zoukankan      html  css  js  c++  java
  • 性能测试必备知识(10)- Linux 是怎么管理内存的?

    做性能测试的必备知识系列,可以看下面链接的文章哦

    https://www.cnblogs.com/poloyy/category/1806772.html

    内存映射

    日常生活常说的内存是什么

    • 比方说,我的笔记本电脑内存就是 8GB 的
    • 这个内存其实是物理内存
    • 物理内存也称为主存,大多数计算机用的主存都是动态随机访问内存(DRAM)

    灵魂拷问

    只有内核才可以直接访问物理内存,那么进程要访问内存时,怎么办?

    虚拟地址空间

    • 为了解决上面的问题,Linux 内核给每个进程都提供了一个独立的虚拟地址空间,并且这个地址空间是连续
    • 这样,进程就可以很方便地访问内存,更确切地说是访问虚拟内存

    内部

    • 虚拟地址空间的内部又被分为内核空间用户空间两部分
    • 不同字长(单个 CPU 指令可以处理数据的最大长度)的处理器,地址空间的范围也不同

    最常见的 32 位和64 位系统的虚拟地址空间

    • 32 位系统的内核空间占用 1G,位于最高处,剩下的 3G 是用户空间
    • 而 64 位系统的内核空间和用户空间都是 128T,分别占据整个内存空间的最高和最低处,剩下的中间部分是未定义的

    进程的用户态和内核态

    • 进程在用户态时,只能访问用户空间内存
    • 只有进入内核态后,才可以访问内核空间内存
    • 虽然每个进程的地址空间都包含了内核空间,但这些内核空间,其实关联的都是相同的物理内存
    • 这样,进程切换到内核态后,就可以很方便地访问内核空间内存

    为什么会有内存映射

    • 既然每个进程都有一个这么大的地址空间,那么所有进程的虚拟内存加起来,自然要比实际的物理内存大得多
    • 所以,并不是所有的虚拟内存都会分配物理内存,只有那些实际使用的虚拟内存才分配物理内存
    • 并且分配后的物理内存,是通过内存映射来管理的

    什么是内存映射

    • 内存映射,其实就是将虚拟内存地址映射到物理内存地址
    • 为了完成内存映射,内核为每个进程都维护了一张页表,记录虚拟地址与物理地址的映射关系

    • 页表实际上存储在 CPU 的内存管理单元 MMU
    • 正常情况下,处理器就可以直接通过硬件,找出要访问的内存
    • 在页表的映射下,进程就可以通过虚拟地址来访问物理内存了

    灵魂拷问

    么具体到 一个 Linux 进程中,这些内存又是怎么使用的呢?

    虚拟内存空间分布

    回答上面的问题,需要进一步了解虚拟内存空间的分布情况

    用户空间内存,其实又被分成了多个不同的段

    这是 32 位系统,用户空间内存,从低到高分别是五种不同的内存段

    1. 只读段:包括代码和常量等
    2. 数据段:包括全局变量等
    3. 堆:包括动态分配的内存,从低地址开始向上增长
    4. 文件映射段:包括动态库、共享内存等,从高地址开始向下增长
    5. 栈:包括局部变量和函数调用的上下文等。栈的大小是固定的,一般是 8 MB

    在这五个内存段中,堆和文件映射段的内存是动态分配

    比如说,使用 C 标准库的 malloc()  或者 mmap() ,就可以分别在堆和文件映射段动态分配内存

    其实 64 位系统的内存分布也类似,只不过内存空间要大得多

    灵魂拷问

    内存究竟是怎么分配的呢?

    内存分配与回收

    分配

     malloc() 是 C 标准库提供的内存分配函数,对应到系统调用上,有两种实现方式,即 brk() 和 mmap() 

    brk()

    • 对小块内存(小于 128K),C 标准库使用 brk() 来分配
    • 也就是通过移动堆顶的位置来分配内存
    • 这些内存释放后并不会立刻归还系统,而是被缓存起来,这样就可以重复使用
    • 优点:缓存可以减少缺页异常的发生,提高内存访问效率
    • 缺点:由于这些内存没有归还系统,在内存工作繁忙时,频繁的内存分配和释放会造成内存碎片

    mmap()

    • 大块内存(大于 128K),则直接使用内存映射 mmap() 来分配,也就是在文件映射段找一块空闲内存分配出去
    • 缺点:分配的内存,会在释放时直接归还系统,所以每次 mmap 都会发生缺页异常;在内存工作繁忙时,频繁的内存分配会导致大量的缺页异常,使内核的管理负担增大, 这也是 malloc 只对大块内存使用 mmap 的原因

    总结

    • 当这两种调用发生后,其实并没有真正分配内存
    • 这些内存,都只在首次访问时才分配,也就是通过缺页异常进入内核中,再由内核来分配内存

    Linux 使用伙伴系统来管理内存分配

    • 这些内存在 MMU 中以页为单位进行管理,伙伴系统也一样,以页为单位来管理内存,并且会通过相邻页的合并,减少内存碎片化
    • 在用户空间,malloc 通过 brk() 分配的内存,在释放时并不立即归还系统,而是缓存起来重复利用
    • 在内核空间,Linux 则通过 slab 分配器来管理小内存
    • 你可以把 slab 看成构建在伙伴系统上的一个缓存,主要作用就是分配并释放内核中的小对象

    释放内存

    • 对内存来说,如果只分配而不释放,就会造成内存泄露,甚至会耗尽系统内存
    • 所以,在应用程序用完内存后,还需要调用 free() 或 unmap() ,来释放这些不用的内存

    回收

    系统不会任由某个进程用完所有内存,在发现内存紧张时,系统就会通过一系列机制来回收内存

    1. 回收缓存:比如使用 LRU(Least Recently Used)算法,回收最近使用最少的内存页面
    2. 回收不常访问的内存:把不常用的内存通过交换分区直接写到磁盘中
    3. 杀死进程:内存紧张时系统还会通过 OOM(Out of Memory),直接杀掉占用大量内存的进程

    回收不常访问的内存

    • 会用到交换分区(以下简称 Swap
    • Swap 其实就是把一块磁盘空间当成内存来用
    • 它可以把进程暂时不用的数据存储到磁盘中(这个过程称为换出),当进程访问这些内存时,再从磁盘读取这些数据到内存中(这个过程称为换入
    • 通常只在内存不足时, 才会发生 Swap 交换
    • 优点:Swap 把系统的可用内存变大了
    • 缺点:由于磁盘读写的速度远比内存慢,所以 Swap 会导致严重的内存性能问题

    OOM

    是内核的一种保护机制

    监控进程的内存使用情况,并且使用 oom_score 为每个进程的内存使用情况进行评分:

    • 一个进程消耗的内存越大,oom_score 就越大,越容易被 OOM 杀死,从而保护系统
    • 一个进程运行占用的 CPU 越多,oom_score 就越小

    可以通过 /proc 文件系统,手动设置进程的  oom_adj ,从而调整进程的 oom_score 

     oom_adj  的范围是 [-17, 15] ,数值越大,表示进程越容易被 OOM 杀死;数值越小,表示进程越不容易被 OOM 杀死,其中 -17 表示禁止 OOM

    调整 oom_score 的栗子

    把 sshd 进程的 oom_adj 调小为 -16,这样, sshd 进程就 不容易被 OOM 杀死

    echo -16 > /proc/$(pidof sshd)/oom_adj 

    如何查看内存使用情况

    free

    显示的是整个系统的内存使用情况

    https://www.cnblogs.com/poloyy/p/13503203.html

    top

    可以查看系统内存使用情况,也可以看进程的,具体可以看下面的博客哦

    https://www.cnblogs.com/poloyy/p/12552041.html

     
  • 相关阅读:
    crontab定时任务写法记录
    Django与Vue语法冲突问题完美解决方法
    Django下MEDIA_ROOT, MEDIA_URL, STATIC_ROOT, STATIC_URL解惑
    解决python2.x用urllib2证书验证错误, _create_unverified_context
    django 异步任务实现及Celery beat实现定时/轮询任务
    用Python写WebService接口并且调用
    django(权限、认证)系统——第三方组件实现Object级别权限控制
    django(权限、认证)系统—— 基于Authentication backends定制
    django(权限、认证)系统—— Permissions和Group
    [jmeter]linux下自动测试环境+持续集成ant+jmeter+Apache(httpd)环境搭建与使用
  • 原文地址:https://www.cnblogs.com/poloyy/p/13501880.html
Copyright © 2011-2022 走看看