4、内存映射文件（mmap）原理：虚拟内存、页表、缺页中断、映射机制

内存映射文件（mmap）是减少系统调用开销的核心替代方案。要理解其为何高效，必须深入其底层基石：虚拟内存、页表、缺页中断与映射机制。本节将拆解这四个关键组件，揭示 mmap 如何将磁盘文件与进程地址空间无缝融合。

4.1 虚拟内存：进程的地址空间抽象

每个进程都拥有独立的虚拟地址空间（如 32 位系统的 4GB，64 位系统的 128TB）。虚拟内存让进程误以为自己独占连续的内存，而实际物理内存由内核按需分配。

4.2 页表：虚拟地址到物理地址的转换桥梁

页表是 CPU 内存管理单元（MMU）使用的核心数据结构，负责将虚拟页号（VPN）转换为物理页框号（PFN）。Linux 采用多级页表（如 x86-64 的 4 级页表）来节省内存。

4.3 缺页中断：按需加载的触发机制

当进程访问一个虚拟地址，但该地址对应的页表条目标记为“未映射”或“不在内存”时，MMU 会触发缺页中断（Page Fault）。内核缺页中断处理程序负责解析故障原因并执行相应操作。

4.4 映射机制：mmap 的完整工作流程

mmap 系统调用在进程虚拟地址空间中创建一个映射，该映射可以关联到文件或匿名内存。其核心流程分为三个阶段：建立映射、按需加载、解除映射。

4.4.1 建立映射（mmap 调用时）

• 分配虚拟地址区间： 内核在进程的虚拟地址空间中查找空闲区域（通常位于堆和栈之间）。
• 创建 vm_area_struct： 内核创建一个 vm_area_struct 结构体，记录映射的起始地址、长度、权限（读/写/执行）、标志（共享/私有）以及关联的文件信息。
• 更新页表： 页表条目被标记为“未映射”或“只读”（写时复制场景），但不分配物理内存。

4.4.2 按需加载（缺页中断时）

• 文件映射缺页： 内核检查 vm_area_struct，确认访问合法后，分配一个物理页框。
• 磁盘 I/O： 从文件系统中读取对应偏移量的数据到物理页框（通过 address_space 的 a_ops->readpage）。
• 更新页表： 将物理页框号填入页表条目，设置权限位，标记为“有效”。
• 返回用户态： 重新执行触发缺页的指令，此时 MMU 可以成功转换地址。

4.4.3 解除映射（munmap 调用时）

• 刷回脏页： 如果映射是共享的（MAP_SHARED），内核将修改过的页面写回磁盘。
• 释放页表： 清除对应的页表条目。
• 释放虚拟地址区间： 删除 vm_area_struct，回收虚拟地址。

4.5 关键数据结构：vm_area_struct

每个 mmap 映射在 Linux 内核中由一个 vm_area_struct 描述，它是虚拟内存管理的核心结构体。

struct vm_area_struct {
    unsigned long vm_start;          // 映射起始虚拟地址
    unsigned long vm_end;            // 映射结束虚拟地址
    struct mm_struct *vm_mm;         // 所属进程的内存描述符
    unsigned long vm_flags;          // 映射标志（VM_READ, VM_WRITE, VM_SHARED 等）
    struct file *vm_file;            // 映射的文件对象（匿名映射为 NULL）
    unsigned long vm_pgoff;          // 文件内的偏移量（页对齐）
    struct list_head anon_vma_chain; // 匿名映射链表
    const struct vm_operations_struct *vm_ops; // 操作函数集（含缺页处理）
};

4.6 映射类型对比

4.7 性能关键点总结

• 零拷贝： mmap 将文件数据直接映射到用户空间，避免了 read/write 系统调用中的内核缓冲区到用户缓冲区的数据拷贝。
• 按需加载： 只有被访问的页面才会加载到物理内存，节省内存带宽和 I/O 开销。
• 页表与 TLB： 映射建立后，后续访问通过 TLB 快速转换，无需系统调用介入。
• 缺页中断代价： 首次访问未映射页面会触发缺页中断（约 1-10 μs），但相比系统调用（约 100-500 ns）仍属高开销，需通过预读和批量访问优化。