Factorio在美国服务器上后期运行变慢,如何判断CPU瓶颈?
CPU总使用率只有20%,并不能证明Factorio服务器还有充足余量;玩家显示60 FPS,也不能证明工厂仍以正常速度推进。后期运行变慢时,真正需要确认的是:服务器每次模拟更新是否超出时间预算,以及更新变慢的同一时段,关键线程、内存、磁盘和网络分别发生了什么。
判断美国服务器上的Factorio是否遇到CPU瓶颈,应把“服务端模拟速度下降、关键计算线程接近一个逻辑CPU的可用上限、没有更有力的内存或I/O解释”放在一起验证。美国机房与玩家之间的距离主要影响网络交互,并不会直接增加工厂内部的计算量;如果只是跨境操作延迟升高,而服务端模拟仍正常,就不能把问题归因于CPU。
一、建立观察窗口:先分清是哪一种“慢”
Factorio的后期卡顿至少包含三种不同现象:工厂整体推进变慢、画面不流畅、多人操作响应迟缓。它们可能同时出现,但不能用同一个指标解释。
FPS、UPS和操作延迟各自说明什么
FPS表示客户端画面帧率,主要与客户端渲染有关;UPS表示每秒模拟更新次数,反映游戏世界推进速度。Factorio通常以60 UPS为正常模拟目标,对应每次更新约16.67毫秒的时间预算。
这个预算来自:
1000毫秒 ÷ 60次更新 ≈ 16.67毫秒/次。
当持续的更新工作无法在预算内完成时,模拟速度就可能下降。不过,平均更新耗时低于16.67毫秒,不代表完全没有问题:短时尖峰、调度等待和保存暂停仍可能造成明显卡顿。
操作延迟则要结合网络和客户端判断。玩家点击后的反馈变慢,可能来自跨境往返时延、丢包,也可能是本地客户端模拟跟不上。Factorio多人游戏采用同步模拟机制,客户端自身的性能不足也会产生追赶、延迟或掉线现象,不能只检查服务端。
| 观察到的现象 | 优先关联的指标 | 暂时不能推出的判断 |
|---|---|---|
| 画面掉帧,但模拟速度正常 | 客户端FPS、渲染耗时、客户端CPU/GPU | 服务端CPU不足 |
| 多名玩家看到工厂整体变慢 | 服务端更新耗时、UPS、关键线程负载 | 一定是网络问题 |
| 个别地区玩家操作迟缓 | 玩家到服务器的RTT、抖动、丢包、客户端性能 | 服务器需要增加核心 |
| 定期出现短暂停顿 | 保存时间、磁盘延迟、内存压力、应用日志 | 持续性CPU瓶颈 |
| 大型工厂持续低于目标UPS | 更新耗时、线程CPU时间、计算任务分布 | 总CPU利用率必须很高 |
客户端调试界面中的时间统计可以帮助观察,但它首先代表该客户端的工作状态,不应直接当作独立的服务端测量值。无界面服务端需要结合已有监控、进程与线程采样,必要时用同一存档进行离线基准验证。
把所有指标放到同一条时间线上
建议选取一个覆盖“正常—变慢—恢复”的观察窗口,例如连续记录10至15分钟。出现短时尖峰时,系统指标可以按1秒粒度采样,同时记录玩家反映卡顿的时间。
同一窗口至少保留以下信息:
- 服务端模拟状态或更新耗时,以及客户端FPS、UPS。
- Factorio进程和关键线程CPU使用率、各逻辑CPU负载、虚拟机CPU steal。
- 可用内存、进程驻留内存、换入换出和内存压力。
- 磁盘读写延迟、队列变化,以及自动保存的起止时间。
- 玩家所在地区、网络RTT、抖动、丢包和断连记录。
- 游戏版本、模组版本、存档、在线人数及当时的生产活动。
不要把下午的CPU截图与晚上的玩家反馈拼成一条因果链。只有时间对齐,才能判断哪项变化先发生,哪项变化只是结果。
二、CPU指标变化:总使用率不高,为何仍可能算不过来
Factorio并不是所有工作都能平均分散到全部核心上。实际并行程度取决于游戏版本、具体任务和地图结构,某些更新路径仍可能受关键线程的执行时间限制。因此,后期性能分析需要查看线程,而不是只看整台服务器的CPU百分比。
观察关键线程,不要求某个固定核心一直满载
以8个逻辑CPU为例,一个关键线程持续占满一个逻辑CPU,在按整机容量归一化的面板上可能只显示约12.5%的CPU使用率。其他辅助线程再消耗一些资源,总使用率仍可能不高,但关键更新路径已经没有足够余量。
不同工具的显示口径也不同:有的以单个逻辑CPU为100%,有的以整机总容量为100%。在比较面板和命令行输出之前,需要先确认口径。
Linux调度器还可能把同一线程迁移到不同CPU。结果是没有哪一个核心长期保持100%,但该线程在整个观察窗口内始终接近单核上限。因此,更有价值的组合是:

关键线程CPU时间持续升高 + 更新耗时同步升高 + UPS持续下降。
在Linux服务器上,可以用以下只读命令采样。pidstat、mpstat和iostat通常由sysstat软件包提供,具体安装方式取决于发行版。
pgrep -a -x factorio
# 将12345替换为实际的Factorio进程PID
pidstat -t -u -r -d -p 12345 1 60
mpstat -P ALL 1 60
pgrep若返回多个实例,应按启动参数确认目标进程。采样命令可以在不同终端同时运行,以便对齐时间;不要把服务端、测试实例和其他进程的负载混在一起。
重点看线程负载与更新耗时是否联动,而不是截取某一秒的峰值。辅助线程短时很忙,不一定说明它限制了模拟速度;关键线程持续忙碌并与低UPS重合,才更接近有效证据。
区分计算能力不足与拿不到CPU时间
即使表现为CPU相关问题,也应继续区分两种情况。
第一种是应用确实在持续执行计算:关键线程忙、更新耗时高,而steal和系统争用较低。此时应考虑关键路径性能、缓存行为、地图复杂度和模组逻辑。
第二种是线程需要执行,却经常等待调度:例如虚拟机steal升高、宿主机争用,或容器CPU配额导致节流。CPU数量看起来足够,但实际可用时间不足。
| 同一时段的联动现象 | 更合理的解释方向 |
|---|---|
| 关键线程接近单核上限,steal低,更新耗时持续偏高 | 关键计算路径可能受限 |
| 更新耗时变差时,steal同步升高 | 虚拟机可获得的CPU时间下降 |
| 实例负载上升,容器节流计数同步增加 | CPU配额限制影响运行 |
| Factorio负载变化不大,其他进程CPU和调度队列升高 | 同机任务争用 |
| 关键线程负载较高,但更新耗时仍在预算内 | 有压力,但尚不能判为瓶颈 |
Linux的load average也不能直接当作CPU利用率。它包含可运行任务以及部分不可中断等待任务,I/O等待也可能把负载推高。应结合可运行队列、CPU执行时间和I/O状态解释。
同样,标称GHz不能直接代表Factorio性能。处理器架构、缓存、实际频率、内存访问效率和资源限制都会影响关键路径耗时。“增加核心”只有在工作能有效并行、或原先存在资源争用时才可能明显帮助。
面向Factorio后期大型工厂的持续模拟与多人联机需求,A5数据提供美国物理服务器,涵盖Xeon与AMD EPYC平台。其中,EPYC 4584PX方案搭配64GB DDR5内存和960GB NVMe,为游戏计算、地图状态驻留与存档读写提供硬件基础;美国常规系列另有CN2 GIA线路方案,为跨境联机提供网络资源,覆盖游戏服务端的计算、存储与连接需求。
三、指标联动:排除内存、磁盘、网络和应用解释
CPU瓶颈应当是多项证据支持后的判断,而不是看到一个高百分比后的默认答案。尤其在美国服务器上,网络延迟容易吸引注意,但内存和保存暂停也经常造成类似的“卡”。
内存:看容量压力,也看换页是否与卡顿重合
“已使用内存很多”不等于内存不足。Linux会利用空闲内存缓存文件,分析时更应关注可用内存、持续换页和进程工作集变化。
以下命令用于观察,不会修改系统配置:
free -h
vmstat 1 60
iostat -xz 1 60
vmstat首行通常反映启动以来的平均情况,后续行才更适合与当前窗口对齐。重点关注si、so是否持续出现,并检查它们是否与UPS下降、磁盘读取和更新耗时尖峰重合。
如果内存压力先出现,随后换页增加、磁盘繁忙,最后模拟变慢,那么CPU高负载可能只是并发现象,不能直接归因于处理器计算能力。
还要区分容量与访问性能:没有换页,只能说明内存容量压力不明显,不能证明内存访问不是限制因素。 大型工厂的状态更新可能受缓存命中和内存访问效率影响。仅凭普通监控,通常无法把执行、缓存和内存延迟完全拆开,结论应保留边界。
磁盘:持续更新慢,与保存时暂停不是同一个问题
Factorio加载存档、保存和部分文件操作会使用磁盘,但常规模拟并不是每次更新都依赖磁盘随机读写。因此,后期持续低UPS与定期保存卡顿需要分开观察。
如果平时模拟正常,只有保存窗口出现暂停,且日志时间与磁盘延迟、队列峰值重合,应优先分析保存路径。保存也可能包含序列化和压缩计算,所以即使暂停期间CPU升高,也不能仅凭这一点认定为日常模拟的CPU瓶颈。
iostat中的await和队列指标适合观察同一设备前后的变化,但不能把某个固定延迟当作所有磁盘的统一标准。虚拟块设备和具有较高并行能力的存储,其%util也未必能直接表示剩余性能。
真正有价值的证据是:保存开始、暂停出现、相关资源耗时增加、保存结束后恢复,四者在时间上能够对应。

网络:美国节点距离影响交互,不直接增加地图计算量
从中国大陆或其他远距离地区连接美国服务器时,传播距离和链路质量会影响往返时延。美国不同机房城市、运营商与玩家接入网络之间的路径也可能不同,不能用服务器所在地直接推定体验。
可以比较三类现象:
- 服务端模拟正常,远距离玩家操作延迟升高,其他玩家正常:优先看链路和客户端。
- 多个地区玩家都感到世界推进变慢,服务端更新耗时同时升高:优先看服务端模拟。
- 服务端正常,只有某位玩家FPS或本地UPS下降,并伴随追赶困难:优先看该客户端。
网络观察应包含RTT、抖动、丢包和游戏连接状态,而不是只看带宽。Factorio的正常交互与加入服务器时的存档传输也应分开分析:传输速度慢,不等于持续模拟算不动。
ICMP探测可以提供参考,但其优先级和处理方式不一定与游戏流量一致。探测丢包不能直接等同于游戏丢包,仍需结合玩家体验和应用记录验证。
应用和数据库:先确认是否位于关键路径
模组脚本、生产实体活动、物流与路径计算,都可能增加更新工作。如果系统资源没有明显外部压力,但应用更新耗时随着某类生产活动增长,应进一步查看游戏时间统计,定位实体更新、脚本等类别的变化。
客户端时间统计可以提供方向,服务端结论仍需结合线程采样或同档测试。不能仅凭某个类别占比高,就认定它是新增瓶颈;还要看绝对耗时及其变化。
Factorio服务端的核心模拟通常不依赖外部关系数据库。若没有接入需要数据库的管理面板、统计服务或自定义集成,就不必机械检查数据库连接池和慢查询。
如果存在这些组件,应分别确认它们是否同步阻塞游戏逻辑,或是否通过CPU、内存、磁盘争用影响服务端。面板响应变慢,不代表游戏模拟必然变慢。应用侧可记录异常、断连和失同步事件,但它们也不应与HTTP错误率混为一谈。
四、用一组示例数据,观察判断如何形成
下面是一组用于说明分析方法的示例,不代表A5IDC实际监控或任何具体服务器表现。实例提供8个逻辑CPU,观察窗口不包含自动保存,游戏版本、模组和在线人数保持一致。
| 同窗指标 | 负载较轻阶段 | 高负载生产阶段 |
|---|---|---|
| 服务端模拟速度 | 约60 UPS | 约41 UPS |
| 平均更新耗时 | 约11毫秒 | 约24毫秒 |
| 整机CPU使用率 | 约18% | 约23% |
| 关键线程CPU使用率,单核口径 | 约65% | 约98% |
| CPU steal | 低于1% | 低于1% |
| 可用内存 | 约9 GiB | 约8 GiB |
| 持续换入换出 | 未观察到 | 未观察到 |
| 磁盘延迟与队列 | 基线水平 | 无同步抬升 |
| 同一玩家网络RTT | 约180毫秒 | 约182毫秒 |
这组数据支持的不是“CPU达到23%所以卡”,而是以下关联:
生产负载上升后,更新耗时从约11毫秒增加到约24毫秒,超过60 UPS对应的时间预算;关键线程同时接近单核可用上限。与此同时,没有明显换页、磁盘延迟上升或网络变化,也没有较高steal。
持续的24毫秒更新耗时,对应的理论更新能力约为:
1000毫秒 ÷ 24毫秒 ≈ 41.7次/秒。
它与示例中的约41 UPS相互吻合,因而“关键计算路径受限”是较有力的候选解释。但这仍不能细分出究竟是指令执行、缓存访问还是具体模组逻辑造成的,需要继续复测。

如果把同一示例换成“更新耗时尖峰只在保存时出现,并伴随磁盘队列抬升”,判断就应转向保存路径;如果变慢时steal显著上升,则应先排查虚拟化资源争用。
判断要随联动关系改变,而不是预先决定所有低UPS都属于CPU问题。
五、形成判断后,只改变一个变量复测
复测的目的不是再截图一次,而是验证候选原因:如果它确实是主要限制,针对它的单一变化应当带来可重复的更新耗时改善。
使用同一存档进行离线计算测试
离线基准可以减少玩家网络、客户端渲染和在线活动变化的干扰,适合比较同一地图在不同计算环境下的表现。它不能替代在线多人体验,也不完整覆盖保存停顿。
应使用存档副本,并确保游戏版本、扩展内容、模组版本和相关设置一致。先查看当前二进制支持的参数:
/path/to/factorio/bin/x64/factorio --help
若当前版本支持对应选项,可使用类似命令:
/path/to/factorio/bin/x64/factorio \
--benchmark /path/to/copied-save.zip \
--benchmark-ticks 10000 \
--benchmark-runs 3
路径需替换为实际位置,模组环境也应按该版本支持的方式明确指定。基准测试会占用计算资源,应在独立环境或维护窗口运行,避免与生产实例争抢资源而污染结果。
记录每轮平均更新耗时、波动和运行条件。如果输出提供最小、最大耗时,可以一并保留;单次极值容易受调度和后台任务影响,不宜独立作判断。
根据候选原因选择复测变量
| 候选原因 | 单变量复测方式 | 重点观察的变化 |
|---|---|---|
| 关键计算路径受限 | 同档迁移到关键线程性能更强的测试环境 | 平均更新耗时下降 |
| 宿主机或同机争用 | 在争用较低的环境重测,其他条件尽量不变 | 等待减少且更新改善 |
| 内存容量不足 | 提供足够内存,保持CPU条件尽量一致 | 换页消失且卡顿减少 |
| 保存路径引发暂停 | 对照保存与非保存窗口 | 暂停与保存事件对应 |
| 模组或地图结构增加工作 | 在副本中只改变一项负载因素 | 对应类别耗时下降 |
| 玩家链路或客户端问题 | 比较不同地区与客户端,同时保留服务端观察 | 服务端正常而体验分化 |
模组删除可能改变存档状态,测试必须在副本中进行,不能为了验证直接修改生产存档。网络比较也要保持客户端性能和时间窗口尽量一致,否则地区差异可能只是设备差异。
如果迁移后只看到UPS仍为60,却没有比较更新耗时,就可能漏掉性能余量的变化:原环境和新环境都能维持目标UPS,但每次更新分别耗时15毫秒和10毫秒,抗负载增长的空间并不相同。
相反,增加核心后总CPU百分比下降,却没有改善更新耗时,也不能算有效优化。它可能只是统计分母变大了。
六、下一次变慢时,同时留下这些证据
对A5IDC美国服务器上的Factorio实例,建议把下一次观察重点放在三组关联数据上,而不是只保留CPU面板截图。
第一组是模拟与计算:服务端模拟速度或同档测试结果、更新耗时、关键线程CPU时间、steal,以及存在资源限制时的节流信息。这组用于区分计算忙、等待调度和余量不足。
第二组是暂停与资源压力:保存起止时间、可用内存、换入换出、磁盘延迟和队列。这组用于判断卡顿是否集中在保存、换页或存储等待期间。
第三组是玩家体验与网络:玩家地区、客户端FPS与UPS、RTT、抖动、丢包、断连或追赶状态。这组用于把美国服务器的计算问题与跨境链路、客户端性能问题分开。
记录时附上同一时间戳、游戏与模组版本、在线人数和主要生产活动。若持续低UPS与关键线程饱和重合,内存、I/O和网络没有更强的同步解释,而且同档复测改善了更新耗时,就有较充分的理由把问题归入CPU关键路径受限;若只有某一项指标异常,则应继续保留其他解释,避免用增加核心或升级带宽替代真正的性能判断。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/3228.html



