浅谈操作系统对内存的管理

怼烎@ 2022-08-18 01:51 106阅读 0赞

原文地址：[http://blog.jobbole.com/95499/][http_blog.jobbole.com_95499]

简介

内存是计算机中最重要的资源之一,通常情况下，物理内存无法容纳下所有的进程。虽然物理内存的增长现在达到了N个GB，但比物理内存增长还快的是程序，所以无论物理内存如何增长，都赶不上程序增长的速度，所以操作系统如何有效的管理内存便显得尤为重要。本文讲述操作系统对于内存的管理的过去和现在，以及一些页替换的算法的介绍。

### 对于进程的简单介绍 ###

在开始之前,首先从操作系统的角度简单介绍一下进程。进程是占有资源的最小单位，这个资源当然包括内存。在现代操作系统中，每个进程所能访问的内存是互相独立的（一些交换区除外）。而进程中的线程所以共享进程所分配的内存空间。

在操作系统的角度来看，进程=程序+数据+PCB(进程控制块)。这个概念略微有点抽象，我通过一个类比来说吧：比如，你正在厨房做饭，你一边看着菜谱一边按照菜谱将原料做成菜，就在这时，你儿子进来告诉你他擦破了腿，此时你停下手中的工作，将菜谱反扣过来，然后找来急救书按照书中的内容给你儿子贴上创口贴，贴完后你继续回去打开菜谱，然后继续做饭。在这个过程中，你就好比CPU，菜谱就好比程序，而做菜的原料就好比数据。你按照程序指令加工数据，而急救工作好比一个更高优先级的进程，中断了你当前做饭的工作,然后你将菜谱反扣过来（保护现场）,转而去处理高优先级的进程，处理完毕后你继续从刚才的页读菜谱(恢复现场)，然后继续执行做菜这个进程。

在简单介绍完进程的概念后，我们来转入内存。

### 没有内存抽象的年代 ###

在早些的操作系统中，并没有引入内存抽象的概念。程序直接访问和操作的都是物理内存。比如当执行如下指令时:

这条指令会毫无想象力的将物理地址1000中的内容赋值给寄存器。不难想象，这种内存操作方式使得操作系统中存在多进程变得完全不可能，比如MS-DOS，你必须执行完一条指令后才能接着执行下一条。如果是多进程的话，由于直接操作物理内存地址，当一个进程给内存地址1000赋值后，另一个进程也同样给内存地址赋值，那么第二个进程对内存的赋值会覆盖第一个进程所赋的值，这回造成两条进程同时崩溃。

没有内存抽象对于内存的管理通常非常简单，除去操作系统所用的内存之外，全部给用户程序使用。或是在内存中多留一片区域给驱动程序使用，如图1所示。

![7cc829d3gw1eyl78wkx65j20cm089q3q.jpg][]

图1.没有内存抽象时，对内存的使用

第一种情况操作系统存于RAM中，放在内存的低地址，第二种情况操作系统存在于ROM中，存在内存的高地址，一般老式的手机操作系统是这么设计的。

如果这种情况下，想要操作系统可以执行多进程的话，唯一的解决方案就是和硬盘搞交换，当一个进程执行到一定程度时，整个存入硬盘，转而执行其它进程，到需要执行这个进程时，再从硬盘中取回内存，只要同一时间内存中只有一个进程就行，这也就是所谓的交换（Swapping）技术。但这种技术由于还是直接操作物理内存，依然有可能引起进程的崩溃。

所以，通常来说，这种内存操作往往只存在于一些洗衣机，微波炉的芯片中，因为不可能有第二个进程去征用内存。

### 内存抽象 ###

在现代的操作系统中，同一时间运行多个进程是再正常不过的了。为了解决直接操作内存带来的各种问题，引入的地址空间(Address Space),这允许每个进程拥有自己的地址。这还需要硬件上存在两个寄存器，基址寄存器(base register)和界址寄存器(limit register),第一个寄存器保存进程的开始地址，第二个寄存器保存上界，防止内存溢出。在内存抽象的情况下，当执行

mov reg1,20

这时，实际操作的物理地址并不是20，而是根据基址和偏移量算出实际的物理地址进程操作，此时操作的实际地址可能是:

mov reg1,16245

在这种情况下，任何操作虚拟地址的操作都会被转换为操作物理地址。而每一个进程所拥有的内存地址是完全不同的，因此也使得多进程成为可能。

但此时还有一个问题，通常来说，内存大小不可能容纳下所有并发执行的进程。因此，交换(Swapping)技术应运而生。这个交换和前面所讲的交换大同小异,只是现在讲的交换在多进程条件下。交换的基本思想是，将闲置的进程交换出内存，暂存在硬盘中，待执行时再交换回内存，比如下面一个例子，当程序一开始时，只有进程A，逐渐有了进程B和C，此时来了进程D，但内存中没有足够的空间给进程D，因此将进程B交换出内存，分给进程D。如图2所示。

![7cc829d3gw1eyl78xbtgyj20e209zwf0.jpg][]

图2.交换技术

通过图2，我们还发现一个问题，进程D和C之间的空间由于太小无法另任何进程使用，这也就是所谓的外部碎片。一种方法是通过紧凑技术(Memory Compaction)解决，通过移动进程在内存中的地址，使得这些外部碎片空间被填满。还有一些讨巧的方法，比如内存整理软件，原理是申请一块超大的内存，将所有进程置换出内存，然后再释放这块内存，从而使得从新加载进程，使得外部碎片被消除。这也是为什么运行完内存整理会狂读硬盘的原因。另外，使用紧凑技术会非常消耗CPU资源，一个2G的CPU没10ns可以处理4byte,因此多一个2G的内存进行一次紧凑可能需要好几秒的CPU时间。

上面的理论都是基于进程所占的内存空间是固定的这个假设，但实际情况下，进程往往会动态增长，因此创建进程时分配的内存就是个问题了，如果分配多了，会产生内部碎片，浪费了内存，而分配少了会造成内存溢出。一个解决方法是在进程创建的时候，比进程实际需要的多分配一点内存空间用于进程的增长。一种是直接多分配一点内存空间用于进程在内存中的增长，另一种是将增长区分为数据段和栈（用于存放返回地址和局部变量）,如图3所示。

![7cc829d3gw1eyl78y5ibbj20by0bmmyb.jpg][]

图3.创建进程时预留空间用于增长

当预留的空间不够满足增长时，操作系统首先会看相邻的内存是否空闲，如果空闲则自动分配，如果不空闲，就将整个进程移到足够容纳增长的空间内存中，如果不存在这样的内存空间，则会将闲置的进程置换出去。

当允许进程动态增长时，操作系统必须对内存进行更有效的管理，操作系统使用如下两种方法之一来得知内存的使用情况，分别为1)位图(bitmap) 2)链表

使用位图，将内存划为多个大小相等的块，比如一个32K的内存1K一块可以划为32块，则需要32位（4字节）来表示其使用情况，使用位图将已经使用的块标为1，位使用的标为0.而使用链表，则将内存按使用或未使用分为多个段进行链接，这个概念如图4所示。

![7cc829d3gw1eyl78zaml5j20fi0akq4f.jpg][]

图4.位图和链表表示内存的使用情况

使用链表中的P表示进程，从0-2是进程，H表示空闲，从3-4表示是空闲。

使用位图表示内存简单明了，但一个问题是当分配内存时必须在内存中搜索大量的连续0的空间，这是十分消耗资源的操作。相比之下，使用链表进行此操作将会更胜一筹。还有一些操作系统会使用双向链表，因为当进程销毁时，邻接的往往是空内存或是另外的进程。使用双向链表使得链表之间的融合变得更加容易。

还有，当利用链表管理内存的情况下，创建进程时分配什么样的空闲空间也是个问题。通常情况下有如下几种算法来对进程创建时的空间进行分配。

*       临近适应算法(Next fit)—从当前位置开始，搜索第一个能满足进程要求的内存空间
 *       最佳适应算法(Best fit)—搜索整个链表，找到能满足进程要求最小内存的内存空间
 *       最大适应算法(Wrost fit)—找到当前内存中最大的空闲空间
 *       首次适应算法(First fit) —从链表的第一个开始，找到第一个能满足进程要求的内存空间

### 虚拟内存(Virtual Memory) ###

虚拟内存是现代操作系统普遍使用的一种技术。前面所讲的抽象满足了多进程的要求，但很多情况下，现有内存无法满足仅仅一个大进程的内存要求(比如很多游戏，都是10G+的级别)。在早期的操作系统曾使用覆盖(overlays)来解决这个问题，将一个程序分为多个块，基本思想是先将块0加入内存，块0执行完后，将块1加入内存。依次往复，这个解决方案最大的问题是需要程序员去程序进行分块，这是一个费时费力让人痛苦不堪的过程。后来这个解决方案的修正版就是虚拟内存。

虚拟内存的基本思想是，每个进程有用独立的逻辑地址空间，内存被分为大小相等的多个块,称为页(Page).每个页都是一段连续的地址。对于进程来看,逻辑上貌似有很多内存空间，其中一部分对应物理内存上的一块(称为页框，通常页和页框大小相等)，还有一些没加载在内存中的对应在硬盘上，如图5所示。

![7cc829d3gw1eyl7943odyj209r0bgjs2.jpg][]

图5.虚拟内存和物理内存以及磁盘的映射关系

由图5可以看出，虚拟内存实际上可以比物理内存大。当访问虚拟内存时，会访问MMU（内存管理单元）去匹配对应的物理地址（比如图5的0，1，2），而如果虚拟内存的页并不存在于物理内存中（如图5的3,4），会产生缺页中断，从磁盘中取得缺的页放入内存，如果内存已满，还会根据某种算法将磁盘中的页换出。

而虚拟内存和物理内存的匹配是通过页表实现，页表存在MMU中，页表中每个项通常为32位，既4byte,除了存储虚拟地址和页框地址之外，还会存储一些标志位，比如是否缺页，是否修改过，写保护等。可以把MMU想象成一个接收虚拟地址项返回物理地址的方法。

因为页表中每个条目是4字节，现在的32位操作系统虚拟地址空间会是2的32次方，即使每页分为4K，也需要2的20次方\*4字节=4M的空间，为每个进程建立一个4M的页表并不明智。因此在页表的概念上进行推广，产生二级页表,二级页表每个对应4M的虚拟地址，而一级页表去索引这些二级页表，因此32位的系统需要1024个二级页表，虽然页表条目没有减少，但内存中可以仅仅存放需要使用的二级页表和一级页表，大大减少了内存的使用。

### 页面替换算法 ###

因为在计算机系统中，读取少量数据硬盘通常需要几毫秒，而内存中仅仅需要几纳秒。一条CPU指令也通常是几纳秒，如果在执行CPU指令时，产生几次缺页中断，那性能可想而知，因此尽量减少从硬盘的读取无疑是大大的提升了性能。而前面知道，物理内存是极其有限的，当虚拟内存所求的页不在物理内存中时，将需要将物理内存中的页替换出去，选择哪些页替换出去就显得尤为重要，如果算法不好将未来需要使用的页替换出去，则以后使用时还需要替换进来，这无疑是降低效率的，让我们来看几种页面替换算法。

最佳置换算法(Optimal Page Replacement Algorithm)

最佳置换算法是将未来最久不使用的页替换出去，这听起来很简单，但是无法实现。但是这种算法可以作为衡量其它算法的基准。

最近不常使用算法(Not Recently Used Replacement Algorithm)

这种算法给每个页一个标志位，R表示最近被访问过，M表示被修改过。定期对R进行清零。这个算法的思路是首先淘汰那些未被访问过R=0的页，其次是被访问过R=1,未被修改过M=0的页，最后是R=1,M=1的页。

先进先出页面置换算法(First-In,First-Out Page Replacement Algorithm)

这种算法的思想是淘汰在内存中最久的页，这种算法的性能接近于随机淘汰。并不好。

改进型FIFO算法(Second Chance Page Replacement Algorithm)

这种算法是在FIFO的基础上，为了避免置换出经常使用的页，增加一个标志位R，如果最近使用过将R置1，当页将会淘汰时，如果R为1，则不淘汰页，将R置0.而那些R=0的页将被淘汰时，直接淘汰。这种算法避免了经常被使用的页被淘汰。

时钟替换算法(Clock Page Replacement Algorithm)

虽然改进型FIFO算法避免置换出常用的页，但由于需要经常移动页，效率并不高。因此在改进型FIFO算法的基础上，将队列首位相连形成一个环路，当缺页中断产生时，从当前位置开始找R=0的页，而所经过的R=1的页被置0，并不需要移动页。如图6所示。

![6][]

图6.时钟置换算法

最久未使用算法(LRU Page Replacement Algorithm)

LRU算法的思路是淘汰最近最长未使用的页。这种算法性能比较好，但实现起来比较困难。

下面表是上面几种算法的简单比较:

<table style="border:1px solid rgb(232,232,232); margin:0px 0px 20px; padding:0px 5px; font-size:15px; border-collapse:collapse; border-spacing:0px; width:599px; color:rgb(46,46,46); font-family:'Microsoft YaHei',宋体,'Myriad Pro',Lato,'Helvetica Neue',Helvetica,Arial,sans-serif; line-height:24px"> 
 <tbody style="border:0px; margin:0px; padding:0px"> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 描述</td> 
  </tr> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 最佳置换算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 无法实现，最为测试基准使用</td> 
  </tr> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 最近不常使用算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 和LRU性能差不多</td> 
  </tr> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 先进先出算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 有可能会置换出经常使用的页</td> 
  </tr> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 改进型先进先出算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 和先进先出相比有很大提升</td> 
  </tr> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 最久未使用算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 性能非常好，但实现起来比较困难</td> 
  </tr> 
  <tr style="border-width:0px 0px 1px; border-bottom-style:solid; border-bottom-color:rgb(232,232,232); margin:0px; padding:0px"> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 时钟置换算法</td> 
   <td style="border-width:0px 1px 0px 0px; border-right-style:solid; border-right-color:rgb(232,232,232); margin:0px; padding:5px; font-size:15px; vertical-align:middle; text-align:center"> 非常实用的算法</td> 
  </tr> 
 </tbody> 
</table>

上面几种算法或多或少有一些局部性原理的思想。局部性原理分为时间和空间上的局部性

1.时间上，最近被访问的页在不久的将来还会被访问。

2.空间上，内存中被访问的页周围的页也很可能被访问。

### 总结 ###

本文简单介绍了操作系统对内存的管理。这些基础概念对于很多开发人员是很有帮助的。内存管理中还有一种分段式管理，也就是一个进程可以拥有多个独立的逻辑地址，以后有时间了再补上一篇。

[http_blog.jobbole.com_95499]: http://blog.jobbole.com/95499/
[7cc829d3gw1eyl78wkx65j20cm089q3q.jpg]: /images/20220731/11e49aff308242589bb0b0fd01481219.png
[7cc829d3gw1eyl78xbtgyj20e209zwf0.jpg]: /images/20220731/93bc23dacaa645c48fb4eff6860f340c.png
[7cc829d3gw1eyl78y5ibbj20by0bmmyb.jpg]: /images/20220731/d44d62b8a90147da9c7e92062b56b8ee.png
[7cc829d3gw1eyl78zaml5j20fi0akq4f.jpg]: /images/20220731/3e7352e3559a4485b2e815a273970e34.png
[7cc829d3gw1eyl7943odyj209r0bgjs2.jpg]: /images/20220731/089792e541914acc89f5cc3af0100423.png
[6]: /images/20220731/bdee7979638447a9b5c0c56ead4c7b7e.png