服务器设置和教程 · 1 8 月, 2025

Linux記憶體的動態申請與釋放

引言

本文旨在探討Linux記憶體管理的核心機制，並結合香港伺服器的實際應用場景，分析如何優化記憶體使用。香港作為亞太地區的重要互聯網樞紐，其伺服器需處理高負載和高併發請求，記憶體管理的優化對效能與穩定性至關重要。

1. Linux記憶體分配基礎：夥伴系統 (Buddy System)

  • Linux 使用 夥伴系統 管理實體記憶體。

  • 系統將記憶體劃分為不同大小的塊（通常以 4KB 為單位），透過 合併與分割 滿足記憶體請求。

    • 範例： 申請 8KB 記憶體時，系統可能從 16KB 塊中分割出所需部分。

  • 研究顯示：

    • 該方法在管理記憶體碎片上有效。

    • 但較大粒度可能導致浪費，尤其在小記憶體分配頻繁的場景。

  • 香港伺服器視角：

    • 理解夥伴系統有助於管理員監控與優化記憶體使用。

    • 高負載下，伺服器頻繁分配/釋放記憶體，夥伴系統效率直接影響效能。

    • 應用場景： Web 伺服器處理大量短暫連線時，記憶體分配延遲可能導致回應時間延長。

2. 核心空間的記憶體分配：Slab 分配器

  • 解決問題： 核心空間的小記憶體分配（如 8 位元組）非常常見，直接使用夥伴系統效率低下。

  • 機制： Slab 分配器將記憶體劃分為 快取區，每個快取區對應特定資料結構或大小範圍（如 kmalloc-32 用於 32 位元組分配）。

  • 三種實現： slab、slub、slob，分別針對不同場景優化。

  • 證據顯示： Slab 分配器顯著提升小記憶體分配效率。

  • 香港伺服器視角：

    • 核心小記憶體分配直接影響整體效能，尤其在處理高併發請求時。

    • 應用場景： 網路伺服器每個連線可能需分配小記憶體塊，高效的 Slab 分配器能減少開銷，提升回應速度。

  • 與夥伴系統的關係：

    • Slab 從夥伴系統獲取大塊記憶體（如 4KB），再切割為小塊管理。

    • 兩者在演算法上是平等的，Slab 作為 二級管理器，專注於小記憶體分配。

3. 核心記憶體申請函式：kmalloc vs. vmalloc

特性kmallocvmalloc
記憶體連續性實體位址連續虛擬位址連續，實體位址可能不連續
典型大小小塊（數百位元組 ~ 數千位元組）大塊（數 MB 以上）
映射狀態分配後已映射，無需額外頁表操作分配後需設定頁表映射
適用區域適合低端記憶體區適合高端記憶體區

  • 伺服器視角：

    • 選擇合適方法至關重要。

    • 應用場景：

      • Web 伺服器需大量小塊記憶體 → kmalloc 更高效。

      • 資料庫伺服器處理大塊資料 → vmalloc 更適合。

    • 管理員需根據應用需求，權衡效能與記憶體連續性。

4. 使用者空間的記憶體分配：malloc 與惰性分配 (Lazy Allocation)

  • 機制：

    1. 使用者空間透過 malloc 申請記憶體。

    2. Linux 採用 惰性分配：malloc 成功時僅分配虛擬位址空間，不立即分配實體記憶體。

    3. 實際存取記憶體時觸發頁錯誤 (Page Fault)。

    4. 核心才分配實體記憶體頁面。

  • 研究顯示： 此機制提高記憶體利用率，尤其在記憶體緊張時。

  • 伺服器視角：

    • 此機制非常實用，允許伺服器快速分配大量記憶體而不立即佔用資源。

    • 應用場景： 服務啟動時宣告分配 100MB，實際使用時才分配實體頁面，非常適合高併發場景。

5. Linux 伺服器記憶體快取管理

  • 挑戰： 快取是提升效能的重要機制，但過多快取可能佔用記憶體，影響效能。

  • 常見快取清理方法：

    • 📁 清理頁面快取、目錄項快取與 inode 快取：

      bash
      sudo sync; echo 3 > /proc/sys/vm/drop_caches

      (先同步磁碟資料再釋放快取)

    • 📊 監控記憶體使用： 使用 htop 或 top 工具，即時檢視記憶體佔用，識別高記憶體行程。

    • ⚙️ 調整應用快取設定： 如 Apache、Nginx 的快取策略，控制快取大小與過期時間。

    • 💾 資料庫優化： 調整 MySQL 的 innodb_buffer_pool_size 或 PostgreSQL 快取參數。

  • 記憶體優化方法：

    • 🖥️ 增加實體記憶體： 若頻繁使用 swap，考慮硬體升級。

    • ⚙️ 調整記憶體頁面快取策略： 修改 vm.swappiness 參數（例如設為 10）以減少交換操作。

    • 🧩 記憶體分配優化： 使用記憶體池 (Memory Pool) 技術減少碎片，避免頻繁 malloc/free。

    • 🔍 記憶體洩漏監控： 使用 valgrind 或 heaptrack 檢測並修復記憶體洩漏。

  • 伺服器視角：

    • 處理高負載與高併發請求時，優化記憶體使用可顯著提升效能與穩定性。

    • 上述方法在此類環境中尤為重要。

6. 記憶體不足時的處理：OOM 機制

  • 機制： 當記憶體嚴重不足時，Linux 核心啟動 OOM Killer (Out-Of-Memory Killer)。

  • 運作方式： 根據行程的記憶體使用量和優先順序計算 OOM 評分，評分越高的行程越優先被終止以釋放資源。

  • 管理介入： 管理員可透過調整 /proc/<pid>/oom_score_adj 的值來保護關鍵行程（設定為負值）或標記優先終止的行程（設定為正值）。

  • 伺服器視角：

    • 管理 OOM 機制至關重要，因伺服器通常執行多個關鍵服務。

    • 終止重要行程可能導致服務中斷甚至系統癱瘓。

    • 應用場景： 若 Web 服務行程被意外終止，將中斷使用者存取；需調整設定確保關鍵服務穩定性。

結論

綜上所述，Linux 記憶體管理機制涵蓋廣泛，從底層的 夥伴系統 到專精小記憶體的 Slab 分配器，從核心的 kmalloc/vmalloc 到使用者空間的 惰性分配，再到緊急情況的 OOM 機制。結合 香港伺服器 面對高負載、高併發的特性，優化記憶體使用需著重於：

  • 快取管理策略

  • 記憶體分配方法選擇

  • OOM 機制調整

透過合理配置與優化，管理員能最大化利用有限資源，為使用者提供高效且穩定的服務。

You may also like...