2026 年 7 月7篇

[linux内存管理] 第 051 篇 内存回收核心 shrink_node 2周前 评论 林渡
[linux内存管理] 第 051 篇 内存回收核心 shrink_node

shrink_node 是 Linux 内存回收路径的核心枢纽：无论是 kswapd 后台回收，还是 direct reclaim / node_reclaim 这种前台、同步回收，最终都汇聚到这个函数，在节点维度完成真实的页面回收调度。文中用结构化示意图清晰展开 shrink_node 的调用链：上游由 kswapd_shrink_node（后台回收）、shrink_zones（try_to_free_pages 路径的 direct reclaim）以及 __node_reclaim（快速 node_reclaim 同步回收）等入口触发；下游则分流到 shrink_node_memcgs、
[linux内存管理] 第 050 篇 深度分析 direct reclaim 机制 3周前 评论 林渡
[linux内存管理] 第 050 篇 深度分析 direct reclaim 机制

直接回收是 Linux 内存分配慢路径中的同步回收机制：当 kswapd 的后台回收跟不上分配需求、快路径已失败时，由分配线程“自己动手”回收页面，作为介于 kswapd 与 OOM 之间的第二道防线。整体流程发生在 __alloc_pages_slowpath 中：先尝试唤醒 kswapd 和常规分配，再进行内存压缩和预留内存使用，关键的第四阶段是 __alloc_pages_direct_reclaim，通过 __perform_reclaim 调用 try_to_free_pages 做实际回收，然后再用 get_page_from_freelist 重试分配；若仍失败，则一次性释放 H
[linux内存管理] 第 049 篇 深度分析 Linux kswapd 后台回收机制 3周前 评论 林渡
[linux内存管理] 第 049 篇 深度分析 Linux kswapd 后台回收机制

在上一节整体梳理内存回收机制之后，本篇聚焦“内脏细节”，系统性拆解 Linux 内核中实际扫描与释放页面的关键链路。文章围绕 kswapd 后台回收与直接回收两大路径展开：一条从 kswapd() → balance_pgdat() → shrink_node()，解析内核回收线程何时被唤醒、在何种回收程度下停止，以及它与页面分配器之间如何协同保持内存水位；
[linux内存管理] 第 048 篇 从 alloc_pages() 开始：快慢路径下的内存回收策略 2026-07-16 评论 林渡
[linux内存管理] 第 048 篇 从 alloc_pages() 开始：快慢路径下的内存回收策略

本文深入剖析了Linux内核内存回收的触发机制。当应用程序通过`alloc_pages()`请求内存时，若快速路径（从空闲列表获取）失败，便会进入慢速路径。慢速路径会根据情况唤醒`kswapd`后台内核线程进行异步回收，或在内存极度紧张时执行同步的直接回收。文章通过详细的调用流程图，清晰地展示了从分配入口到具体回收操作（如页面扫描、交换、释放）的完整路径，阐明了内核如何通过这种分层策略来平衡性能和内存可用性。
[Android稳定性] 第065篇 SELinux 设置为 permissive 模式后出现的 kernel panic 2026-07-11 3 条 林渡
[Android稳定性] 第065篇 SELinux 设置为 permissive 模式后出现的 kernel panic

项目在 bringup 阶段发现，将手机 SELinux 设为 permissive 后系统会在进入 Android 前死机。通过 fulldump 与内核日志可见 panic 原因是 UBSAN 报告的数组越界，触发点位于 uzram 模块的 zram_submit_bio。借助自研工具 kernel-panic-killer，AI 自动还原异常路径：反汇编发现 zram_submit_bio 中通过 current_algo 计算压缩算法索引，逻辑为 algo = current_algo; 访问 zram->comps[algo - 1]。由于 current_algo 默认为未初始化的
再看《孩子王》观后感：当AI成为每个人的“字典”之后 2026-07-03 评论 林渡
再看《孩子王》观后感：当AI成为每个人的“字典”之后

本文通过重看电影《孩子王》，将其核心道具“字典”与当下的AI工具进行类比。作者指出，学生王福渴望字典，如同今天人们依赖AI直接获取答案，两者本质都是知识工具。文章核心观点在于，关键并非工具本身，而是使用工具的过程：传统的查证、试错与思考过程正在被AI省略，这可能导致“不再需要思考”的风险。作者借此呼吁，应将AI视为辅助理解的工具，而非思考的替代品。