NUMA-Einstellungen in Windows 11 wirken sich direkt auf Latenz und Durchsatz von Speicherzugriffen aus, besonders auf Systemen mit mehreren CPU-Sockeln oder vielen Kernen. Wer die NUMA-Verteilung versteht und testet, kann Daten näher an den ausführenden Kernen halten und so Performance-Probleme deutlich abmildern.
Um Speicherzugriffe zu verbessern, brauchst du zwei Dinge: erstens Klarheit darüber, wie deine Hardware in NUMA-Knoten aufgeteilt ist, und zweitens Werkzeuge, um Threads und Speicher gezielt an diese Knoten zu binden. Genau darum geht es im Folgenden, mit Fokus auf Windows-Boardmitteln und kostenlosen Tools.
Was NUMA unter Windows 11 bedeutet
Non-Uniform Memory Access (NUMA) bezeichnet Speicherarchitekturen, bei denen jeder Prozessor oder jede Prozessorgruppe einen eigenen, bevorzugten Speicherbereich besitzt. Zugriffe auf den lokalen Speicher eines NUMA-Knotens sind schneller als Zugriffe auf den Speicher eines entfernten Knotens.
Windows 11 abstrahiert die physische Struktur in logische NUMA-Knoten und Prozessorgruppen. Ein NUMA-Knoten bündelt typischerweise mehrere Kerne und den dazugehörigen Speicherkanal. Prozessorgruppen wiederum dienen dazu, sehr viele logische Prozessoren (über 64 Threads) verwaltbar zu machen.
Leistungseinbußen treten dann auf, wenn Threads und Daten wiederholt über Knotengrenzen hinweg kommunizieren. Jede Überquerung dieser Grenzen erhöht die Latenz und belastet Interconnects wie QPI, Infinity Fabric oder vergleichbare Verbindungen.
Erkennen, ob dein System NUMA-relevant ist
Bevor es an Optimierungen geht, solltest du prüfen, ob deine Maschine überhaupt eine NUMA-Topologie besitzt oder ob alle Ressourcen als ein einziger Knoten dargestellt werden. Typischerweise profitieren folgende Systeme besonders von einer Überprüfung:
- Workstations mit mehreren CPU-Sockeln
- Server mit vielen Kernen und hohem Speicherbedarf
- Virtualisierungshosts (Hyper-V, VMware, andere Hypervisoren)
- Leistungsfähige Gaming-PCs oder Workstations mit Threadripper- oder Xeon-CPUs
Handelt es sich hingegen um einen typischen Desktop oder Laptop mit einer Mainstream-CPU, verwendet Windows zwar intern Gruppenkonzepte, die Vorteile expliziter NUMA-Anpassungen fallen dort aber meist geringer aus.
NUMA-Topologie mit Bordmitteln prüfen
Windows 11 bringt mehrere Werkzeuge mit, um die Verteilung von Kernen und Speicher zu betrachten. Drei Wege sind im Alltag besonders hilfreich: der Task-Manager, PowerShell und das Windows Performance Toolkit.
NUMA-Knoten im Task-Manager sichtbar machen
Der Task-Manager zeigt die Aufteilung in NUMA-Knoten und Prozessorgruppen schnell und grafisch an. Das ist ideal, um zunächst ein Gefühl für die Struktur zu bekommen.
So gehst du vor:
- Mit Strg+Shift+Esc den Task-Manager öffnen.
- Zum Reiter Leistung wechseln.
- Links die CPU auswählen.
- In das Diagramm der CPU rechtsklicken und die Ansicht auf „NUMA-Knoten“ umstellen.
Wenn mehrere Felder mit eigenen Auslastungsgraphen erscheinen, existieren mehrere NUMA-Knoten. Ein einzelnes Feld weist üblicherweise auf eine NUMA-einheitliche Konfiguration hin, auch wenn intern mehrere Prozessorgruppen existieren können.
Über einen weiteren Rechtsklick im Diagramm kannst du zusätzlich die Ansicht „Prozessorgruppen“ aktivieren. Wieder tauchen mehrere Kästchen auf, wenn Windows 11 die logischen Prozessoren in Gruppen einteilt, etwa bei Prozessoren mit besonders vielen Threads.
NUMA-Konfiguration per PowerShell untersuchen
Für präzisere Informationen empfiehlt sich der Blick in PowerShell. Dadurch erhältst du unter anderem die Anzahl der NUMA-Knoten, deren IDs und die Verteilung der Prozessoren.
Ein sinnvoller Startbefehl in einer PowerShell mit administrativen Rechten lautet:
- Get-CimInstance -ClassName Win32_ComputerSystem
Das Ergebnis enthält unter anderem die Eigenschaft „NumberOfLogicalProcessors“ und Informationen zu physischen Prozessoren und Speicher. Um gezielt NUMA-Daten abzurufen, kannst du WMI-Objekte nutzen, die NUMA-Knoten beschreiben:
- Get-CimInstance -Namespace rootwmi -ClassName MSFT_NumaNode
Diese Ausgabe listet pro Knoten seine ID sowie die logisch zugehörigen Prozessoren auf. So erkennst du, welcher Kern in welchem Knoten liegt. Für tiefergehende Analysen lässt sich das in Skripten weiterverarbeiten, etwa um Prozessbindungen zu planen.
Topologie mit Windows Performance Toolkit analysieren
Wer sehr genaue Diagnosen erstellen möchte, nutzt das Windows Performance Toolkit (WPT), das Teil der Windows ADK ist. Mit dem Trace-Tool lassen sich Laufzeitdaten erfassen und anschließend in einem grafischen Viewer auswerten.
Typischer Ablauf für eine solche Analyse:
- Windows ADK installieren und das Windows Performance Toolkit auswählen.
- Mit wpr oder Windows Performance Recorder ein Trace mit Fokus auf CPU und Speicher erstellen.
- Die ETL-Datei im Windows Performance Analyzer öffnen.
- In den CPU- und Speicher-Diagrammen Threads und NUMA-Knoten unterscheiden, um Knotenübergänge sichtbar zu machen.
Damit lassen sich Hotspots identifizieren, bei denen Threads wiederholt auf entfernten Speicher zugreifen oder ganze Prozesse überwiegend in einem ungünstigen Knoten laufen.
Typische Performance-Probleme durch ungünstige NUMA-Nutzung
Viele Performance-Themen im Umfeld von Mehrkernsystemen haben mehr mit Speicherzugriffen als mit reiner CPU-Frequenz zu tun. Bei nicht angepasster NUMA-Verwendung treten häufig wiederkehrende Muster auf.
Typische Symptome sind:
- Hohe CPU-Gesamtauslastung bei gleichzeitig schwankender Antwortzeit der Anwendungen
- Überdurchschnittlich hohe Speicherlatenzen in Benchmarks
- Nicht nachvollziehbare Unterschiede zwischen identisch konfigurierten Servern
- Virtualisierungs-Hosts, bei denen einzelne VMs schlecht skalieren
Solche Symptome deuten oftmals darauf hin, dass Threads und Speicher nicht in demselben NUMA-Knoten konzentriert werden. Windows 11 versucht zwar selbst, Entscheidungen zu optimieren, doch stark parallelisierte oder schlecht angepasste Anwendungen kommen schnell an Grenzen.
Praxisbeispiele: NUMA im Alltag verstehen
Anhand einiger praxisnaher Szenarien lässt sich gut nachvollziehen, wann es sinnvoll ist, die NUMA-Konfiguration genauer zu untersuchen und anzupassen.
Praxisbeispiel 1: Zwei-Sockel-Server mit Datenbank
Auf einem Server mit zwei physischen Prozessoren laufen mehrere Datenbankinstanzen, die jeweils viele parallele Abfragen bedienen. Die Gesamtlast liegt bei rund 60 Prozent, aber einzelne Abfragen benötigen plötzlich deutlich mehr Zeit als üblich.
Ein Blick in den Task-Manager in der Ansicht „NUMA-Knoten“ zeigt, dass eine Datenbankinstanz nahezu vollständig auf einem NUMA-Knoten läuft, während ein weiterer Dienst seine Threads regelmäßig zwischen den Knoten wechselt. Über die PowerShell-Abfrage der NUMA-Zuordnung und die Datenbankeinstellungen wird anschließend jede Instanz an einen eigenen NUMA-Knoten gebunden, sodass Speicherzugriffe lokaler werden und Reaktionszeiten sinken.
Praxisbeispiel 2: Virtualisierungshost mit vollem Arbeitsspeicher
Ein Hyper-V-Host betreibt mehrere virtuelle Maschinen, die sehr speicherintensiv arbeiten. Obwohl CPU-Reserven vorhanden sind, steigen Latenzen bei Netzwerkzugriffen und Plattenoperationen deutlich an.
Die Untersuchung der NUMA-Topologie zeigt, dass mehrere große VMs in demselben NUMA-Knoten konzentriert sind, während ein zweiter Knoten vergleichsweise wenig genutzt wird. Durch Anpassen der VM-Konfiguration, insbesondere der Zuweisung von virtuellen Prozessoren und Startup-Memory, verteilt der Administrator die Last besser über beide Knoten. In Folge verteilen sich Speicherverkehr und Interrupts gleichmäßiger, was die Gesamtperformance stabilisiert.
Praxisbeispiel 3: Workstation mit Rendering-Software
Auf einer leistungsstarken Workstation mit vielen Kernen rendert eine 3D-Anwendung große Szenen. Die Renderzeiten schwanken, obwohl die Szenen ähnlich komplex sind.
Nach einer Messung mit dem Windows Performance Analyzer zeigt sich, dass Threads der Render-Engine regelmäßig auf entfernten Speicher zugreifen, da die Anwendung Speicher dynamisch in unterschiedlichen Knoten anfordert. Durch Einstellen der Thread-Affinität und den Einsatz von bibliotheksinternen NUMA-Funktionen gelingt es, Daten näher an den ausführenden Kernen zu halten, was die Renderzeiten stabilisiert.
Wie Windows 11 Prozesse über NUMA-Knoten verteilt
Das Betriebssystem entscheidet standardmäßig selbst, auf welchen Kernen ein Thread läuft und in welchem NUMA-Knoten Speicher reserviert wird. Die Entscheidungen stützen sich auf Auslastungsdaten, Energieeinstellungen und Topologieinformationen der Hardware.
Im Normalfall funktioniert das für typische Büro- und Alltagsanwendungen ausreichend gut. Anspruchsvolle Workloads wie Datenbanken, In-Memory-Caches, Rendering-Engines oder wissenschaftliche Berechnungen profitieren jedoch häufig von genaueren Vorgaben, da sie großflächig parallel arbeiten und über lange Zeiträume hinweg dieselben Speicherbereiche nutzen.
Anwendungen können über die Windows-API sowohl ihre bevorzugte Prozessorguppe als auch einen bevorzugten NUMA-Knoten angeben. Außerdem lassen sich Speicherreservierungen tätigen, die an einen bestimmten Knoten gebunden sind. Entwickler, die diese Möglichkeiten nutzen, erreichen für ihre Software oftmals eine wesentlich stabilere Skalierung.
NUMA-Affinität von Prozessen unter Windows 11 beeinflussen
Auch ohne Codeänderungen in der Anwendung gibt es Wege, Prozesse besser an die NUMA-Struktur anzupassen. Windows 11 bietet über die Prozess-Affinität und Prioritäten Einfluss auf die Thread-Verteilung.
Über den Task-Manager geht das zum Beispiel so:
- Task-Manager öffnen und in den Reiter Details wechseln.
- Den gewünschten Prozess mit Rechtsklick auswählen.
- „Zugehörigkeit festlegen“ wählen.
- Die logischen Prozessoren markieren, auf denen der Prozess laufen darf.
In Systemen mit vielen Kernen entspricht ein zusammenhängender Block von CPUs häufig einem NUMA-Knoten. Welche IDs zu welchem Knoten gehören, lässt sich über PowerShell ermitteln. Für exakte Einstellungen sind spezialisierte Tools mit NUMA-Visualisierung hilfreich.
Für wiederkehrende Prozesse lohnt sich der Einsatz von Skripten, die beim Start die Affinität setzen. PowerShell kann mit Start-Process und zusätzlichen Tools die CPU-Masken definieren, sodass bestimmte Dienste immer in einem vorgesehenen Bereich laufen.
Speicherplatzierung gezielt beeinflussen
Die größte Wirkung erzielst du, wenn nicht nur Threads, sondern auch Speicher zu den passenden Knoten passen. Dazu existieren API-Funktionen, mit denen Anwendungen Speicher in einem bestimmten NUMA-Knoten anfordern können.
Für Administratoren ohne Codezugriff gelten einige Grundregeln, um die Platzierung indirekt zu verbessern:
- Große, lang lebende Prozesse möglichst stabil in einem NUMA-Knoten halten, statt sie dynamisch über alle Kerne wandern zu lassen.
- Dienstinstanzen bei Bedarf duplizieren und jede Instanz an einen eigenen NUMA-Knoten binden.
- Parallele Batch-Jobs nicht alle in denselben Knoten drängen, sondern bewusst über Knoten verteilen.
Wenn sich Prozesse über lange Zeit in einem bestimmten Knoten aufhalten, ist die Wahrscheinlichkeit höher, dass Windows Speicher näher an diesen Knoten bindet. Auch ohne explizite NUMA-API-Nutzung ergibt sich so eine bessere räumliche Nähe von Daten und Recheneinheiten.
NUMA und Hyper-V unter Windows 11
Auf Systemen mit Hyper-V spielt NUMA eine zusätzliche Rolle, weil virtuelle Maschinen eine „virtuelle NUMA“-Struktur erhalten können. Diese virtuelle Struktur spiegelt die physische Topologie des Hosts teilweise wider.
Für eine sinnvolle Konfiguration gehen Administratoren im Hyper-V-Manager typischerweise so vor:
- Für jede VM die Anzahl der virtuellen Prozessoren relativ zum Host planen, sodass ein NUMA-Knoten nicht dauerhaft überbucht ist.
- Startup-Memory und „Maximum RAM“ so festlegen, dass mehrere speicherintensive VMs nicht denselben physikalischen Knoten dauerhaft auslasten.
- NUMA-Einstellungen der VM prüfen, sodass virtuelle NUMA-Knoten nicht größer sind als physische Knoten.
Wenn virtuelle NUMA-Knoten ungünstig dimensioniert sind, müssen Speicherzugriffe der VM häufig physische Knotenübergänge passieren. Das kann trotz ausreichender Gesamtressourcen zu Verzögerungen führen.
NUMA-Benchmarks und Messungen unter Windows 11
Wer seine Optimierungen überprüfen möchte, braucht Messwerte. Ein unkomplizierter Ansatz ist es, synthetische Benchmarks mit unterschiedlichen Thread- und Speicherparametern auszuführen.
Knackpunkte bei solchen Tests sind:
- Gleichbleibende Rahmenbedingungen, etwa gleiche Hintergrundprozesse und identische Energieeinstellungen.
- Messreihen mit verschiedenen Thread-Anzahlen und Affinitätsmasken.
- Aufzeichung von Latenzen, Bandbreiten und CPU-Auslastung pro Knoten.
Im Anschluss lassen sich die Ergebnisse mit den Beobachtungen aus dem Task-Manager und dem Windows Performance Analyzer kombinieren. So entsteht ein Bild, ob die Änderungen an Affinitäten, VM-Zuordnungen oder Dienstverteilungen wirklich zu stabileren Speicherzugriffen führen.
Typische Fehler und Missverständnisse bei NUMA-Optimierung
Viele Probleme entstehen nicht durch fehlende Optionen, sondern durch falsche Annahmen über die Wirkung von NUMA-Einstellungen. Es lohnt sich, ein paar bekannte Stolperfallen zu kennen.
Ein häufiger Irrtum ist die Annahme, dass eine starre Bindung aller Threads an einen einzigen Knoten automatisch die beste Lösung sein muss. Während das für bestimmte, klar begrenzte Workloads zutreffen kann, erzeugt es bei dynamischer Lastverteilung oft Engpässe in diesem Knoten, während andere Knoten ungenutzt bleiben.
Ein weiteres Missverständnis besteht darin, NUMA-Optimierung ausschließlich als CPU-Thema zu betrachten. Tatsächlich stehen Speicherbandbreite, Latenzen und Interconnect-Auslastung im Vordergrund. Sogar I/O-Operationen profitieren davon, wenn Interrupts, Treiber-Threads und kritische Prozesse möglichst nahe beieinander angesiedelt sind.
Schließlich wird häufig unterschätzt, wie stark Virtualisierung in die Topologie eingreift. Eine gut abgestimmte VM-Verteilung kann eine mittelmäßige NUMA-Konfiguration des Hosts teilweise maskieren, während eine ungeschickte VM-Anordnung selbst auf hochwertiger Hardware zu Leistungsproblemen führt.
Eine praxisnahe Abfolge zur Optimierung von NUMA unter Windows 11
Wer seine Systeme Schritt für Schritt verbessern möchte, kann sich an einer einfachen Vorgehensweise orientieren, die Diagnose und Maßnahmen verbindet.
- Zuerst die bestehende NUMA-Topologie über Task-Manager und PowerShell erfassen und dokumentieren.
- Danach die kritischen Prozesse oder VMs identifizieren, die unter Latenzschwankungen oder unerwartet niedriger Leistung leiden.
- Im nächsten Schritt die aktuelle Verteilung dieser Workloads über NUMA-Knoten prüfen, etwa über Performance Counter oder den Windows Performance Analyzer.
- Anschließend gezielt Prozess- oder VM-Affinitäten anpassen, um lokale Speicherzugriffe zu begünstigen.
- Zum Schluss die Auswirkungen mit Benchmarks und realen Lasttests überprüfen und nur die wirksamen Anpassungen dauerhaft übernehmen.
Es ist ratsam, jeweils nur eine Änderung einzuführen und die Effekte zu beobachten, bevor weitere Stellschrauben gedreht werden. So bleibt die Ursache-Wirkungs-Beziehung nachvollziehbar.
Wann sich der Aufwand für NUMA-Tuning lohnt
NUMA-Optimierungen bringen vor allem dann echte Vorteile, wenn die Workloads über längere Zeiträume hinweg hohe Speicher- und CPU-Last erzeugen. Typische Kandidaten sind Datenbanksysteme, Analyseplattformen, Virtualisierungs-Hosts, Build-Server oder Rendering-Farmen.
Für Alltagsnutzung, typische Office-Anwendungen oder leichtgewichtige Entwicklungsumgebungen ist der Nutzen oftmals begrenzt. In diesen Fällen reicht es häufig aus, sicherzustellen, dass das System ausreichend Arbeitsspeicher besitzt, aktuelle Chipsatztreiber installiert sind und Energieprofile nicht zu aggressiv auf Stromsparen ausgerichtet sind.
Sobald jedoch wiederkehrende Lastspitzen, Latenzprobleme oder mangelnde Skalierung auffallen, lohnt sich der Blick auf die NUMA-Verteilung. Ein gut abgestimmtes System nutzt vorhandene Hardware effizienter aus, ohne dass zwingend neue Komponenten angeschafft werden müssen.
Häufige Fragen zu NUMA unter Windows 11
Wie erkenne ich am schnellsten, ob meine Anwendung überhaupt NUMA-sensitiv ist?
Eine Anwendung gilt als NUMA-sensitiv, wenn sie viele Threads nutzt, großen Arbeitsspeicher beansprucht und über längere Zeit hohe CPU-Last erzeugt. Überwache im Ressourcenmonitor oder im Windows Performance Analyzer die Auslastung der einzelnen Knoten und prüfe, ob Threads regelmäßig auf entfernte Speicherbereiche zugreifen.
Reicht es aus, nur die Prozessoraffinität zu setzen, um NUMA-Vorteile zu nutzen?
Allein die Einschränkung der Prozessoraffinität kann zwar die Lastverteilung verbessern, löst aber nicht automatisch das Thema Speicherplatzierung. Optimal ist eine Kombination aus passender Affinität, bewusster Startreihenfolge von Diensten und, falls verfügbar, Einstellungen in der Anwendung für thread-gebundene Speicherzuweisungen.
Beeinflusst das BIOS oder UEFI die NUMA-Fähigkeiten unter Windows 11?
Ja, im BIOS oder UEFI wird festgelegt, ob eine echte NUMA-Topologie an das Betriebssystem gemeldet wird oder ob beispielsweise Interleaving-Funktionen alles als einen gemeinsamen Speicherblock darstellen. Prüfe daher Optionen wie Memory Interleaving, Node Interleaving oder ähnliche Speicherfunktionen und stelle sicher, dass sie zu deinem Tuning-Ansatz passen.
Wie gehe ich vor, wenn ein NUMA-Knoten deutlich stärker ausgelastet ist als die anderen?
Analysiere zunächst mit Task-Manager, Performance Monitor oder WPA, welche Prozesse oder VMs hauptsächlich auf diesem Knoten laufen. Danach kannst du deren Affinität anpassen, eventuell Dienste auf andere Knoten verteilen und bei Virtualisierung die VM-Zuordnung sowie dynamische Speicherfunktionen neu abstimmen.
Kann ich NUMA-Optimierung auch auf einem System mit nur einem physischen Prozessor nutzen?
Auch mit einem Sockel können mehrere Knoten existieren, wenn die Architektur das vorsieht oder die Anzahl der logischen Prozessoren sehr hoch ist. In solchen Fällen kann eine bewusste Verteilung speicherintensiver Prozesse über die logischen Gruppen hinweg immer noch messbare Vorteile bringen.
Wie messe ich, ob lokale gegenüber entfernten Speicherzugriffen wirklich schneller sind?
Nutze synthetische Benchmarks wie Speicher- und Latenztests, die gezielt Zugriffe auf bestimmten Knoten auslösen, und zeichne die Ergebnisse mit dem Windows Performance Toolkit auf. Ergänzend kannst du Langzeittests deiner produktiven Anwendungen fahren und prüfen, ob sich Durchsatz, Antwortzeiten oder Renderzeiten unter NUMA-optimierten Einstellungen verbessern.
Spielt die Wahl des Schedulers in Anwendungen eine Rolle für NUMA?
Ja, Anwendungen mit eigenem Thread-Scheduler können Threads gezielt auf bestimmte Kerne legen und damit die Speicherlokalität beeinflussen. Wenn deine Software entsprechende Optionen anbietet, lohnt sich ein Blick in die Dokumentation, um NUMA-Awareness dort zu aktivieren oder zu verfeinern.
Welche Rolle spielt der Arbeitsspeicher-Ausbau beim NUMA-Tuning?
Die Verteilung der Module über Kanäle und Knoten entscheidet darüber, wie viel Speicher jedem Bereich effektiv zur Verfügung steht. Ein symmetrischer Ausbau pro Knoten erleichtert eine ausgewogene Lastverteilung und reduziert das Risiko, dass einzelne Knoten früh in entfernte Speicherzugriffe ausweichen müssen.
Kann Hyper-Threading oder SMT die NUMA-Optimierung beeinträchtigen?
Simultanes Multithreading verändert die Sicht auf logische Prozessoren, ändert aber nicht die grundsätzliche TOPologie der Knoten. Für NUMA-Tuning solltest du dennoch darauf achten, dass stark speichergebundene Threads nicht unnötig viele SMT-Geschwister desselben Kerns blockieren, sondern über physische Kerne und Knoten verteilt werden.
Sollten Hintergrunddienste ebenfalls nach NUMA-Aspekten verteilt werden?
Wenn Hintergrunddienste dauerhaft CPU- oder I/O-Last erzeugen, kann eine gezielte Zuordnung helfen, wichtige Workloads vor Verdrängung zu schützen. Weniger kritische Dienste lassen sich häufig auf einen oder zwei Knoten bündeln, sodass speicherintensive Hauptanwendungen die übrigen Ressourcen besser nutzen können.
Wie behalte ich bei vielen Optimierungen den Überblick über meine NUMA-Einstellungen?
Lege dir eine kleine Dokumentation mit den gesetzten Affinitäten, Hyper-V-Zuordnungen, BIOS-Einstellungen und den verwendeten Skripten an. So kannst du Änderungen reproduzierbar testen, bei Problemen schrittweise zurückrollen und erfolgreiche Konfigurationen bei späteren Hardware- oder Softwareupdates gezielt nachbilden.
Fazit
Wer die Architektur der Knoten, Threads und Speicherbereiche sauber analysiert, kann Windows 11 deutlich effizienter arbeiten lassen. Mit den beschriebenen Werkzeugen und Anpassungen erreichst du, dass wichtige Anwendungen möglichst nah an ihren Daten rechnen. Entscheidend ist ein systematisches Vorgehen mit Messungen vor und nach den Änderungen, statt vereinzelter Experimente ohne belastbare Vergleichswerte. So lässt sich das Potenzial moderner Mehrkernsysteme verlässlich ausschöpfen.
