numa linux？linux 内存

这篇文章给大家聊聊关于numa linux，以及linux 内存对应的知识点，希望对各位有所帮助，不要忘了收藏本站哦。

linux内存管理(四)numa node和zone

在AARCH64架构的Linux内核5.14.0-rc5版本中，内存管理策略转向了非一致性内存访问（NUMA）以提高性能。NUMA架构将内存划分为多个节点，每个CPU优先访问与其绑定的最近节点，以减少访问延迟。内存节点通过唯一的节点id标识，且不同节点的物理地址不连续，节点间距离和访问速度有关。

当本地节点内存不足时，内核通过优先级映射表，考虑节点之间的距离分配内存，而非直接拒绝。节点间通过zone进一步划分，每个zone根据内存使用特性分为DMA、hignmem和normal等，按照重要程度和优先级进行内存分配。例如，hignmem zone的内存优先级高于normal，只有在前两者不足时才会从DMA zone分配。

每个节点的内存管理由struct page结构体管理，包括空闲和已分配页面的状态，以及页面是否被高速缓存。内存管理的层次结构由多个节点、zone和物理页组成，每个CPU维护一个zone链表，根据节点距离和zone重要性排序，进行内存分配。

在设备树中，numa节点信息通过memory、cpu和distance-map节点进行配置，内核通过of_numa_init函数解析这些配置，设置节点id、关联的内存节点和节点间的距离。节点和zone的结构体定义了内存节点的拓扑、zone的内存状态、管理策略等细节，为优化内存分配和性能提供了基础。

numalinuxarm启动cpunumalinux

如何关闭linuxnuma？

crontab-e删掉你要退出的命令就可以了

numa节点是不是物理cpu？

numa是一种关于多个cpu如何访问内存的架构模型，现在的cpu基本都是numa架构，linux内核2.5开始支持numa。

numa架构简单点儿说就是，一个物理cpu（一般包含多个逻辑cpu或者说多个核心）构成一个node，这个node不仅包括cpu，还包括一组内存插槽，也就是说一个物理cpu以及一块内存构成了一个node。每个cpu可以访问自己node下的内存，也可以访问其他node的内存，但是访问速度是不一样的，自己node下的更快。numactl--hardware命令可以查看node状况。

通过numactl启动程序，可以指定node绑定规则和内存使用规则。可以通过cpunodebind参数使进程使用固定node上的cpu，使用localalloc参数指定进程只使用cpu所在node上分配的内存。如果分配的node上的内存足够用，这样可以减少抖动，提供性能。如果内存紧张，则应该使用interleave参数，否则进程会因为只能使用部分内存而outofmemory或者使用swap区造成性能下降。

NUMA的内存分配策略有localalloc、preferred、membind、interleave。

localalloc规定进程从当前node上请求分配内存；

preferred比较宽松地指定了一个推荐的node来获取内存，如果被推荐的node上没有足够内存，进程可以尝试别的node。

membind可以指定若干个node，进程只能从这些指定的node上请求分配内存。

interleave规定进程从指定的若干个node上以RR（RoundRobin轮询调度）算法交织地请求分配内存。

linux怎么管理空闲内存？

内存组织层次：页式管理—>(numa)—>node的zonelist—>32位DMA/NORMAL/HIGHMEM三个区，64位没有高端内存—>伙伴分配系统—>slab/slub/slob2.创建进程时内存分配：实际上只分配task_struct和thread_info的内存，而且很可能是从slab缓存中分配的，当进程运行时由于缺页中断，才由内核层具体分配物理内存并与vm挂接3.malloc是cruntime中的实现，是上层库的内存分配层，至于内核层的，可以看看__alloc_pages/alloc_pages/kmalloc(小内存直接slab，大内存还是alloc_pages)/vmalloc(alloc_page分配不连续的物理页，映射到连续的vm_struct中的pages指针数组)/vmap/map_vm_area等几个函数

Linux内核:内存管理——NUMA架构

在早期单CPU时代，CPU与内存的交互依赖于北桥芯片和前端总线。随着技术发展，CPU频率提升并扩展至多核，共享北桥的UMA架构逐渐暴露了性能瓶颈。为了优化，内存控制器被移至CPU内，形成NUMA架构，每个CPU有自己的本地内存，通过QPI总线访问远程内存，这导致了访问速度的差异，即非均匀内存访问模型。

UMA架构的局限在于资源共享，扩展性受限。而NUMA通过多个内存控制器提升带宽，通过numactl命令可以查看和调整CPU和内存策略。然而，不正确的策略可能导致内存分配不均，比如数据库应用中可能因内存回收策略不当引发频繁的内存交换，影响服务性能。

解决这些问题，可以调整内存分配策略，如使用interleave=all，确保内存均匀分布。对于内存回收，数据库通常选择vm.zone_reclaim_mode=0，限制内存区域内部回收，减少页面频繁交换。对于深入了解，可以参考相关文档和教程，如腾讯云、GitHub和知乎的文章。