资源管理基础：CPU、内存、I/O 资源模型，资源抽象与虚拟化概念
各位同学，咱们今天聊聊资源管理。说白了，就是操作系统怎么把 CPU、内存、I/O 这些硬件资源，合理地分给各个任务。
我刚开始做系统开发时，总觉得资源是无限的。直到有一次线上服务突然卡死，查了半天才发现是内存泄漏。嗯，从那以后我就明白了——资源管理，是调度系统的地基。
CPU 资源模型
CPU 是计算机的大脑。但大脑一次只能想一件事，对吧？CPU 也一样，一个核心在某一时刻只能执行一个任务。
那怎么实现多任务呢？靠的是时间片轮转。
核心概念：CPU 把时间切成一个个小片，每个任务轮流用。切换得够快，用户就觉得是同时在运行。
我个人习惯把 CPU 资源抽象成三个维度：
- 计算能力：每秒能执行多少指令，单位是 MIPS 或 FLOPS
- 时间片：每个任务能连续占用 CPU 的时间长度
- 优先级：决定谁先拿到 CPU 时间片
举个例子，一个 4 核 CPU，每个核主频 2.0GHz。理论上每秒能执行 80 亿条指令。但实际能用到多少？我告诉你，能有 60% 就不错了。为什么？因为上下文切换、缓存缺失、中断处理，都在吃性能。
我的经验：在项目中，我习惯用 top 命令看 CPU 的 us、sy、wa、id 四个值。us 高说明用户程序在忙，sy 高说明系统调用太多，wa 高说明磁盘 I/O 在拖后腿。对症下药，效率翻倍。
内存资源模型
内存是程序的舞台。程序要运行，代码和数据都得加载到内存里。
内存模型其实就三个关键点：
- 容量：能装多少数据，单位是 GB
- 带宽：每秒能读写多少数据，单位是 GB/s
- 延迟：从发出请求到拿到数据，需要多少纳秒
你想想看，CPU 每秒能处理几十亿条指令，但内存的延迟是几十纳秒。这中间的差距，全靠缓存来填。
避坑指南：我曾经遇到过一个任务调度系统，内存分配策略是「谁申请就给谁」。结果某个任务疯狂申请内存，把其他任务都挤死了。后来我加上了内存上限和 OOM Killer 策略，才算稳住。
内存的抽象模型，我一般用这张图来理解：
I/O 资源模型
I/O 是系统的慢速环节。磁盘、网卡、键盘、鼠标，都算 I/O 设备。
I/O 模型的核心指标就两个：
| 指标 | 含义 | 典型值 | 我的备注 |
|---|---|---|---|
| IOPS | 每秒能完成多少次 I/O 操作 | HDD: 100-200 / SSD: 10万+ | 随机读写时差距巨大 |
| 吞吐量 | 每秒能传输多少数据 | SATA: 600MB/s / NVMe: 3-7GB/s | 顺序读写时看这个 |
| 延迟 | 一次 I/O 请求从发出到完成的时间 | HDD: 5-10ms / SSD: 0.1ms | 这是调优的关键 |
注意：I/O 是任务调度中最容易忽略的瓶颈。我曾经优化过一个批处理系统，CPU 利用率只有 20%，但任务就是跑不快。一查，磁盘 IOPS 打满了，所有任务都在等磁盘。后来改成异步 I/O + 预读，性能直接翻倍。
资源抽象与虚拟化
为什么要做资源抽象？说白了，就是让上层不用关心底层细节。
你写代码时，不用管数据到底存在磁盘的哪个扇区。操作系统帮你抽象成了文件。这就是抽象的力量。
虚拟化更进一步。它把一份物理资源，变成多份虚拟资源。每个虚拟机都觉得自己独占了一台物理机。
三种常见的虚拟化方式：
- 全虚拟化：完全模拟硬件，客户机不用改。比如 VMware、KVM
- 半虚拟化：客户机知道自己被虚拟化了，需要修改驱动。比如 Xen
- 容器化：共享宿主机内核，只做资源隔离。比如 Docker
我个人最常用的是容器化。为什么？因为轻量。启动一个容器只要毫秒级，启动一个虚拟机要几十秒。在任务调度场景下，容器化的弹性伸缩能力太香了。
我的建议：如果你在做任务调度系统，优先考虑容器化。但要注意，容器不是完全隔离的。内核漏洞、资源竞争，还是可能影响到其他容器。关键任务建议用虚拟机。
资源抽象的核心逻辑
我把资源抽象总结成一句话：把物理资源池化，按需分配，隔离使用。
来看这张流程图：
嗯，这里要注意。资源抽象不是万能的。抽象层会带来性能损耗。虚拟化大概有 5%-10% 的性能损失。容器化损耗小一些，大概 1%-3%。
所以，在做架构设计时，你要权衡：是要极致的性能，还是要灵活的调度？
总结一下：
- CPU 资源看时间片和优先级
- 内存资源看容量、带宽、延迟
- I/O 资源看 IOPS、吞吐量、延迟
- 资源抽象让上层不用关心底层
- 虚拟化把一份物理资源变成多份虚拟资源
好了，这一章的内容就到这里。资源管理是调度系统的基础，把这些概念吃透了，后面讲任务调度策略时，你就能理解为什么有些策略好，有些策略不好。
想要更多资料，联系可可