问另一个Socket的内存，需要经过QPI/UPI总线，延迟会翻倍（比如160ns）。
- 如果线程和它使用的内存不在同一个NUMA节点上，延迟就会增加。
NUMA对交易系统的影响：
- 延迟抖动：NUMA跨节点访问的延迟不稳定，有时候快有时候慢。这对追求确定性延迟的交易系统来说，是噩梦。
- 带宽瓶颈：跨节点访问的带宽有限，如果多个核心同时访问远端内存，带宽会被争用。
- 缓存一致性：跨节点的缓存一致性协议（MESI）会更复杂，导致额外的延迟。
避坑指南：我曾经在一个交易系统里，因为没做NUMA绑定，导致一个订单处理线程被调度到了Socket 0，但它使用的内存却在Socket 1上。结果延迟从10微秒飙到了30微秒。后来我用numactl --cpunodebind=0 --membind=0强制绑定，问题才解决。
NUMA优化策略：
- 线程绑定：用
pthread_setaffinity_np或numactl，把关键线程绑定到固定的CPU核心上。 - 内存绑定：用
numa_alloc_local分配内存，确保线程使用的内存在同一个NUMA节点上。 - 避免跨节点通信：如果可能，把相关的线程和内存放在同一个NUMA节点上。
- 监控NUMA miss：用
perf stat -e numa_misses监控NUMA miss率，如果太高，说明你的绑定策略有问题。
知识体系图：CPU选型与优化全景
总结
CPU选型这件事，没有银弹。Intel Xeon和AMD EPYC各有千秋，关键看你的业务场景。核心频率和缓存策略，需要结合你的交易逻辑来权衡。NUMA架构的影响，往往被忽视，但一旦出了问题，代价很大。
我个人习惯的做法是：先做延迟预算，再选CPU；先做NUMA绑定，再上线；先做缓存对齐，再优化。顺序对了，事半功倍。
一句话记住：CPU选型不是选最好的，而是选最合适的。你的交易系统需要什么，你就选什么。