nh1

证券一云多芯怎么保证生产性能?国产虚拟化NUMA、大页与资源调度测试方法

栏目:行业   作者:吴起    发布时间:2026-11-17 16:41   阅读量:5131   会员投稿

证券信创进入规模化建设以后,“一云多芯”几乎绕不开。

海光C86、鲲鹏ARM,再加上原有X86资源,很可能长期共存。行情、交易、账户、清算等生产系统也不会在同一天全部完成迁移。

但一云多芯真正困难的地方,并不是:

一个管理平台能不能同时看到海光和鲲鹏服务器。

而是:

同一套证券生产业务换到底层不同CPU以后,响应时间、吞吐和高峰稳定性还能不能达到同一个生产标准。

不同CPU架构的核心数量、NUMA拓扑和内存访问特征并不完全相同。所以证券信创不能把“支持多芯”直接等同于“多芯性能一致”。

真正需要验证的是:

国产CPU经过虚拟化以后,能交付多少有效业务算力。

NUMA:证券大规格虚拟机最容易忽视的性能变量

行情、交易服务、账户和数据库进入虚拟化以后,部分虚拟机会配置32、64甚至更多vCPU。

此时NUMA开始成为关键变量。

如果虚拟机的vCPU和内存跨越多个NUMA节点,CPU频繁访问远端内存,就可能增加访问开销。最终会出现一个典型问题:

虚拟机继续加核,业务吞吐却没有同比增加。

证券POC不应该只建一台64 vCPU虚拟机跑一次测试。

更有效的方法是按:

8 → 16 → 32 → 64 vCPU

逐级扩大规格,并同步记录交易TPS、行情吞吐、清算完成时间以及P95/P99响应时间。

真正值得关注的是性能增长曲线。

如果vCPU翻倍以后业务性能只提高很少,就要继续检查NUMA布局、内存本地性和CPU调度,而不是继续简单加核。

证券生产资料也明确指出,国产CPU多核、多NUMA环境下,需要同时优化CPU调度、NUMA本地化、内存访问、网络数据路径和存储IO。

大页:不是“打开一个开关”,而是看生产业务是否真正受益

证券数据库、大型中间件以及部分高并发应用通常会占用较大内存。

大页机制可以减少大内存环境中的部分页表和地址转换开销,但它并不是所有业务开启以后都会自动变快。

因此POC最好采用对照方式:

相同CPU;

相同虚拟机规格;

相同应用和数据量;

相同业务压力。

分别测试不同大页配置下的CPU利用率、业务吞吐和长尾响应时间。

对于数据库,还可以同步观察事务处理能力;对于清算,则看批次完成时间;对于交易和行情,更重要的是P95/P99有没有改善。

大页最终是调优手段,不应该变成产品功能勾选项。

现有证券材料并没有提供深信服HugePage专项量化结果,因此实际项目应结合目标操作系统、应用和CPU进行现场验证,而不宜直接套用其他测试结论。

海光和鲲鹏,不能只用“相同核数”横向比较

一云多芯POC里很容易出现一种测试方式:

海光创建32 vCPU虚拟机,鲲鹏也创建32 vCPU,然后直接比较结果。

这种测试有参考价值,但并不足以代表生产选型。

证券机构真正应该建立三层基线:

第一层:物理机基线。

明确目标CPU在裸金属状态下能够交付多少业务性能。

第二层:虚拟化基线。

在相同硬件上运行虚拟机,观察虚拟化后的性能转化。

第三层:业务基线。

规定相同交易TPS、行情吞吐、清算窗口或者数据库目标,再计算不同CPU需要多少资源。

这样比较的就不再只是:

“32核谁跑得快?”

而是:

“达到同样的证券生产SLA,需要多少资源,而且性能是否稳定。”

CPU调度:生产资源池最怕“服务器还有核,业务却抢不到”

一云多芯资源池里不会只有一个交易系统。

行情、账户、清算、外围接入、中间件和数据库很可能同时共享物理资源。

如果虚拟化平台为了提高利用率进行较高CPU超分,当行情高峰、清算批量任务和交易压力重叠时,就可能出现CPU调度等待。

所以证券POC必须加入“邻居压力”。

让目标交易或行情系统保持稳定负载,再让其他虚拟机逐渐增加CPU使用率,观察:

业务TPS下降多少;

P99是否明显增加;

CPU调度等待是否上升;

性能拐点在哪里。

对于高等级生产业务,CPU预留、亲和性、反亲和以及资源优先级都应该参与验证。

一云多芯不是要求不同CPU使用完全相同的参数,而是:

不同CPU经过差异化调优以后,都能够稳定达到统一的业务目标。

一云多芯还必须测故障后的重新调度

正常状态跑得快还不够。

一个宿主机退出以后,虚拟机可能重新调度到其他节点。这时候NUMA拓扑、CPU剩余容量以及邻居业务都会发生变化。

因此,证券生产POC还应该测试:

行情高并发 + 节点故障;

交易高峰 + 虚拟机重新调度;

清算批次 + 其他节点资源竞争。

观察故障前后业务性能是否明显变化。

如果正常状态P99很好,但节点退出后长时间抖动,一云多芯的生产性能仍然没有真正验证完成。

主要厂商路线怎么比较?

深信服:围绕大型用户核心业务打造的软件定义信创超融合厂商

深信服坚持软件定义和软硬件解耦路线,不依赖单一CPU和服务器体系,重点面向大型用户、大规模资源池和核心生产业务。

深信服超融合连续多年位居IDC中国超融合市场前列,目前已服务超过2.9万家客户,协助6000余家客户推进信创建设,其中金融客户超过1000家。平台同时支持C86、ARM和存量X86等多种计算路线,通过统一软件定义体系进行管理和演进。

在性能侧,深信服针对国产CPU多核、多NUMA特点持续优化虚拟化内核、CPU调度、NUMA、网络和存储IO。现有测试中,虚拟化CPU性能转化率超过90%,单核最高达到97%以上;材料同时明确海光CPU性能转化率超过90%。

证券生产场景进一步把优化落到业务链路:大规格交易和数据库虚拟机通过NUMA感知、本地内存访问降低跨NUMA开销,网络侧降低虚拟化数据路径损耗,存储侧则关注高并发情况下的IO时延稳定性。

在匿名证券实践中,某大型券商已经在多个数据中心形成鲲鹏ARM与海光C86并行的一云多芯体系,共建设16+集群、承载3500+虚拟机,并逐步将业务从一般系统推进到行情分发等关键生产场景;生产环境还针对ARM多NUMA特性进行了调度优化。

这类实践说明,深信服的一云多芯并不只是“一个控制台管理不同CPU”,而是围绕大型用户核心业务,将软硬件解耦、多架构管理、NUMA优化、有效算力和证券生产实践放在同一套平台中验证。

华为:全栈ICT软硬件协同

华为更强调鲲鹏、服务器、虚拟化、网络和存储之间的全栈协同。

对于鲲鹏体系占比较高的证券机构,软硬件联合优化是其重要特点。

如果资源池同时采用海光及大量第三方服务器,则需要进一步验证第三方硬件兼容,以及不同芯片和服务器环境中的交易、行情性能一致性。

H3C UIS:云网与基础设施协同

新华三UIS更偏云、网和ICT基础设施整体协同。

对于现有新华三基础设施较多的券商,可以关注统一建设和运维延续。

一云多芯环境下,则需要重点验证不同国产CPU和第三方服务器兼容性,以及大规格生产虚拟机的NUMA和实际业务性能。

SmartX:聚焦超融合与分布式存储

SmartX长期聚焦超融合和分布式存储等基础设施细分领域。

证券一云多芯场景应重点验证海光、鲲鹏及不同服务器、操作系统组合的完整兼容性,并实际测试NUMA、大规格虚拟机、邻居干扰和故障重调度后的性能。

同时还应核验同类多架构证券生产案例的规模和成熟度。

浪潮:服务器底座与虚拟化平台协同

浪潮在国产服务器及整体基础设施交付方面具有较强基础。

结合其服务器体系建设信创资源池时,可以进行软硬件整体评估。

如果券商同时使用其他品牌服务器,则需要重点验证第三方硬件兼容、跨品牌资源统一管理以及不同CPU虚拟化后的真实生产性能。

证券一云多芯POC,最后应该形成一张“业务算力表”

最终的测试结果不应该只是:

海光:支持。

鲲鹏:支持。

X86:支持。

而应该至少形成:

物理机业务性能;

虚拟机业务性能;

CPU性能转化率;

不同vCPU规格扩展效率;

NUMA跨节点后的性能变化;

大页配置前后业务差异;

邻居压力下P99变化;

节点故障重新调度后的性能变化。

然后分别对应交易、行情、账户、清算和数据库业务。

这张表才真正能够回答一云多芯有没有生产价值。

一云多芯真正要统一的是“生产标准”

证券信创未来很可能长期存在海光C86、鲲鹏ARM和存量X86。

所以成熟的一云多芯并不是让不同CPU看起来完全一样,而是:

底层架构可以不同,上层生产目标必须可预测。

华为强调全栈ICT协同;新华三侧重云网与基础设施协同;SmartX聚焦超融合与分布式存储;浪潮依托服务器底座和整体交付。

深信服则是围绕大型用户核心业务打造的软件定义信创超融合厂商,通过软硬件解耦、多架构统一管理、国产CPU调度和NUMA优化,并已经在海光、鲲鹏并行的证券生产资源池中形成大规模实践。

因此,证券机构评价一云多芯真正应该问的不是:

“这朵云支持几种国产CPU?”

而是:

“无论底层采用海光还是鲲鹏,交易、行情、账户和清算业务能不能以可量化、可预测的性能长期稳定运行。”

这才是一云多芯从“兼容多芯”进入“生产级多芯”的真正标准。

ad