考点：

• CPU 基础
  • CPU 由哪些部分组成
  • 指令执行过程
  • 用户态/内核态
  • 上下文切换
  • 多核与并行
• 高速缓存
  • L1/L2/L3 Cache 的作用
  • Cache 命中/失效
  • 局部性原理
  • 伪共享
• 内存体系
  • 虚拟内存与物理内存
  • 页表、TLB
  • 缺页异常
  • 内存对齐
  • HugePage
• I/O 与中断
  • 中断和轮询的区别
  • DMA 的作用
  • 磁盘/网卡 I/O 基本链路
• 总线与数据传输
  • CPU、内存、外设之间如何协同
  • 带宽、延迟、吞吐量的区别
• 存储基础
  • 顺序 I/O 与随机 I/O
  • SSD 与 HDD 的差异
  • 页缓存 Page Cache
• 和运维场景结合
  • 为什么容器 CPU 打满但机器不一定打满
  • 为什么 Pod 明明有空闲内存却 OOM
  • 为什么高并发时延抖动变大
  • NUMA 对性能的影响

Q1：CPU 的基本组成有哪些？指令大致是如何执行的？

• 核心要点

  • CPU 常见组成包括：
    • 运算器（ALU）
    • 控制器
    • 寄存器组
    • 高速缓存
  • 指令执行通常可以概括为：
    • 取指
    • 译码
    • 执行
    • 访存
    • 写回
  • 寄存器速度最快，离计算核心最近。
  • 程序真正运行时，CPU 并不是“直接从磁盘执行”，而是先装入内存，再被 CPU 取指执行。

• 易错点

  • 把“内存”和“寄存器”混为一谈。
  • 以为 CPU 直接处理磁盘上的程序。
  • 只会背“冯诺依曼结构”，却说不清楚执行流程。

• 深挖点

  • 为什么寄存器比内存快？
  • 为什么现代 CPU 要做流水线？
  • 为什么 K8s 运维也要懂这个？
    • 因为性能分析时，经常要判断瓶颈是在算力、访存还是 I/O。

---

Q2：什么是缓存层次结构？为什么需要 L1/L2/L3 Cache？

• 核心要点

  • CPU 速度远高于内存速度，所以需要多级缓存缓冲“速度鸿沟”。
  • 常见缓存层次：
    • L1：最小、最快
    • L2：更大、稍慢
    • L3：更大、通常多核共享
  • 缓存利用的是 局部性原理：
    • 时间局部性
    • 空间局部性
  • 命中缓存时延低，未命中则要访问更下层存储，性能会明显下降。

• 易错点

  • 认为缓存越大一定越快。
  • 不区分“容量、延迟、命中率”之间的权衡。
  • 只知道缓存存在，不知道它和程序访问模式强相关。

• 深挖点

  • 什么样的代码访问模式更容易 cache miss？
  • 为什么数组连续访问通常比链表随机访问更快？
  • 多核环境下缓存一致性为什么重要？

---

Q3：什么是虚拟内存？页表、TLB、缺页异常分别是什么？

• 核心要点

  • 虚拟内存是操作系统给每个进程提供的独立地址空间抽象。
  • CPU 实际访问的是虚拟地址，需要通过页表映射到物理地址。
  • TLB 是页表项的高速缓存，用来加速地址转换。
  • 如果访问的页不在内存中，可能触发 缺页异常。
  • 这套机制带来：
    • 进程隔离
    • 更灵活的内存管理
    • 按需加载

• 易错点

  • 把“虚拟内存”理解成“磁盘空间”。
  • 认为缺页异常一定是错误。
  • 不清楚 TLB 缓存的对象是“地址映射关系”。

• 深挖点

  • 缺页异常分哪几类？
  • TLB miss 会带来什么性能影响？
  • 在 K8s 场景下，为什么内存访问抖动可能和页表、TLB、HugePage 有关？

---

Q4：用户态和内核态有什么区别？为什么系统调用比普通函数调用更重？

• 核心要点

  • 用户态权限低，不能直接执行特权操作。
  • 内核态权限高，可以操作硬件、管理内存、中断、进程调度等。
  • 应用访问文件、网络、设备时，往往要通过 系统调用 进入内核态。
  • 系统调用更重，是因为涉及：
    • 特权级切换
    • 保存/恢复上下文
    • 内核路径执行

• 易错点

  • 以为所有函数调用成本差不多。
  • 把“用户态/内核态”与“用户进程/内核进程”混淆。
  • 认为 CPU 使用率高就一定是用户态高。

• 深挖点

  • top 里的 user/system CPU 分别反映什么？
  • 为什么频繁 syscall 会影响高并发服务性能？
  • 容器里的系统调用本质上最终是谁在执行？

---

Q5：什么是上下文切换？为什么上下文切换多会导致系统变慢？

• 核心要点

  • 上下文切换指 CPU 从一个执行单元切到另一个执行单元时，需要保存和恢复运行现场。
  • 可能发生在：
    • 进程切换
    • 线程切换
    • 中断处理
  • 上下文切换会带来额外开销：
    • 调度开销
    • 寄存器保存恢复
    • cache/TLB 局部性被破坏
  • 在高并发场景中，切换过多会让 CPU “忙于切换而不是忙于干活”。

• 易错点

  • 认为线程一定比进程切换便宜很多，忽略实际场景差异。
  • 只关注 CPU 使用率，不看切换次数。
  • 误以为协程会完全消除切换成本。

• 深挖点

  • 为什么上下文切换会影响 cache 命中率？
  • 什么是自愿切换与非自愿切换？
  • K8s 中 CPU limit 设置不合理为什么可能增加调度抖动？

---

Q6：中断、轮询、DMA 分别是什么？它们在 I/O 中起什么作用？

• 核心要点

  • 轮询：CPU 不断主动询问设备是否准备好。
  • 中断：设备准备好后通知 CPU 处理。
  • DMA：设备可在不大量占用 CPU 搬运数据的情况下，直接与内存交换数据。
  • 对高性能 I/O 来说：
    • 小量快速事件可考虑中断
    • 高频场景下可能结合轮询
    • 大块数据搬运依赖 DMA 提升效率

• 易错点

  • 认为 DMA 是“完全不需要 CPU”。
  • 认为中断一定优于轮询。
  • 把“中断通知”和“数据搬运”混成一件事。

• 深挖点

  • 为什么高包速网络场景下中断太多会导致 CPU 压力大？
  • 网卡收包大致链路能不能讲清楚？
  • 为什么运维排查网络抖动时会关注软中断？

---

Q7：什么是顺序 I/O 和随机 I/O？为什么它们的性能差异很大？

• 核心要点

  • 顺序 I/O：数据访问位置连续。
  • 随机 I/O：数据访问位置离散。
  • 在 HDD 上，随机 I/O 性能差主要因为：
    • 寻道
    • 旋转延迟
  • SSD 没有机械寻址，但随机 I/O 仍通常比顺序 I/O 成本更高。
  • 运维场景中，日志、备份、流式读取偏顺序；数据库索引查找更偏随机。

• 易错点

  • 认为 SSD 上顺序和随机 I/O 没区别。
  • 只看带宽，不看 IOPS 和延迟。
  • 不了解业务类型和 I/O 模式的关系。

• 深挖点

  • 吞吐量、IOPS、时延分别适合描述什么？
  • 为什么数据库更关注随机 I/O 性能？
  • 为什么容器共享存储时，一个 Pod 的随机写可能影响其他业务？

---

Q8：什么是 NUMA？为什么它会影响容器和节点性能？

• 核心要点

  • NUMA 指非一致性内存访问架构。
  • 多路 CPU 机器中，不同 CPU 访问“本地内存”和“远程内存”的延迟不同。
  • 如果线程跑在一个 NUMA 节点，内存却分配在另一个节点，性能可能下降。
  • 对高性能业务、低延迟业务、DPDK、数据库、JVM、大内存应用影响更明显。

• 易错点

  • 认为所有服务器都是“统一内存访问成本”。
  • 只看 CPU 核数，不关注 CPU 与内存拓扑。
  • 认为容器调度只要资源够就行，不用考虑亲和性。

• 深挖点

  • 为什么跨 NUMA 访问会变慢？
  • K8s 中 CPU Manager、Topology Manager 是想解决什么问题？
  • 哪些业务最怕 NUMA 不友好？

---

Q9：什么是伪共享？它为什么会让多线程性能变差？

• 核心要点

  • 伪共享是指多个线程虽然操作不同变量，但这些变量恰好落在同一个 cache line 上。
  • 一个线程修改变量会导致另一个线程缓存失效，产生额外一致性流量。
  • 结果是：
    • CPU cache 频繁失效
    • 多线程扩展性变差
    • 吞吐上不去

• 易错点

  • 只知道“共享变量会竞争”，不知道“不共享变量也可能互相影响”。
  • 把锁竞争和伪共享混为一谈。
  • 忽略 cache line 粒度这一关键点。

• 深挖点

  • cache line 一般多大？
  • 如何从代码结构上减少伪共享？
  • 为什么监控采集、高频计数器这类场景容易踩坑？

---

Q10：为什么会出现“CPU 不高，但程序还是很慢”？

• 核心要点

  • 程序慢不一定是算力不足，可能卡在：
    • 内存访问
    • cache miss
    • 锁竞争
    • I/O 等待
    • 上下文切换
    • 网络延迟
  • 从组成原理角度看，CPU 的大部分时间可能在“等数据”，而不是“做计算”。
  • 所以性能分析不能只看 CPU 使用率。

• 易错点

  • 看到 CPU 不高就判断“机器没问题”。
  • 不区分 CPU busy 和 CPU stalled。
  • 把所有性能问题都归因于代码逻辑。

• 深挖点

  • 如何区分是 CPU 瓶颈、内存瓶颈还是 I/O 瓶颈？
  • 为什么高负载不一定代表高 CPU？
  • K8s 节点排障时该联想到哪些指标：
    • load average
    • iowait
    • context switch
    • page fault
    • softirq

---

速记笔记

• CPU 执行流程：取指 → 译码 → 执行 → 访存 → 写回
• 速度层次：寄存器 > Cache > 内存 > 磁盘
• Cache 核心：利用局部性原理，命中快，miss 慢
• 虚拟内存核心：虚拟地址通过页表映射到物理地址，TLB 用来加速映射
• 缺页异常：不一定是错误，可能是正常的按需调页
• 用户态/内核态：系统调用会触发特权级切换，成本高于普通函数调用
• 上下文切换：切换多会破坏 cache/TLB 局部性，影响吞吐
• I/O 机制：中断负责通知，DMA 负责高效搬运
• 磁盘性能：顺序 I/O 看带宽，随机 I/O 更看 IOPS 和时延
• NUMA：本地内存访问快，跨节点访问慢，影响高性能容器业务
• 伪共享：不同线程改不同变量，也可能因为同一 cache line 互相拖慢
• 面试回答思路：定义 → 原理 → 性能影响 → Linux/K8s 场景落地

临场答题建议

• 回答时尽量带上 “为什么”，不要只背定义。
• 最好能把知识点和这些场景关联：
  • Pod CPU 打满
  • 节点 load 高
  • iowait 高
  • 容器延迟抖动
  • 大内存应用性能异常
• 如果面试官继续追问，优先往这几个方向展开：
  • 性能影响
  • Linux 指标
  • K8s 场景
  • 排障方法