博客
关于我
在内核中分配物理地址连续的大内存.
阅读量:576 次
发布时间:2019-03-11

本文共 1817 字,大约阅读时间需要 6 分钟。

在内核版本2.6.29中,内核函数需要频繁分配连续的物理地址内存空间。这一操作通常需要通过特定的内核API来实现。本文将介绍内核中常用的两个分配连续物理内存的方法,并探讨如何处理超出4M内存分配需求的情况。

首先,Kernel编程中最常用的分配方法之一是kmalloc。由于其默认使用了SLUB(Simple Local Uniform Buffer)内存分配器,kmalloc能够在内核中进行高效的内存分配。内核初始化时会创建一组共13个通用缓冲区,每个缓冲区由对应的kmem_cache结构定义。这些kmem_cache结构本身也是通过kmalloc来分配的。例如,kmalloc_caches[0]用于分配kmem_cache_node结构,而kmalloc_caches[1]和kmalloc_caches[2]则分别对应分配大小为64字节和192字节的内存块。对于超过4K页面大小的内存分配需求,kmalloc会直接调用页框分配器__get_free_pages来完成。

其次,内核中的另一款重要API是**__get_free_pages**。该函数采用了Buddy算法来管理物理页面的分配。内核定义了一个宏MAX_ORDER,表示一次请求最多可以分配的物理页面数量。当前内核版本2.6.29.6中,MAX_ORDER被定义为11,这意味着一次请求最多可以获取2^10个页面大小的内存,即4M。这一限制对于需要分配超过4M连续物理内存的场景来说,显然是无法实现的。

在这种情况下,内核提供了两种解决方案:

一、使用静态或全局变量定义数组。通过直接定义变量的大小为所需内存量,可以实现大块内存的分配。例如,可以使用静态数组的方式分配512M内存。然而,在模块化开发环境中,这种方法会导致模块加载速度明显减慢。

二、利用alloc_bootmem系列API在start_kernel调用mem_init()之前进行内存申请。通过这种方法,可以在内核初始化阶段申请所需的连续大内存。除了内核参数化配置之外,还可以通过添加内核参数(如pf_buf_len)来定制分配内存的大小,并提供相关的API进行设备访问。以下是一个示例实现:

unsigned long long pf_buf_len = 0;EXPORT_SYMBOL(pf_buf_len);void *pf_buf_addr = NULL;EXPORT_SYMBOL(pf_buf_addr);static int __init pf_buf_len_setup(char *str){    unsigned long long size = 0;    unsigned int nid = 0;    void *pbuff = NULL;        size = memparse(str, &str);    if (*str == '@') {        str++;        get_option(&str, &nid);    }        pbuff = alloc_bootmem(size);    if (likely(pbuff != NULL)) {        printk(KERN_INFO "pf_buf_len: Allocated %llu bytes at 0x%p on node %u",               size, (void *)virt_to_phys(pbuff), nid);        pf_buf_addr = pbuff;        pf_buf_len = size;    } else {        printk(KERN_ERR "pf_buf_len: Failed to allocate %llu bytes", size);    }        return 1;}__setup("pf_buf_len=", pf_buf_len_setup);

此外,内核参数memmap可以用于保留一段不映射到地址空间的内存区域。这一功能主要用于检测故障内存或在驱动中直接访问物理地址时使用,如framebuffer驱动中的sgivwfb.c。

通过以上方法,开发者可以根据具体需求选择适合的内存分配策略。了解这些内核机制有助于更好地管理内核内存资源。

转载地址:http://goxvz.baihongyu.com/

你可能感兴趣的文章
numpy 用法
查看>>
Numpy 科学计算库详解
查看>>
Numpy.fft.fft和numpy.fft.fftfreq有什么不同
查看>>
Numpy.ndarray对象不可调用
查看>>
Numpy:按多个条件过滤行?
查看>>
Numpy:条件总和
查看>>
numpy、cv2等操作图片基本操作
查看>>
numpy判断对应位置是否相等,all、any的使用
查看>>
Numpy如何使用np.umprod重写range函数中i的python
查看>>
numpy数组替换其中的值(如1替换为255)
查看>>
numpy数组索引-ChatGPT4o作答
查看>>
NUMPY矢量化np.prod不能构造具有超过32个操作数的ufunc
查看>>
Numpy矩阵与通用函数
查看>>
numpy绘制热力图
查看>>
numpy转PIL 报错TypeError: Cannot handle this data type
查看>>
Nutch + solr 这个配合不错哦
查看>>
NutzCodeInsight 2.0.7 发布,为 nutz-sqltpl 提供友好的 ide 支持
查看>>
NutzWk 5.1.5 发布,Java 微服务分布式开发框架
查看>>
NUUO网络视频录像机 css_parser.php 任意文件读取漏洞复现
查看>>
NuxtJS 接口转发详解:Nitro 的用法与注意事项
查看>>