新闻详情

新闻详情

首页 / 资讯中心 / 详情

init paging_init

发布时间:2026/11/15 17:06:25来源:尧图网络
init paging_init
paging_init()是 x86-64 架构内存管理初始化的核心函数负责完成页表建立后的内存管理子系统初始化。它位于arch/x86/mm/init_64.c在setup_arch()中被调用是连接“早期内存探测”和“正式内存管理”的关键枢纽。整体定位从“能访问内存”到“能管理内存”在此之前内核已经通过init_mem_mapping()建立了物理内存的直接映射CPU 可以访问所有内存了。但此时还没有内存管理的数据结构——比如struct page数组、内存区域zone划分、空闲链表等。paging_init()的任务就是把这些管理结构建立起来。三个核心步骤1.sparse_init()建立struct page数组这是最关键的一步。内核需要为每一个物理页帧分配一个struct page描述符用于跟踪该页的状态是否空闲、引用计数、所属 zone 等。sparse_init()负责初始化SPARSEMEM 内存模型。与传统的 FLATMEM 模型为整个物理地址空间连续分配struct page数组不同SPARSEMEM 将物理内存划分为多个section每个 section 有自己的mem_section结构按需分配struct page数组。这种模型能更好地支持内存热插拔和非连续物理内存布局。sparse_init()会遍历memblock中记录的可用内存区域为每个 section 建立struct page映射即vmemmap区域并初始化每个struct page的基本字段。2. 清除节点 0 的默认状态node_clear_state(0, N_MEMORY); node_clear_state(0, N_NORMAL_MEMORY);这两行代码的作用是清除节点 0 上之前可能设置的默认状态标志。在 NUMA 初始化阶段initmem_init()→x86_numa_init()如果系统禁用了 NUMA所有内存会被临时归入节点 0。但此时还没有真正根据内存的物理特性来划分节点状态。N_MEMORY表示该节点包含可管理的内存N_NORMAL_MEMORY表示该节点包含普通内存可直接映射。在sparse_init()建立好struct page数组后内核需要重新、准确地根据实际内存布局来设置这些状态。因此先清除旧的默认值再由后续代码如zone_sizes_init()或 NUMA 相关代码重新设置。注释特别强调不要使用nodes_clear()因为那会彻底清除节点的所有状态位在未编译 NUMA 支持时后续的node_set_state()无法再将其恢复。3.zone_sizes_init()划分内存区域zone内存区域zone是 Linux 内存管理的核心概念用于区分不同用途的物理内存ZONE_DMA/ZONE_DMA32供老旧设备进行 DMA 操作的低端内存。ZONE_NORMAL内核可直接映射和访问的普通内存。ZONE_HIGHMEM在 32 位系统中内核无法直接映射的高端内存。ZONE_MOVABLE可迁移内存用于内存热插拔和减少碎片。zone_sizes_init()会计算每个 zone 的起始页帧号zone_start_pfn、结束页帧号zone_end_pfn以及该 zone 管理的页帧总数present_pages。这些信息会被记录在pgdat-node_zones[]数组中。在 x86-64 上由于没有 HIGHMEMzone 划分相对简单通常只有ZONE_DMA32前 4GB和ZONE_NORMAL4GB 以上。zone_sizes_init()会根据max_pfn和max_low_pfn来计算各 zone 的边界。在启动流程中的位置setup_arch() ├── init_mem_mapping() // 建立物理内存直接映射页表就绪 ├── initmem_init() // NUMA 节点初始化 ├── ... // 其他架构相关初始化 └── paging_init() // ← 建立内存管理数据结构 ├── sparse_init() // 分配 struct page 数组 ├── node_clear_state() // 清除节点 0 默认状态 └── zone_sizes_init() // 划分内存 zonepaging_init()执行完毕后内核的内存管理子系统就基本就绪了。后续的mm_init()会在此基础上初始化伙伴系统分配器、SLAB/SLUB 分配器等更高级的内存管理机制。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉