以下模板基于云底座节点、AI 算力节点、容器混部集群三大核心场景定制，直接复制到 /etc/sysctl.conf 后执行 sysctl -p 即可永久生效。
一、 云底座核心节点（高并发、低时延）
适用场景：云平台控制节点、API 网关、虚拟化宿主机
conf
<?XML:NAMESPACE PREFIX = "[default] http://www.w3.org/2000/svg" NS = "http://www.w3.org/2000/svg" />
# 内核调度 - 减少进程迁移，提升稳定性
kernel.sched_migration_cost_ns = 1000000
kernel.sched_autogroup_enabled = 1
kernel.sched_rt_runtime_us = 900000# 内存管理 - 优先使用物理内存，关闭透明大页（碎片化访问场景）
vm.swappiness = 10
vm.zone_reclaim_mode = 0
kernel.transparent_hugepage.enabled = never# 网络优化 - 提升高并发连接处理能力
net.core.somaxconn = 65535
net.ipv4.tcp_tw_reuse = 1
net.ipv4.tcp_fin_timeout = 30
net.core.netdev_max_backlog = 32768# IO优化 - 适配分布式存储，SSD盘配置
vm.dirty_ratio = 15
vm.dirty_background_ratio = 5
二、 AI 算力节点（GPU/NPU 大模型推理 / 训练）
适用场景：GPU 服务器、大模型推理节点、异构算力集群
conf
# 内核调度 - 绑定进程CPU核心，提升算力利用率
kernel.sched_migration_cost_ns = 2000000
kernel.sched_autogroup_enabled = 0# 内存管理 - 开启透明大页，优化大模型内存访问
vm.swappiness = 5
vm.zone_reclaim_mode = 1
kernel.transparent_hugepage.enabled = always
kernel.transparent_hugepage.defrag = madvise# 网络优化 - 适配RDMA高速网络，提升数据传输效率
net.core.somaxconn = 32768
net.ipv4.tcp_syncookies = 1
net.core.rmem_max = 134217728
net.core.wmem_max = 134217728# IO优化 - 提升数据加载速度，适配大模型 checkpoint 读写
vm.dirty_ratio = 20
vm.dirty_background_ratio = 10
三、 容器混部集群节点（在线 + 离线业务混跑）
适用场景：K8s 计算节点、在线服务 + 离线任务混部集群
conf
# 内核调度 - 支持CPU突发，保障在线业务SLA
kernel.sched_migration_cost_ns = 800000
kernel.sched_autogroup_enabled = 1
kernel.sched_cfs_bandwidth_slice_us = 5000# 内存管理 - 适度使用swap，平衡资源利用率
vm.swappiness = 20
vm.zone_reclaim_mode = 0
kernel.transparent_hugepage.enabled = always# 网络优化 - 适配容器多网络栈，提升Pod通信效率
net.core.somaxconn = 32768
net.ipv4.tcp_tw_reuse = 1
net.netfilter.nf_conntrack_max = 1048576# IO优化 - 避免离线任务IO抢占在线业务资源
vm.dirty_ratio = 10
vm.dirty_background_ratio = 5
配置注意事项
- 执行前备份原
/etc/sysctl.conf文件，避免配置冲突； - 不同硬件（如机械硬盘 / SSD、单 NUMA / 多 NUMA）需微调参数；
- 配置后观察 24 小时系统负载、业务时延，根据实际情况调整。