1. 课程导论：为什么需要 dentry 与 inode 缓存调优？IO 瓶颈与缓存的关系
1.1 文件系统路径：从路径到数据的代价
在 Linux 内核中，每次打开一个文件，VFS（虚拟文件系统）层都需要完成一次“路径解析”。路径解析的本质是将用户态传入的字符串路径（如 /var/log/syslog）逐级拆解，并最终定位到磁盘上的 inode 和数据块。这个过程涉及大量的元数据查找操作。
如果每次路径解析都直接穿透到块设备层读取磁盘，系统的 IO 压力将急剧上升。下图展示了从用户态 open() 系统调用到磁盘数据块的完整路径，以及 dentry 和 inode 缓存所处的关键位置。
核心观察： 一次文件打开操作，在无缓存命中时，可能触发 3~5 次磁盘 IO（读取根目录 inode、中间目录 inode、目标文件 inode、目录项数据块等）。缓存命中时，这些 IO 全部消除。
1.2 IO 瓶颈的本质：元数据 IO 与数据 IO
文件系统的 IO 可以分为两大类：元数据 IO 和 数据 IO。大多数性能调优的注意力集中在数据 IO（读写文件内容）上，但元数据 IO 往往是更隐蔽、更频繁的瓶颈。
| IO 类型 | 典型操作 | 磁盘访问次数（无缓存） | 缓存命中后 |
|---|---|---|---|
| 元数据 IO | 路径解析、目录遍历、stat()、权限检查 | 每次操作 2~5 次随机读 | 0 次磁盘 IO |
| 数据 IO | read()、write() 文件内容 | 取决于文件大小和访问模式 | page cache 命中则减少 |
实战经验： 在 Web 服务器、代码仓库、容器镜像层叠场景中，元数据 IO 占总 IO 的比例可达 60%~80%。优化 dentry/inode 缓存，本质上是将“随机小 IO”转化为“内存查找”，这是性价比最高的性能提升手段。
1.3 缓存缺失的连锁反应
当 dentry 或 inode 缓存未命中时，内核必须执行完整的磁盘读取流程。这个过程不仅消耗 IO 带宽，还会引发以下连锁反应：
- 磁盘寻道延迟： 元数据通常分布在磁盘的不同位置，每次缓存缺失都意味着一次随机寻道（HDD 约 5~10ms，SSD 约 0.1~0.5ms）。
- 内核路径加长： 从 VFS 层 → 具体文件系统（ext4/xfs）→ 块层 → 设备驱动，路径长度增加 5~10 倍。
- 锁竞争加剧： 大量并发路径解析时，inode 的 i_rwsem、dentry 的 d_lock 等锁成为热点，导致 CPU 上下文切换飙升。
- 内存回收压力： 当 dentry/inode 缓存被过度回收时，系统陷入“回收 → 缺失 → 读盘 → 再回收”的恶性循环。
1.4 缓存调优的收益量化
通过合理的 dentry 和 inode 缓存调优，可以在不增加硬件成本的前提下，获得显著的性能提升。以下是一组典型的生产环境基准数据：
| 场景 | 默认配置 | 调优后 | 提升幅度 |
|---|---|---|---|
| Web 服务器（Nginx 静态文件） | dentry 缓存命中率 85% | dentry 缓存命中率 99% | QPS 提升 30%~50% |
| 容器镜像拉取（100 层） | 元数据 IO 耗时 12s | 元数据 IO 耗时 2s | 启动时间缩短 80% |
| Git 仓库操作（checkout 大仓库） | 耗时 45s | 耗时 8s | 操作速度提升 5x |
| 数据库日志轮转 | 每秒 200 次 stat() 调用 | 每秒 2000 次 stat() 调用 | 吞吐量提升 10x |
注意： 缓存调优并非越大越好。过大的 dentry/inode 缓存会侵占 page cache 空间，导致数据 IO 性能下降。调优的核心是找到元数据 IO 与数据 IO 之间的平衡点，这需要结合具体 workload 进行压测。
1.5 本章知识图谱
在进入具体的调优参数和内核机制之前，先建立完整的知识框架。本课程将围绕以下核心模块展开：
1.6 小结：为什么现在就要关注缓存调优？
现代存储硬件（NVMe SSD、持久内存）的延迟已经大幅降低，但文件系统元数据路径的软件开销占比反而上升。原因在于：
- 硬件快，软件慢： NVMe SSD 的 4KB 随机读延迟已降至 10μs 级别，但一次路径解析的内核软件开销可能达到 1~5μs，软件占比从 10% 上升到 50%。
- 并发放大： 现代服务器动辄 64~128 核，大量并发路径解析时，dcache 和 icache 的锁竞争成为新的瓶颈。
- 容器化趋势： 容器镜像的层叠文件系统（overlayfs）对 dentry 缓存的依赖极高，缓存命中率直接影响容器启动速度和运行时性能。
课程定位： 本课程不讨论“如何增加内存”这种粗暴方案，而是深入内核源码，讲解如何通过调整
vfs_cache_pressure、dentry 回收策略、inode 预读机制等参数，在有限内存下最大化缓存效率。下一章将从 dentry 和 inode 的内核数据结构开始，建立调优的理论基础。