題目是一個典型《Effective C++》的風格。

事情是這樣的，我大致說一下。

我在開發一個Netfilter模塊，在PREROUTING匹配一些數據包，顯而易見，都能想到使用哈希表hlist作為數據結構的容器，其中裝有下面的結構體：

struct item {

struct hlist_node hnode;

char padding[16];

};

生成item的時候，我先用kmalloc接口分配內存：

item_nd = (struct item *)kmalloc(sizeof(struct item), GFP_KERNEL);

然后我用hlist_add/del接口將分配好的結構體插入到hlist中。

僅僅為了測試是否會宕機，所以我的所有的數據結構的hash值均是一樣的，這樣插入200個項的話，它們會hash沖突，從而僅僅添加到同一個hlist鏈表中，這樣整個匹配過程就退化成了遍歷200個項的鏈表。

雖然是萬惡的遍歷操作，但200個項一切還OK，性能幾乎是無損的，無論是吞吐，還是pps。

這個時候，我想擴充一些功能，于是乎為item結構體增加了一個字段：

struct item {

struct hlist_node hnode;

char padding[16];

void *private;

};

僅僅增加了一個private，其它均和之前完全一致，同樣的200個項插入同一條hlist，同樣遍歷，吞吐和pps下降達到15%～20%！

為什么增加了一個指針變量，就出現了如此巨大的性能差異？！

事情的端倪就隱藏在kmalloc接口中！

事情的真相是，在不添加private指針時，item結構的大小是32，添加一個指針，其大小變成了40，別小看這8個字節：

32字節大小的所有200個item在內存中幾乎都是連續的。

40字節大小的所有200個item在內存中幾乎都是不連續的。

為什么會造成這個結果？32和40有什么特殊性嗎？

我們還要繼續向下看。

kmalloc的背后其實是一系列的kmem_cache：

8字節的kmem_cache

16字節的kmem_cache

32字節的kmem_cache

64字節的kmem_cache

92字節的kmem_cache

128字節的kmem_cache

...

我們從/proc/slabinfo里可以一窺究竟：

[root@localhost test]# cat /proc/slabinfo |grep ^kmalloc

kmalloc-8192 52 52 8192 4 8 : tunables 0 0 0 : slabdata 13 13 0

kmalloc-4096 274 288 4096 8 8 : tunables 0 0 0 : slabdata 36 36 0

kmalloc-2048 578 608 2048 16 8 : tunables 0 0 0 : slabdata 38 38 0

kmalloc-1024 1105 1120 1024 16 4 : tunables 0 0 0 : slabdata 70 70 0

kmalloc-512 1466 1584 512 16 2 : tunables 0 0 0 : slabdata 99 99 0

kmalloc-256 2289 2560 256 16 1 : tunables 0 0 0 : slabdata 160 160 0

kmalloc-192 1630 1785 192 21 1 : tunables 0 0 0 : slabdata 85 85 0

kmalloc-128 1632 1632 128 32 1 : tunables 0 0 0 : slabdata 51 51 0

kmalloc-96 1344 1344 96 42 1 : tunables 0 0 0 : slabdata 32 32 0

kmalloc-64 25408 25408 64 64 1 : tunables 0 0 0 : slabdata 397 397 0

kmalloc-32 3072 3072 32 128 1 : tunables 0 0 0 : slabdata 24 24 0

kmalloc-16 3072 3072 16 256 1 : tunables 0 0 0 : slabdata 12 12 0

kmalloc-8 5120 5120 8 512 1 : tunables 0 0 0 : slabdata 10 10 0

當你調用kmalloc(size, flags)申請內存時，系統會根據你的size向上尋找一個最接近的kmem_cache，然后在其中為你分配所需的內存。

我們知道kmemcache是針對特定數據結構的獨享內存池子，它以*最小化碎片*的原則為特定的場合提供*可高效訪問*的內存，比如sock，skbuff這些。

然而kmalloc接口所依托的kmem_cache則是全局(同一個NUMA node)共享的內存池子，它并不針對特定場合，僅僅針對特定大小！也即是說，最小化碎片是針對所有調用kmalloc接口的線程的。

我們回頭看上面的slabinfo，可以注意到，64字節大小的kmem_cache，即kmalloc-64已經包含了非常多的object，因此如果你調用kmalloc申請40字節的內存，其實你是在kmalloc-64里分配。

其實32和40沒有什么特殊性，32字節大小的item之所以還可以保持連續，那是因為kmalloc-32幾乎沒有被重度使用，而kmalloc-64則已經被其它使用者打散。

我們可以試一下，看看分別申請32字節和40字節的效果：

#include

struct stub32 {

unsigned char m[32];

};

struct stub40 {

unsigned char m[40];

};

#define SIZE 20

struct stub32 *array32[SIZE] = {NULL};

struct stub40 *array40[SIZE] = {NULL};

%}

function alloc_test()

%{

int i;

for (i = 0; i < SIZE; i ++) {

array32[i] = kmalloc(sizeof(struct stub32), GFP_KERNEL);

printk("32bytes [%d]:%p ", i, array32[i]);

if (i > 0) {

unsigned long hi = (unsigned long)array32[i];

unsigned long lo = (unsigned long)array32[i - 1];

signed long delta = hi - lo;

if (delta < 0)

delta = lo - hi;

printk("delta [%lx] ", delta);

} else

printk("delta [0] ");

}

printk("------------------ ");

for (i = 0; i < SIZE; i ++) {

array40[i] = kmalloc(sizeof(struct stub40), GFP_KERNEL);

printk("40bytes [%d]:%p ", i, array40[i]);

if (i > 0) {

unsigned long hi = (unsigned long)array40[i];

unsigned long lo = (unsigned long)array40[i - 1];

signed long delta = hi - lo;

if (delta < 0)

delta = lo - hi;

printk("delta [%lx] ", delta);

} else

printk("delta [0] ");

}

for (i = 0; i < SIZE; i ++) {

kfree(array32[i]);

kfree(array40[i]);

}

%}

probe begin

{

alloc_test();

exit(); // oneshot模式

}

以下是結果：

[ 466.933100] 32bytes [1]:ffff881f9649caa0 delta [20]

[ 466.938206] 32bytes [2]:ffff881f9649cac0 delta [20]

[ 466.943314] 32bytes [3]:ffff881f9649cae0 delta [20]

[ 466.948586] 32bytes [4]:ffff881f9649cb00 delta [20]

[ 466.953732] 32bytes [5]:ffff881f9649cb20 delta [20]

[ 466.958863] 32bytes [6]:ffff881f9649cb40 delta [20]

[ 466.963977] 32bytes [7]:ffff881f9649cb60 delta [20]

[ 466.969095] 32bytes [8]:ffff881f9649cb80 delta [20]

[ 466.974222] 32bytes [9]:ffff881f9649cba0 delta [20]

[ 466.979329] 32bytes [10]:ffff881f9649cbc0 delta [20]

[ 466.984731] 32bytes [11]:ffff881f9649cbe0 delta [20]

[ 466.990124] 32bytes [12]:ffff881f9649cc00 delta [20]

[ 466.995510] 32bytes [13]:ffff881f9649cc20 delta [20]

[ 467.000907] 32bytes [14]:ffff881f9649cc40 delta [20]

[ 467.006294] 32bytes [15]:ffff881f9649cc60 delta [20]

[ 467.011685] 32bytes [16]:ffff881f9649cc80 delta [20]

[ 467.017086] 32bytes [17]:ffff881f9649cca0 delta [20]

[ 467.022483] 32bytes [18]:ffff881f9649ccc0 delta [20]

[ 467.027881] 32bytes [19]:ffff881f9649cce0 delta [20]

[ 467.033286] ------------------

[ 467.036610] 40bytes [0]:ffff881d0c904d40 delta [0]

[ 467.041828] 40bytes [1]:ffff881d0c904680 delta [6c0]

[ 467.047216] 40bytes [2]:ffff881d0c904140 delta [540]

[ 467.052607] 40bytes [3]:ffff881d0c904d00 delta [bc0]

[ 467.058001] 40bytes [4]:ffff881d0c9043c0 delta [940]

[ 467.063399] 40bytes [5]:ffff881d0c904940 delta [580]

[ 467.068801] 40bytes [6]:ffff881d0c9048c0 delta [80]

[ 467.074107] 40bytes [7]:ffff881d0c904e80 delta [5c0]

[ 467.079496] 40bytes [8]:ffff881d0c904200 delta [c80]

[ 467.084888] 40bytes [9]:ffff881d0c904980 delta [780]

[ 467.090282] 40bytes [10]:ffff881fcd725dc0 delta [2c0e21440]

[ 467.096280] 40bytes [11]:ffff881fcd7250c0 delta [d00]

[ 467.101763] 40bytes [12]:ffff881fcd725440 delta [380]

[ 467.107235] 40bytes [13]:ffff881fcd725340 delta [100]

[ 467.112722] 40bytes [14]:ffff881f8398ee80 delta [49d964c0]

[ 467.118633] 40bytes [15]:ffff881f8398ecc0 delta [1c0]

[ 467.124110] 40bytes [16]:ffff881f8398e100 delta [bc0]

[ 467.129589] 40bytes [17]:ffff881f8398ed40 delta [c40]

[ 467.135062] 40bytes [18]:ffff881f8398efc0 delta [280]

[ 467.140542] 40bytes [19]:ffff881f8398e700 delta [8c0]

我們可以看到，32字節的結構體，kmalloc分配的完全都是連續的，而40字節的結構體，完全就散亂碎片化了。

如果以上的這些地址是需要在網絡協議棧的Netfilter hook中被遍歷的，可想而知，如果地址非連續且布局無跡可尋，cache miss將會非常高。

值得一提的是，并不是說32字節的結構體分配就一定會獲得連續的內存，而64字節的就不會，這完全取決于你的系統當前的整體kmalloc使用情況。

kmalloc并不適合快速路徑的內存分配，它只適合穩定的，離散的管理結構體的內存分配。

大家之所以普遍喜歡用kmalloc，因為它簡單，快捷，少了kmem_cache的create和destroy的維護操作。

kmalloc有個副作用，就是它只有固定的大小，比如你分配一個24字節大小的結構體，事實上系統會給你32字節。具體的細節就參考kmalloc的kmem_cache數組吧。

在諸如網絡協議棧處理這種相對快速的路徑中，比如skbuff，sock，nfconntrack等結構體均是在自行維護的獨享kmem_cache中被管理的，這保證了內存分配的盡可能的連續性，盡可能的最少碎片。

這是通過kmem_cache的棧式管理實現的：

kmem_cache的obj可以隨意釋放。

kmem_cache的obj按照釋放的逆序進行分配。

kmem_cache的free相當于push操作，而alloc相當于pop操作。

我再用例子給出直觀的效果，依然采用專家模式的stap：

// alloc_free.stp

%{

#include

struct stub {

unsigned char m[40];

};

%}

function kmemcache_stack_test()

%{

int i;

struct kmem_cache *memcache;

struct stub *array[10];

struct stub *new[10] = {NULL};

memcache = kmem_cache_create("test_", sizeof(struct stub), 0, 0, NULL);

if (!memcache)

return;

for (i = 0; i < 10; i ++) {

array[i] = kmem_cache_alloc(memcache, GFP_KERNEL);

STAP_PRINTF("[%d]:%llx ", i, array[i]);

}

STAP_PRINTF("Let's play ");

kmem_cache_free(memcache, array[4]);

STAP_PRINTF("free [4]:%llx ", array[4]);

array[4] = NULL;

new[0] = kmem_cache_alloc(memcache, GFP_KERNEL);

STAP_PRINTF("new [x]:%llx ", new[0]);

kmem_cache_free(memcache, array[1]);

STAP_PRINTF("free [1]:%llx ", array[1]);

array[1] = NULL;

kmem_cache_free(memcache, array[8]);

STAP_PRINTF("free [8]:%llx ", array[8]);

array[8] = NULL;

new[1] = kmem_cache_alloc(memcache, GFP_KERNEL);

STAP_PRINTF("new [x]:%llx ", new[1]);

new[2] = kmem_cache_alloc(memcache, GFP_KERNEL);

STAP_PRINTF("new [x]:%llx ", new[2]);

for (i = 0; i < 10; i++) {

if (new[i]) {

kmem_cache_free(memcache, new[i]);

new[i] = NULL;

}

}

STAP_PRINTF("Batch free ");

for (i = 0; i < 10; i++) {

if (array[i]) {

kmem_cache_free(memcache, array[i]);

STAP_PRINTF("free [i]:%llx ", array[i]);

array[i] = NULL;

}

}

STAP_PRINTF("Batch alloc ");

for (i = 0; i < 10; i++) {

new[i] = kmem_cache_alloc(memcache, GFP_KERNEL);

STAP_PRINTF("new [%d]:%llx ", i, new[i]);

}

for (i = 0; i < 10; i++) {

if (new[i]) {

kmem_cache_free(memcache, new[i]);

new[i] = NULL;

}

}

kmem_cache_destroy(memcache);

%}

probe begin

{

kmemcache_stack_test();

exit(); // oneshot模式

}

很簡單的實驗，就是分配，釋放的操作，我們運行一下：

[root@localhost test]# stap -g ./alloc_free.stp

[0]:ffff88003bc4bf28

[1]:ffff88003bc4bf00

[2]:ffff88003bc4beb0

[3]:ffff88003bc4be38

[4]:ffff88003bc4be88

[5]:ffff88003bc4be60

[6]:ffff88003bc4bdc0

[7]:ffff88003bc4be10

[8]:ffff88003bc4bde8

[9]:ffff88003bc4bd48

Let's play

free [4]:ffff88003bc4be88

new [x]:ffff88003bc4be88

free [1]:ffff88003bc4bf00

free [8]:ffff88003bc4bde8

new [x]:ffff88003bc4bde8

new [x]:ffff88003bc4bf00

Batch free

free [i]:ffff88003bc4bf28

free [i]:ffff88003bc4beb0

free [i]:ffff88003bc4be38

free [i]:ffff88003bc4be60

free [i]:ffff88003bc4bdc0

free [i]:ffff88003bc4be10

free [i]:ffff88003bc4bd48

Batch alloc

new [0]:ffff88003bc4bd48

new [1]:ffff88003bc4be10

new [2]:ffff88003bc4bdc0

new [3]:ffff88003bc4be60

new [4]:ffff88003bc4be38

new [5]:ffff88003bc4beb0

new [6]:ffff88003bc4bf28

new [7]:ffff88003bc4bf00

new [8]:ffff88003bc4bde8

new [9]:ffff88003bc4be88

[root@localhost test]#

從地址上可以看出，kmem_cache就是按照一個棧的形式進行管理的，即便由于隨機的free操作造成了空洞，后續的alloc會盡快將其填充。這樣的結果如下：

盡可能節省內存，保持內存的緊湊。

提高CPU dcache的命中率，最大化preload效果。

即便我們使用自行維護的kmem_cache slab，當從中分配的對象插入鏈表時，也要盡量按照其內存地址的升序插入鏈表確定的位置，這樣在遍歷鏈表時可以達到最大化預取的效果。實測過程這里從略。

一個事實是：

在連續的內存上進行遍歷，其性能遠超在離散的內存上進行遍歷！

這是因為CPU在訪問內存地址P時，會把一個cacheline的數據預取到cache，在連續的內存上，隨著遍歷的進行，鏈表項的訪問和預取將形成一個流水化作業，這個流水線只要不被打斷，遍歷就好像在cache中進行一樣。

我建議，根據slab對象的內存使用hlistaddbefore[rcu]，hlistaddbebind[rcu]將對象插入hlist的特定位置，而不是簡單使用hlistaddhead。