1. 课程导论：缓存一致性问题概述、DMA与共享内存的关系、性能优化的意义
1.1 缓存一致性问题的本质
在现代多核处理器系统中，每个CPU核心通常拥有私有的L1/L2缓存，以加速数据访问。当多个核心共享同一内存区域，且外设通过直接内存访问（DMA）绕过CPU直接读写物理内存时，就会产生缓存一致性问题：CPU缓存中的数据副本与物理内存中的数据副本不一致。
核心矛盾：CPU缓存提供低延迟（~1ns）访问，而DMA直接操作物理内存（~100ns）。当DMA更新了内存，CPU缓存中的旧数据未被失效，CPU将读到“过期”数据，导致程序逻辑错误。
典型场景：网络驱动收包时，网卡DMA将数据写入内存，CPU从缓存读取旧数据，造成数据损坏。这是Linux网络协议栈必须处理的关键问题。
1.2 DMA与共享内存的关系
DMA（Direct Memory Access）允许外设（网卡、磁盘控制器、GPU等）直接读写系统物理内存，无需CPU逐字节搬运。这极大降低了CPU负载，但引入了缓存一致性的挑战。
共享内存是多个处理器或设备共同访问的物理内存区域。在Linux内核中，DMA缓冲区通常就是一块共享内存，CPU和DMA设备都可以访问。
| 特性 | DMA | 共享内存 |
|---|---|---|
| 访问主体 | 外设硬件（网卡、磁盘等） | CPU核心、进程、线程 |
| 数据路径 | 外设 ↔ 物理内存（绕过CPU） | CPU ↔ 缓存 ↔ 物理内存 |
| 延迟 | 低（硬件直接传输） | 极低（缓存命中时） |
| 一致性问题 | DMA写入后，CPU缓存可能过期 | 多核间缓存同步（MESI协议） |
| 内核管理机制 | DMA API（dma_alloc_coherent等） | 共享内存系统调用（mmap、shmget） |
关键认知：DMA和共享内存不是互斥概念。在Linux内核中，DMA缓冲区本身就是一种特殊的共享内存——它需要同时被CPU和外设访问，因此必须解决缓存一致性问题。
1.3 性能优化的意义
缓存一致性问题的处理方式直接影响系统性能。错误的策略会导致：
- 缓存抖动：频繁的缓存刷新操作，使CPU性能下降30%~50%
- DMA延迟增加：等待缓存同步完成，降低I/O吞吐量
- CPU利用率飙升：软件模拟一致性协议消耗大量指令周期
Linux内核提供了多种机制来优化缓存一致性：
| 优化技术 | 原理 | 性能收益 |
|---|---|---|
| 一致性DMA映射 | 使用dma_alloc_coherent分配非缓存内存 | 消除缓存刷新开销，适合小数据量 |
| 流式DMA映射 | 使用dma_map_single/dma_unmap_single，按需同步 | 减少不必要的缓存操作，提升大数据量吞吐 |
| 写合并（Write Combining） | 利用CPU写合并缓冲区，批量提交DMA描述符 | 减少总线事务，提升DMA提交效率 |
| NUMA感知分配 | 在DMA设备所在NUMA节点分配内存 | 降低跨节点访问延迟，提升30%以上性能 |
实际案例：某高性能网卡驱动在未优化缓存一致性时，收包吞吐量仅40Gbps；通过采用流式DMA映射+写合并优化，吞吐量提升至100Gbps，CPU占用率从60%降至25%。
1.4 课程学习路径
本课程将从底层硬件原理出发，逐步深入到Linux内核实现，最终落地到实际性能优化技巧：
- 硬件基础：CPU缓存架构、MESI协议、写缓冲区
- 内核API：一致性DMA映射、流式DMA映射、dma_alloc_*系列函数
- 高级技术：写合并、NUMA优化、IOMMU与SMMU
- 实战案例：网卡驱动优化、存储栈缓存一致性、GPU共享内存
- 性能调优：perf分析、缓存缺失率优化、DMA延迟测量
学习建议：建议读者具备基本的Linux内核编程经验，了解中断处理、内存管理基础。每章都配有可运行的代码示例和性能测试脚本，建议在真实硬件上动手验证。