Linux内核中的内存重复数据删除

Question

任何人都能解释一下Linux内核中重复数据删除所涉及的算法 https://www.ibm.com/developerworks/library/l-kernel-shared-memory/

我发现很难理解和实施它。任何人都可以通过简单的步骤向我解释。

Answer 1

您链接的文章看起来很简单。

1. 应用程序通知内核（使用madvise()系统调用），其内存的某些区域可能包含重复的页面。
2. ksmd将此区域中的页面添加到“易失性列表”（实际上是树，以便以后查找）。 “易变”意味着页面仍有可能发生变化。
3. 对于“volatile”列表中的每个页面，计算校验和。 ksmd将立即扫描列表中的所有页面，以查看校验和是否已更改。如果它确实每次都不同，则不需要做任何事情（页面仍然是“易变的”）。
4. 如果经过一定数量的扫描ksmd注意到某些特定页面的校验和在迭代之间停止变化（页面已“稳定”），则可将其置于“稳定”列表中。
5. ksmd将扫描“稳定”列表中的所有现有页面，以查看是否已存在与候选页面内容匹配的页面。如果找到这样的页面，则丢弃候选页面，并将来自“稳定”列表的现有页面映射到其位置为只读（并且稳定页面的相关引用计数递增）。
6. 如果“稳定”列表中现在存在匹配的页面，则候选页面将标记为“只读”并从“易失性”列表移至稳定列表。
7. 如果应用程序尝试修改“稳定”页面，它将在内核中出现“保护错误”。错误处理程序将调用ksmd来检查页面是否在其“稳定”列表中。如果是，它将生成该页面的可写副本并将其重新放回“易失性”列表，从应用程序地址空间取消映射“稳定”页面并减少“稳定”页面的引用计数（如果计数在此阶段达到0） ，“稳定”页面被释放。