非均勻記憶體存取（NUMA）
/ NOO-mah /
想像一個大型開放式辦公室分成幾翼，每一翼旁邊都有自己的檔案櫃。拿自己這一翼的櫃子很快；從三翼之外的櫃子取一份卷宗，就得走一段長路。每個人仍然搆得到每一個櫃子——這是一套共享的檔案系統——但要花多久，取決於卷宗住在哪、相對於你坐在哪。非均勻記憶體存取（NUMA）就是這樣建造的共享記憶體機器：記憶體被切成接到不同核心的記憶庫，一個核心存取它附近的（本地）記憶體很快、存取遠處的（遠端）記憶體很慢。
結構如下。一台大型多處理器被分成數個節點；每個節點把若干核心、一片主記憶體、和它自己的記憶體控制器綁在一起。記憶體仍然是單一的共享位址空間——任何核心都能讀任何位址——但對自己節點記憶體的存取是本地的、快的，而對另一個節點所歸屬的記憶體的存取，必須越過互連，是遠端的、較慢的，常慢上兩倍或更多。這就是它叫「非均勻」的原因：延遲取決於哪個節點擁有那筆資料。它與 UMA（小型 SMP 機器的均勻存取模型）相反。
NUMA 之所以存在，是因為嚴格的均勻存取無法擴展：超過二、三十個核心後，你無法讓每個人都同等快速地存取一個中央記憶體，於是你把記憶體分散，並接受距離現在會有影響。實際後果是：資料放置與執行緒放置成了效能關鍵——把一個執行緒的熱資料留在它自己節點的記憶體裡，並把該執行緒釘在那裡。誠實的陷阱是：NUMA 大致上是隱形的，直到它咬你：程式不論如何都正確，但把一個執行緒的資料散落到遠端節點，它就可能比放置得當的相同程式碼慢上許多。NUMA 感知的配置與排程，是大型伺服器奪回那份失去速度的方法。
一台雙插槽伺服器，每個插槽是一個 NUMA 節點、有自己的記憶體。插槽 0 上的一個執行緒讀取存在插槽 0 記憶體的資料可能要 100 奈秒；讀取同類但歸屬於插槽 1 記憶體的資料可能要 150 奈秒，因為請求要越過插槽間的連結。同樣的程式、同樣的正確性——但把資料放在錯的節點上，吞吐量就下滑。
本地記憶體快、遠端記憶體較慢；正確性不變，但放置決定速度——這就是 NUMA 的精髓。
NUMA 從不改變程式的結果，只改變它的速度，所以它的代價在原始碼裡是隱形的。大型多核心與多插槽系統是 NUMA，不是教科書上那種均勻的 SMP——好的資料與執行緒放置，重要性可與演算法本身相當。