内存带宽瓶颈怎么解决；先看这3个指标

内存带宽跑满的时候，系统不报错、不弹红字，CPU 使用率看着还挺舒服——就是慢。这个最坑人，你盯着 top 看半天，发现哪个进程都没吃满，磁盘 io 不高，网络更闲，然后开始怀疑人生。内存带宽瓶颈怎么解决这个问题，我一般不看那些花里胡哨的总览面板，就盯三个指标，一般十分钟能定性。

内存带宽瓶颈怎么解决，先把两件事分开

很多人一说慢就往“内存不够”上想，其实容量不够和带宽不够是两码事。容量不够会 OOM，会 swap，会给你明确的信号，日志里写得清清楚楚；带宽不够什么都没有，只是每个请求慢那么一点点，攒起来就变成页面打开慢、接口超时、数据库查询排队。

DDR 的带宽有公开的算法，频率 × 位宽 × 通道数，按公式粗算一遍就知道理论上限，比如 DDR4-3200 单通道理论值在二十几 GB/s 这个量级，双通道翻倍。各家算出来的绝对值可能有出入，以厂商文档和公开资料为准。关键是你要知道自己这台机器的天花板在哪，再去比对实际跑到了几成。

碰到过一个挺典型的场景：一台跑数据库的机器，QPS 死活上不去，CPU 只到四成，加索引没用，换更高频的 CPU 也没用。最后拆开看，双路主板的内存槽只插了一半，通道根本没铺满，等于花双路的钱用单路的带宽。这种事不查硬件信息，光看监控面板一辈子也看不出来。

指标一：带宽利用率到七成就该警觉

这个指标是核心。Intel 平台上有 pcm-memory 这类工具能读内存控制器的计数器，AMD 平台有 uProf，Linux 上 perf stat 配合 uncore 事件也能摸到一部分。跑出来的数不是让你看到 100% 才叫瓶颈，一般长期在七成以上，就该考虑是不是它拖后腿了——留三成余量是因为突发流量和 GC 那种尖峰需要空间。

手上没有这些工具也行，用压测做对照。sysbench 的内存测试或者 stress-ng 的 vm 模式跑一遍，看吞吐是不是随并发线性往上走，走到某个点就不涨了、延迟反而飙升，那个拐点基本就是带宽被打满的位置。

指标二：通道数和频率有没有真的跑起来

这条最容易被忽略，也最好查。dmidecode -t memory 看一眼，槽位插了几条、Configured Memory Speed 是多少。标称 3200 的条子实际跑在 2133 的情况太常见了，原因无非两个：BIOS 里 XMP/EXPO 没开，或者插槽插错组——两条内存插进同一组通道，看着是双通道，实际还是单通道在工作。

原则很简单，优先铺满通道，其次才是容量对称。四条 8G 和两条 16G，容量一样，带宽可能差一截。做内存密集型的服务，这个差别很实在。

指标三：延迟和 NUMA 跨节点那点事

带宽够不等于快，延迟也得看。多路机器上这个问题尤其明显，进程跑到 0 号 socket，内存却分配在 1 号 socket 上，访问要走片间互联，带宽和延迟都要打折扣。用 numactl –hardware 看节点分布，numastat 看命中和未命中的比例，未命中占比高就说明在跨节点飘。

处理办法不复杂，服务启动的时候用 numactl –cpunodebind=0 –membind=0 把 CPU 和内存绑在同一个节点上。虚拟化和容器环境里更要注意，没绑核的进程会被调度器到处搬，缓存全部失效，表现出来就像内存变慢了。

顺带排掉 swap 和缺页这两个伪装者

有些现象看着像带宽瓶颈，其实是内存压力。内核在回收 page cache，没走到 swap，但从 pidstat -r 里能看到主缺页次数一直往上走，vmstat 的 si/so 偶尔冒头。这种时候加带宽没用，得加容量或者砍缓存占用。

判断顺序我习惯反过来：先确认不是缺页、不是 swap、不是磁盘 io 打满，再往带宽上想。不然容易一头扎进硬件参数里，折腾半天发现是某个进程内存泄漏。

云主机上没法看底层计数器怎么办

云上你大概率读不到 uncore 那一层，这是正常的，别硬折腾。可行的路子是建立基线：业务低峰期用固定参数跑一遍内存压测，记下吞吐和延迟；高峰期同样参数再跑一遍，两次差距明显，就说明资源被挤压了。

另外看一眼实例规格里 vCPU 和内存的配比，一般规格族会按比例给带宽，具体分配策略各家不同，以服务商官方页面说明为准。共享型实例受邻居影响大，真跑内存密集型业务，还是往独享型或者计算优化型上靠。

动手的顺序，从上往下别乱跳

第一，算理论带宽，查通道和频率是否跑满；第二，测实际利用率和压测拐点；第三，看 NUMA 命中率和缺页情况；第四，确认不是容量问题之后，再考虑升规格、换实例族或者把服务拆小。顺序乱了就是白花钱——先升配再加带宽，最后发现是插槽没插对，这种冤枉路我见得太多了。

最后提醒一句：内存带宽这东西不像 CPU 那样有直观的百分比进度条，它更像水管，管子够粗但接口拧小了，水照样出不来。平时的监控里给带宽利用率和主缺页各留一个图，出事的时候能省掉一大半瞎猜的时间。