3、硬件与网络基础：CPU选型、内存与缓存优化、网络协议选择（TCP/UDP/RDMA）

低延迟评分系统的性能根基在于硬件与网络基础设施的合理选型与调优。CPU、内存子系统以及网络协议的选择，直接决定了因子计算与信号分发端到端延迟的上限。本章从量化交易场景出发，剖析关键硬件与网络组件的选型原则与优化路径。

3.1 CPU 选型：核心频率、缓存与指令集

在因子评分场景中，CPU 承担着数值计算、逻辑判断与数据搬运的核心任务。选型时需重点关注以下三个维度：

下图展示了 CPU 内部缓存层次与数据流动路径，理解该结构有助于后续进行缓存感知编程：

3.2 内存与缓存优化：NUMA 感知与数据对齐

内存访问延迟是评分系统的主要瓶颈之一。现代服务器普遍采用 NUMA（非统一内存访问）架构，CPU 访问本地内存与远端内存的延迟差异可达 30%~50%。优化策略如下：

• NUMA 绑定： 将评分进程绑定到固定 CPU 核心及其对应的本地内存节点，使用 numactl 或 pthread_setaffinity_np 实现。
• 缓存行对齐： 将频繁访问的数据结构按 64 字节对齐，避免伪共享（False Sharing）导致缓存行颠簸。
• 预取指令： 在循环计算前使用 _mm_prefetch 或 __builtin_prefetch 提前加载数据到缓存。
• 大页内存： 启用 2MB 或 1GB 大页，减少 TLB 缺失，提升内存访问效率。

以下代码片段展示了 C++ 中缓存行对齐的典型实现：

// 缓存行对齐结构体，避免伪共享
struct alignas(64) FactorScore {
    double alpha;       // 因子值
    double weight;      // 权重
    double score;       // 评分结果
    char padding[40];   // 填充至 64 字节
};

// 使用 _mm_prefetch 预取下一批数据
void compute_scores(const double* data, size_t n) {
    for (size_t i = 0; i < n; ++i) {
        _mm_prefetch(&data[i + 8], _MM_HINT_T0);
        // 执行当前数据的计算
        process(data[i]);
    }
}

3.3 网络协议选择：TCP、UDP 与 RDMA 对比

评分系统通常需要接收行情数据并分发评分结果，网络协议的选择直接影响端到端延迟。下表对比了三种主流协议在低延迟场景下的表现：

下图展示了三种协议在数据收发路径上的差异，重点体现内核旁路与硬件卸载对延迟的影响：

3.4 综合选型建议

根据评分系统的延迟预算与部署环境，推荐以下硬件与网络组合方案：

• 入门级（延迟 < 50μs）： 单路高频 CPU + DDR4 内存 + TCP 协议，适用于日频或分钟级因子评分。
• 进阶级（延迟 < 10μs）： 双路 NUMA 绑定 CPU + 大页内存 + UDP 协议（应用层可靠性），适用于秒级实时评分。
• 极限级（延迟 < 3μs）： 单核高频 CPU + 1GB 大页 + RDMA（RoCE v2），适用于微秒级高频因子评分。