Sidekiq在Ubuntu 24.04桌面版的性能优化实践
2025-05-17 10:22:53作者:伍霜盼Ellen
问题背景
在最近的性能测试中,发现Sidekiq在Ubuntu 24.04桌面环境下出现了明显的性能下降现象。具体表现为:
- 多线程性能显著降低:10线程下仅4081 jobs/sec,而单线程可达22668 jobs/sec
- 端到端延迟增加:始终高于1ms,而macOS环境下可低至145us
这种性能差异引起了开发者的关注,特别是在多线程场景下性能不升反降的反常现象。
性能分析过程
初步排查
通过在不同环境下的对比测试,发现以下现象:
- 在主流云服务商的Ubuntu 24.04云服务器上,性能表现相对正常
- 在macOS环境下,性能表现最佳
- 只有在Ubuntu 24.04桌面环境下出现明显的性能下降
关键发现
经过一系列测试和调整,发现了几个关键影响因素:
- CPU亲和性:使用
taskset
命令将进程绑定到特定CPU核心后,性能从10937 jobs/sec提升至75550 jobs/sec - 电源管理策略:Ubuntu桌面版默认使用"powersave"模式,改为"performance"模式后性能显著提升
- YJIT编译器:启用Ruby的YJIT即时编译器也能带来明显的性能提升
技术原理
CPU亲和性与缓存局部性
现代CPU的多核架构中,每个核心都有自己的缓存体系。当进程在不同核心间迁移时:
- 需要重新加载缓存内容,造成缓存失效
- 增加了内存访问延迟
- 对于Ruby这类有全局解释器锁(GVL)的语言,频繁的核心迁移会加剧性能损耗
taskset
命令通过将进程绑定到特定CPU核心,避免了这种迁移带来的性能损耗。
电源管理的影响
Ubuntu桌面版默认的"powersave"模式会:
- 动态调整CPU频率以节省能耗
- 在负载较低时降低CPU频率
- 导致CPU需要时间从低频状态恢复到高频状态
而"performance"模式则保持CPU始终运行在最高频率,避免了频率切换带来的延迟。
优化建议
对于在Ubuntu桌面环境下运行Sidekiq的用户,建议采取以下优化措施:
-
设置CPU亲和性:
taskset -c 0 bundle exec sidekiq -t 10
-
调整电源管理模式:
echo performance | sudo tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_controller
-
启用YJIT编译器:
RUBYOPT=--yjit bundle exec sidekiq
-
考虑使用Unix域套接字:对于本地Redis连接,使用Unix socket而非TCP连接可减少约5%的延迟
结论
Ubuntu 24.04桌面环境下的性能问题主要源于操作系统级的电源管理和任务调度策略。通过合理的配置调整,可以显著提升Sidekiq的性能表现。这一发现不仅适用于Sidekiq,对于其他Ruby应用乃至其他语言的CPU密集型应用都有参考价值。
对于生产环境部署,建议在服务器版Ubuntu上进行验证,因为服务器版通常已经针对性能进行了优化配置。桌面用户在进行开发或测试时,可以临时应用这些优化措施以获得更好的性能体验。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0113AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析2 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp课程中屏幕放大器知识点优化分析5 freeCodeCamp英语课程填空题提示缺失问题分析6 freeCodeCamp课程页面空白问题的技术分析与解决方案7 freeCodeCamp Cafe Menu项目中link元素的void特性解析8 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 9 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析10 freeCodeCamp全栈开发课程中React实验项目的分类修正
最新内容推荐
ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 Jetson TX2开发板官方资源完全指南:从入门到精通 WebVideoDownloader:高效网页视频抓取工具全面使用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
217
2.23 K

暂无简介
Dart
523
116

React Native鸿蒙化仓库
JavaScript
210
285

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
982
580

Ascend Extension for PyTorch
Python
67
97

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
564
87

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
33
0