一、應用程序優化
（1）編譯器優化。適當開啓編譯器優化選項，在編譯階段提升性能。gcc提供優化選項-On會自動對應用程序的代碼進行優化。
（2）算法優化。使用複雜度更低的算法，可以顯著加快處理速度。在數據比較大的情況下，可以用O(nlogn)的排序算法（如快排、歸併排序等），代替O(n^2)的排序算法（如冒泡、插入排序等）。
（3）異步處理。使用異步處理，可以避免程序因爲等待某個資源而一直阻塞，從而提升程序的併發處理能力。把輪詢替換爲事件通知，就可以避免輪詢耗費CPU的問題。
（4）多線程代替多進程。相對於進程的上下文切換，線程的上下文切換並不切換進程地址空間，因此可以降低上下文切換的成本。
（5）善用緩存。經常訪問的數據或者計算過程中的步驟，可以放到內存中緩存起來，在下次用時就能直接從內存中獲取，加快程序的處理速度。
二、系統優化
1、CPU綁定
（1）CPU綁定：把進程綁定到一個或者多個CPU上，可以提高CPU緩存的命中率，減少跨CPU調度帶來的上下文切換問題。
（2）CPU孤立：將CPU分組，並通過CPU Affinity機制爲其分配進程。指定CPU由特定進程獨佔，不允許其它進程再使用。
2、進程CPU資源限制
使用Linux cgroups來設置進程CPU使用上限，可以防止由於某個應用自身的問題，而耗盡系統資源。
3、進程優先級調整
使用nice調整進程優先級，正值調低優先級，負值調高優先級。適當降低非核心應用的優先級，增高核心應用的優先級，可以確保核心應用得到優先處理。
4、中斷負載均衡
無論軟中斷還是硬中斷，中斷處理程序都可能會耗費大量CPU資源。開啓irqbalance服務或者配置smp_affinity可以把中斷處理過程自動負載均衡到多個CPU上。
5、NUMA優化
NUMA架構處理器會被劃分爲多個node，每個node都有自己的本地內存空間。NUMA優化可以讓CPU儘可能只訪問本地內存。