标签：
Slab 是中内存管理算法，最早是由sun的工程师提出，主要是基于一下因数考虑：
1：内核函数经常倾向于反复请求相同的数据类型。比如：创建进程时，会请求一块内存来存放mm结构。
2：不同的结构使用不同的分配方法可以提高效率。同样，如果进程在撤消的时候，内核不把mm结构释放掉，而是存放到一个缓冲区里，以后若有请求mm存储空间的行为就可以直接从缓冲区中取得，而不需重新分配内存.
3:前面我们曾分析过，如果伙伴系统频繁分配，释放内存会影响系统的效率，以此，可以把要释放到的内存放到缓冲区中，直至超过一个阀值才把它释放至伙伴系统，这样可以在一定程度上缓减减伙伴系统的压力
4:为了缓减“内碎片”的产生，通常可以把小内存块按照2的倍数组织在一起，这一点和伙伴系统类似
slab的思想是将内存分成大小不等的slabs chunks（先分成大小相等的slabs，然后每个slab被分成大小相等chunks，不同slab的chunk大小是不相等的）。chunk的大小依次从一个最小数开始，按某个因子增长，直到达到最大的可能值。
如果最小值为400B，最大值是1MB，因子是1.20，各个slab的chunk的大小依次是：slab1 - 400B slab2 - 480B slab3 - 576B
分配对象时根据对象的大小选择合适的slab，在对应的slab中分配一个对象，如果对应的slab没有空闲的空间时，则再向系统请求一个slab，在分配。
释放对象时根据直接将对象只需要将对应的slab中的对象置为空闲状态即可。
这种思想可以灵活的运用，其主要的目的就是根据对内存区的使用频率来对它分类，创建一组特定大小的专用缓冲区进行处理，以避免内碎片的产生。对于较少使用的内存区，可以创建一组通用缓冲区来处理（如我们的代码中的大内存分配），即使这种处理模式产生碎片，也对整个系统的性能影响不大。
Linux 内核对slab的运用：
Slab 是中内存管理算法，最早是由sun的工程师提出，主要是基于一下因数考虑：
1：内核函数经常倾向于反复请求相同的数据类型。比如：创建进程时，会请求一块内存来存放mm结构。
2：不同的结构使用不同的分配方法可以提高效率。同样，如果进程在撤消的时候，内核不把mm结构释放掉，而是存放到一个缓冲区里，以后若有请求mm存储空间的行为就可以直接从缓冲区中取得，而不需重新分配内存.
3:前面我们曾分析过，如果伙伴系统频繁分配，释放内存会影响系统的效率，以此，可以把要释放到的内存放到缓冲区中，直至超过一个阀值才把它释放至伙伴系统，这样可以在一定程度上缓减减伙伴系统的压力
4:为了缓减“内碎片”的产生，通常可以把小内存块按照2的倍数组织在一起，这一点和伙伴系统类似
slab的思想是将内存分成大小不等的slabs chunks（先分成大小相等的slabs，然后每个slab被分成大小相等chunks，不同slab的chunk大小是不相等的）。chunk的大小依次从一个最小数开始，按某个因子增长，直到达到最大的可能值。
如果最小值为400B，最大值是1MB，因子是1.20，各个slab的chunk的大小依次是：slab1 - 400B slab2 - 480B slab3 - 576B
分配对象时根据对象的大小选择合适的slab，在对应的slab中分配一个对象，如果对应的slab没有空闲的空间时，则再向系统请求一个slab，在分配。
释放对象时根据直接将对象只需要将对应的slab中的对象置为空闲状态即可。
这种思想可以灵活的运用，其主要的目的就是根据对内存区的使用频率来对它分类，创建一组特定大小的专用缓冲区进行处理，以避免内碎片的产生。对于较少使用的内存区，可以创建一组通用缓冲区来处理（如我们的代码中的大内存分配），即使这种处理模式产生碎片，也对整个系统的性能影响不大。
Linux 内核对slab的运用：
Memcache 对slab的运用：
优点：减少内存碎片，提高访问效率。
缺点：通用的slab实现，会浪费约1/2的空间（比如我们的memcache中的slab）；
应用层Slab的实现，实际上是完全基于malloc来实现的。简单说使用slab分配内存就是减少malloc的调用次数，减少调用malloc的次数所带来的好处就是slab的价值或者其提高性能的关键点。所以了解malloc的机制是理解slab的存在作用的必要条件。
少调用malloc：减少内存碎片， 减少页请求次数， 减少破坏高速缓存的次数， 减少free， 减少页换入唤出（swap）
相关性能消耗点：内存合并，页调整， 高速缓存写入
其中的具体细节有兴趣可以自己去研究。
在具体看代码之前，我们先来看一组数据：
下图中是使用slab（圈中数据）和malloc/free（框中数据）分配相同次数相同大小的内存时间消耗对比。这些数据太小，并且内存充足不足以完全反映实际情况，但是可以证明slab在性能上的提升。
更具我们的需要，我们可以增加一些优化策略，使我们的内存利用率最高。但是不同优化策略都需要额外的数据，这些数据可能需要额外的线程进行统计和分析，相对而言，可能内存利用率上升了，但是系统效率可能会下降。所以这是一个双刃剑，可以更加我的资源和需要选择一个平衡点。
1.重分配
2.峰值释放
3.制定单线程多线程允许模式
标签：
原文地址：http://my.oschina.net/u/1024573/blog/505312
