Slab 算法浅析

在内存管理中，伙伴算法以 Page 为最小分配单元，适合中大块内存分配。但在频繁分配小内存的场景下，如果每次都按 Page（通常为 4KB 或更大）来分配，就会产生明显的浪费。Slab 算法正是为此而生——它在伙伴算法的基础上，针对小对象分配进行了专门优化，引入了**内存池（Memory Pool）**的思想，从而有效降低内部碎片率。

核心思想

Slab 算法将一大块连续内存预先切分成大小一致的小块（称为 slot），每个 slot 只存放相同类型的对象。这样：

• 小对象分配直接从 slot 获取，避免频繁向系统申请内存。
• 对象释放后并不归还给操作系统，而是留在缓存中，供下次快速复用。
• 支持对象初始化缓存，避免重复构造的性能损耗。

这种“按类型缓存对象”的机制，使 Slab 在高频小内存分配中表现极为高效。Linux 内核正是大量采用了 Slab，用于管理内核对象的生命周期。

数据结构与分配流程

Slab 算法维护多级结构：

1. cache_chain
   顶层链表，管理多个 kmem_cache 实例。

2. kmem_cache
   每个 kmem_cache 管理一类固定大小对象的内存池，内部将内存切分成 slot，并用位图（bitmap）记录 slot 的使用状态。

3. Slab 链表
   每个 kmem_cache 下维护三条链表：

   • slab_full：已分配满的 Slab。
   • slab_partial：部分被使用的 Slab。
   • slabs_empty：完全空闲的 Slab。

分配过程如下：

• 当需要分配对象时，优先从 slab_partial 获取可用 slot；若没有，则从 slabs_empty 获取新 Slab。
• 当释放对象时，Slab 不会被立刻销毁，而是保留在缓存中以便下次复用。
• Slab 会在三个链表间动态流转：
  slab_partial → slab_full（被填满）
  slab_full → slab_partial（有对象被释放）
  slab_partial → slabs_empty（完全空闲）

特点与优势

• 高速分配：内存池预分配 + 对象缓存机制，减少系统调用。
• 低碎片率：固定大小 slot 避免内部碎片，同时无需频繁合并分裂内存块。
• 对象复用：缓存已初始化的对象，降低 CPU 负担。
• 类型隔离：同类对象共享 Slab，简化内存管理逻辑。

总的来说，Slab 算法在性能与内存利用率之间取得了良好平衡，是小对象高频分配场景的理想选择。