非一致性内存访问(NUMA,Non-Uniform Memory Architecture)架构是目前主流的高性能服务器架构之一。NUMA架构的主要特点是访存延迟的不一致性,即处理器访问本地内存所需时间比访问远程内存少。从处理器到其本地内存的访问不仅更快,而且能减少造成节点间互联链路和各节点内存控制器拥塞的可能性。在NUMA架构下运行多线程程序时,如果没有很好地将多线程程序的线程和数据协同存放,该多线程程序可能经历相当大的访存延迟。因此,提出NUMA架构下的多线程访存分析机制对提升程序性能具有重要的意义。新的机制以多线程程序中各个变量作为研究对象,采用变量平均访存延迟作为识别NUMA问题的指标。若判断出可能存在NUMA问题,则通过变量平均访存延迟以及变量访问比例找出受NUMA架构造成的问题影响最严重的变量,根据应用程序中对于该变量的线程访问模式来了解并解决问题。基于该机制的多线程访存分析系统首先采用硬件采样机制对程序运行时执行的访存指令进行采样,包括指令的发起线程、目的变量以及所花费的时钟周期等信息;其次,据此计算程序中所有变量的平均访存延迟并排序,依据访问比例找出最具优化价值的变量;最后,总结出多线程对该变量的访问规律,从而协助用户提出针对该变量的具体优化方法。这种以数据变量为中心的分析机制,不仅能较精准地探测到NUMA架构下程序中的访存延迟问题,而且能够针对变量解析多线程程序对其的访问模式,从而准确地找到解决该问题的优化方案。测试结果表明,对于NUMA架构下运行的多线程程序,该机制能够识别出各种NUMA架构造成的访存问题,并能够检测到多个线程访问数据的各种不同模式,通过相应的优化手段,能够取得高达51.92%的性能优化。