Sidekiq在Ubuntu 24.04桌面版的性能优化实践
2025-05-17 06:28:35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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0209- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
MarkFlowy一款 AI Markdown 编辑器TSX01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
618
4.08 K
Ascend Extension for PyTorch
Python
453
538
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
暂无简介
Dart
858
205
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++
926
776
🎉 (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
1.48 K
836
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
178
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
374
254
昇腾LLM分布式训练框架
Python
133
159