Linux内核内存管理深度实战：从伙伴系统到内存回收的完整链路

引言

内存管理是Linux内核中最复杂、最核心的子系统之一。它不仅负责物理内存的分配与回收，还构建了从硬件 MMU 到虚拟化 cgroup 的完整抽象层。本文将深入剖析 Linux 内核内存管理的核心机制：伙伴系统如何实现高效的大块物理内存分配、Slab/Slub 分配器怎样优化小对象频繁分配释放的场景、页表映射如何连接虚拟地址与物理地址、LRU 算法如何驱动页面回收、以及 OOM Killer 在内存耗尽时如何做出"生死抉择"。

一、物理内存模型与区域划分

1.1 NUMA 架构下的节点管理

现代多核服务器普遍采用 NUMA（非统一内存访问）架构，CPU 访问本地节点的内存远快于跨节点访问。Linux 内核通过 pg_data_t 结构描述每个 NUMA 节点，每个节点又进一步划分为多个内存区域（Zone），形成 node → zone → page 的三级管理模型。

1.2 伙伴系统（Buddy System）

伙伴系统是物理内存分配器的核心算法，管理以页（通常4KB）为单位的物理内存块。它将所有空闲页面按"阶（order）"组织为11个链表（order 0-10），对应 1, 2, 4, 8, ..., 1024 个连续页面块（即 4KB 到 4MB）。

分配流程：当请求 order-N 大小的块时，先在 order-N 链表中查找空闲块。若无空闲，则向更高阶链表请求，将大块一分为二：一个分配给请求者，另一个作为"伙伴（buddy）"插入低阶链表。递归执行直到成功或最终失败。

释放流程：释放 order-N 的块时，检查其伙伴块是否也为空闲。若是，则合并为 order-(N+1) 的大块，并向上递归检查合并，直至达到最大阶或伙伴不在空闲状态。

伙伴系统的优雅之处在于：两个大小相同、地址连续且从同一大块拆分而来的块称为"伙伴"。判断伙伴关系仅需简单的位运算：XOR(order) 即可完成，无需遍历树或哈希表，时间复杂度为 O(1)。

1.3 per-cpu 页缓存（PCP）

多核系统中，多个 CPU 同时调用 alloc_pages() 会引发链表锁竞争。为此内核在每个 CPU 上维护了 per-cpu 页缓存（pageset），预分配一批单页供本地 CPU 快速分配。当 PCP 水位低于 batch 阈值时从伙伴系统批量补充；高于 high 时批量归还。这种设计将单页分配的争用降至最低，是 SMP 性能的关键优化。

二、Slab/Slub 分配器

2.1 为什么需要 Slab

伙伴系统最小分配单位是 4KB 页，而内核中大量对象（如 task_struct、inode、dentry 等）远小于 4KB。频繁分配小对象将造成严重内部碎片。Slab 分配器在伙伴系统之上构建对象缓存池，预先分配整页、初始化为固定大小的对象切片，使用时直接从缓存池取用，避免初始化和碎片双重开销。

2.2 Slab 核心架构

Slab 三层架构：

• Cache：针对特定类型对象的内存池，如 kmalloc-64、dentry_cache、inode_cache 等
• Slab：从伙伴系统申请的一页或多页内存，被切分为固定大小的槽位
• Object：Slab 中的单个可用槽位

每个 Slab 维护三种链表跟踪使用状态：full（全满）、partial（部分分配）、free（空闲）。分配时优先从 partial 列表取用对象，无可用时从伙伴系统申请新 Slab。释放时对象回到 Slab，若 Slab 从 partial 变为空则释放回伙伴系统。

2.3 SLUB：现代 Slab 实现

Linux 2.6.23 起 SLUB 成为默认分配器。相比传统 SLUB：

• 去除 per-CPU 队列的复杂维护逻辑，使用简单的 per-node partial 链表
• 元数据嵌入页面结构体（struct page 扩展字段），减少独立管理开销
• CPU 本地缓存使用无锁设计（cmove/ptr），释放到本地对象 O(1)
• 调试功能更完善：Red Zone 检测越期写、Poison 检测 use-after-free、Tracking 定位泄漏源

三、虚拟内存与页表管理

3.1 虚拟地址空间布局

x86_64 架构下，Linux 使用 48 位虚拟地址（256TB），用户空间与内核空间按 1:1 划分。内核空间高半区包含线性映射区（直接映射物理内存前 896GB）、VMALLOC 区（虚拟连续但物理不连续）、以及固定映射、PIE 等区域。进程的 mm_struct 通过 VMA（Virtual Memory Area）红黑树管理不同用途的地址区间。

3.2 四级/五级页表

PTE（页表项）将虚拟地址映射到物理页框号（PFN）及其访问权限。x86_64 默认使用四级页表（PGD→PUD→PMD→PTE），57 位地址时启用五级（增加 P4D 级）。每次地址翻译需 4-5 次内存访问，由 TLB（Translation Lookaside Buffer）缓存最近映射以加速。

大页（Huge Pages / THP）：标准页 4KB，大页 2MB（PMD 级映射）甚至 1GB（PUD 级）。使用大页大幅减少 TLB Miss 和页表遍历深度。Linux 提供两种方案：

• 静态大页（HugeTLB）：启动参数预留固定数量大页，需应用程序显式调用 mmap
• 透明大页（THP）： khugepaged 后台线程自动将连续小页合并为 2MB 大页，对应用透明

四、页面回收与 LRU 算法

4.1 页面如何变为可回收

Linux 将所有页面组织为两个 LRU 链表：Active（热页）和 Inactive（冷页）。页面首次加入 Inactive 链表尾部；当被访问时通过硬件置位或软件模拟提升到 Active。页面回收扫描 Inactive 链表尾部，将最久未使用的页面释放。

双时钟算法：每次扫描将 Inactive 页表头移动到 Active 候选池，若页面在下次扫描前被再次访问则提升到 Active，否则标记为可回收。这种机制模拟了第二次机会算法（Second Chance），有效区分真正冷页。

4.2 kswapd 后台回收

kswapd 是每个 NUMA 节点上的后台守护线程，持续监控系统内存水位。当某 Zone 空闲页面低于 low 阈值时唤醒 kswapd 进行异步回收，回收至 high 阈值以下停止。若空闲页面进一步跌破 min 阈值，直接回收（direct reclaim）将同步阻塞在进程上下文中执行，代价更高。

4.3 回收路径全景

一次完整的 kswapd 回收包含以下步骤：

1. 扫描 Inactive 匿名页和文件缓存页的比例（swappiness 控制两者权重）
2. 页面被回收前，若为脏页则写回磁盘（文件页 → inode writeback；匿名页 → swap）
3. 将"PTE 引用该页但页未上锁"的项清零，后续再次访问触发 PF（Page Fault）重新加载
4. 页面从 LRU 链表移除，释放回伙伴系统

4.4 swap 机制

当匿名页（进程堆栈、匿名 mmap 等无文件后备的内存）被换出时，Linux 使用独立设备（swap partition）或镜像文件（swap file）作为写入目标。swap 性能远低于物理内存（磁盘延迟 ms 级 vs 内存 ns 级），swappiness 默认值 60 意味着倾向回收文件缓存而非直接换出匿名页，适用于大多数数据库场景。数据库常建议关闭 swap 或使用极小的 swap空间。

五、OOM Killer：内存耗尽的最后防线

5.1 oom_badness() 评分机制

当系统内存跌至极低水平且回收无法满足需求时，OOM Killer 被触发。它遍历所有进程，以 oom_badness() 给每个进程计算惩罚分，公式为：

points = (total_vm / total_ram * 1000) * (1 + adj^3 / 8)

• total_vm / total_ram：进程占用物理内存占系统总内存的比例，线性反映内存消耗
• oom_score_adj（adj）：用户/管理员可调参数（-1000 到 1000），立方级放大影响。设为 -1000 表示永不 kill（推荐用于关键守护进程）
• 特权进程与 init：特权 root 进程额外乘以 3%；init（PID 1）和内核线程永不 kill

# 脏页占系统总内存 10% 时，内核启动后台回写
vm.dirty_ratio=10

# 脏页占 5% 时，进程 fsync 触发直接回写等待
vm.dirty_background_ratio=5

# 回写守护进程唤醒间隔，影响写合并效率 (单位 0.01s)
vm.dirty_writeback_centisecs=500

# 脏页过期时间，超过 30 秒的脏页强制回写 (单位 0.01s)
vm.dirty_expire_centisecs=3000

# 静态大页数量（2MB 为单位）
# GRUB: hugepages=256

# 透明大页策略：always（全局启用）/ madvise（仅 madvise 标记区域）
echo madvise > /sys/kernel/mm/transparent_hugepage/enabled

# 数据库场景建议关闭 THP（避免 khugepaged 抖动）
echo never > /sys/kernel/mm/transparent_hugepage/enabled

# OOM dump 输出全部分配信息（调试用，生产注意内存开销）
vm.oom_dump_tasks=1

# 进程内存实时监控
cat /proc/[pid]/status | grep -E "VmRSS|VmSwap|VmSize"

# cgroup v2 查看当前用量（systemd-cgtop 或 cgroup fs）
cat /sys/fs/cgroup/[path]/memory.current
cat /sys/fs/cgroup/[path]/memory.stat