LWN:内存管理维护工作的新纪元

作者:*Jonathan Corbet* ,2026年5月7日 

作者:*Jonathan Corbet*
2026年5月7日 


LSFMM+BPF 

4月21日,Andrew Morton 公开表示 他打算开始逐步卸任内核内存管理子系统(memory-management subsystem)的维护者职务——自内存管理甚至还未被视为一个独立的子系统以来,他就一直承担着这一职责。在 2026 年 Linux 存储、文件系统、内存管理与 BPF 峰会(LSFMM+BPF)上,内存管理分会场的首批会议之一便专门讨论了未来维护工作将如何开展。目前仍有许多问题尚待解决。 

Andrew Morton 首先观察到,他的声明几乎没有收到任何回应。他认为,这可能是因为他在要求其他人承担子系统中更多的责任;开发者们将不得不接手大量的任务。 

如何分配这些工作仍是一个悬而未决的问题。内核的 mm 目录中有 164 个 C 文件;快速搜索显示,诸如“THP”(透明大页,Transparent Huge Page)、“cgroup”(控制组,Control Group)和“NUMA”(非统一内存访问,Non-Uniform Memory Access)之类的术语在其中大量文件中都有出现。换句话说,核心内存管理概念广泛分布在整个子系统中。Andrew Morton 表示,移动代码可能会有一点帮助,但作用不大;所有内容都紧密互连,因此尝试拆分子系统将极具挑战。不过,他微笑着补充道,““这不是我的问题了””。 

无论拆分是否成功,总会需要一个作为整体服务的“包罗万象”的树。David Hildenbrand 将接手这个集成树(integration tree)的管理工作;Andrew Morton 对 David Hildenbrand 承担这一职责表示了感谢。 

他说,内存管理开发者(以及整个内核的开发者)拥有多层防御,以防止将糟糕的代码交付给用户。社区可以发布各种各样的内容,但它们会在 -mm 树中经历数周的测试,随后在进入 主线 (mainline) 内核后还要经历数周的测试。修复补丁可以向后移植到稳定版内核中并维持多年,发行商也会提供进一步的协助。最近,通过提供新层级的补丁评审,Sashiko 已成为另一道防御防线。 

他认为,开发者应该意识到,他们最初创建的并非生产级质量的代码;他们是在创造一种技术,并让其他人将其转化为产品。所有的防御层级都允许开发者追求““激进的变更率””。然而,这种变更率也有负面影响:它给评审者带来了巨大的压力。在内存管理子系统中,评审工作相当不平衡,少数人承担了大部分评审工作,而许多开发者几乎没有分担任何评审负载。他不理解为什么情况会变成这样,并希望这种情况能得到改善。 

他表示,内存管理团队是一个很棒的群体;大家通力合作,乐于互相帮助。不过,他担心随着时间的推移,这个社区可能会退化得像内核的其他部分或其他开源项目一样,因为维护者太忙而忽略邮件。他说,忽视贡献者的消息是可耻且不可接受的。但他相信,内存管理社区非常珍惜其文化,并会努力维持它。 

Matthew Wilcox 提到,当有人问他如何开始参与社区时,他总是鼓励他们从评审补丁开始。然而,这一建议往往未被采纳。他补充说,虽然他努力回复邮件,但有时他根本无法处理所有收到的消息。Dan Williams 表示,社区长期以来一直依赖 Andrew Morton 在需要回应时施加压力;未来 David Hildenbrand 和其他人将需要承担起这种施压的角色。 

David Hildenbrand 回应称,总需要有人来确保大家各司其职;这也是让该子系统变得出色的原因之一。内存管理领域开发者的挫败感比许多其他子系统要低。不过,他有点担心基于大语言模型(LLM)的评审工具的出现。大家都同意需要更多的人力评审者,因此他认为 Sashiko 等工具的评审意见不应发布到公开邮件列表中。初级评审者还在学习摸索阶段,看到自动化评审已经发现了许多问题,会感到动力不足。David Hildenbrand 认为,自动化评审应该是最后一道防线之一,而不应是第一道。 

Liam Howlett 表示,将基于 LLM 的评审发送给偶尔贡献的人可能会导致错误想法被验证;许多参与者建议,这些工具擅长发现 bug,但在解决“某个变更是否根本就不该做”这类问题上则稍逊一筹。Andrew Morton 说,初级评审者通常关注可理解性问题,而更有经验的开发者往往会跳过这些;这也是非常重要的反馈。 

会议结束时,David Hildenbrand 走上台,感谢社区信任他并让他负责运行集成树。不过,他提醒 Andrew Morton 说,社区不会轻易放他走,还会有很多问题要请教。David Hildenbrand 表示,将成立某种工作组,以确定内存管理社区未来的开发模式应如何运作。可能会有更多的子组件迁移到各自的树中,同时始终保留一个集成树将所有内容整合在一起。最后,他明确表示,他不会独自承担所有的工作。 

LWN 评论概述:

评论区首先对 Andrew Morton 多年来的杰出贡献表达了由衷的感谢。随后,讨论转向了如何改善维护流程,有评论指出与其单纯要求更多人参与评审,维护者更应通过完善设计文档、测试工具和指导机制来降低参与门槛,并认为当前的内存管理行为仍有很大的改进空间。此外,关于自动化评审与人工评审的讨论也十分激烈,有观点认为自动化工具不应仅仅作为“最后一道防线”,而应作为提高生产力的有效手段,帮助开发者更高效地验证工作,同时也强调了基础能力培养的重要性。 

关注了就能看到更多这么棒的文章哦~   全文完
 LWN 文章遵循 CC BY-SA 4.0 许可协议。 

欢迎分享、转载及基于现有协议再创作~

长按下面二维码关注,关注 LWN 深度文章以及开源社区的各种新近言论~

内容概要:本文系统研究了Picard迭代法在非线性常微分方程参数估计中的应用,深入阐述了该方法的数学原理及其在参数辨识中的收敛性与稳定性优势。通过构建最小化误差的目标函数,并结合数值积分技术,采用迭代方式逐步逼近系统的真实参数值,有效解决了非线性动态系统中因缺乏解析解而难以进行精确建模的问题。文中提供了完整的Matlab代码实现,涵盖模型定义、迭代求解、参数更新与结果可视化等关键环节,增强了方法的可操作性与工程实用性。研究通过典型非线性系统案例验证了算法的有效性,展示了其在科学计算与工程建模中的良好适应性与推广潜力。; 适合人群:具备常微分方程理论、数值分析基础及Matlab编程能力,从事系统建模、参数辨识、动力学仿真等相关方向的研究生、科研人员和工程技术开发者。; 使用场景及目标:①解决实际工程中非线性微分方程模型的未知参数估计问题;②深入理解Picard迭代法在科学计算中的实现机制与数值特性;③为学术论文复现、科研项目开发或课程设计提供可运行、易调试的技术方案与代码参考。; 阅读建议:建议读者结合文中的数学推导与Matlab代码逐行分析,重点关注迭代流程、目标函数构造与数值积分的耦合实现,通过修改模型结构或噪声条件进行扩展实验,以深化对算法鲁棒性与适用边界的理解。配套资源可通过指定公众号和网盘链接获取,推荐同步学习以加速科研进程。
内容概要:本文详细介绍了一种基于多尺度集成极限学习机(Extreme Learning Machine, ELM)的回归方法,并提供了完整的Matlab代码实现。该方法通过构建多尺度特征表示与集成学习机制,有效提升了ELM在处理非线性、高维复杂数据时的预测精度与模型鲁棒性,特别适用于时间序列回归任务。文档不仅阐述了算法的核心原理与技术流程,还系统展示了其在风电功率预测等工程场景中的应用潜力。同时,文中附带了丰富的科研仿真案例集合,涵盖智能优化算法、深度学习、信号处理、电力系统调度等多个前沿方向,体现了多学科交叉融合的技术优势与实践价值。; 适合人群:具备一定Matlab编程能力,从事科学研究或工程应用的研究生、科研人员及工程技术开发者,尤其适合专注于机器学习、智能算法优化、新能源预测与电力系统建模等相关领域的专业人员。; 使用场景及目标:①用于风电、光伏、负荷等时间序列数据的高精度回归预测任务;②为科研工作者提供可复现的多尺度集成ELM模型代码框架,支持快速算法验证与二次开发;③满足实际工程项目中对高效建模、实时预测与智能决策的技术需求。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解多尺度特征构造与集成策略的设计思想,同时可参考文档中其他相关算法案例进行横向比较与综合应用,以提升整体科研创新能力。
内容概要:本文详细介绍了一种基于Simulink的Ćuk转换器仿真方法,该转换器能够将输入的直流电压高效地转换为极性相反的输出直流电压,具备优异的升降压能力与系统稳定性。文章深入剖析了Ćuk转换器的核心工作原理、电路拓扑结构(包含开关管、电感、电容、二极管等关键元件)及其在能量存储与传递过程中的动态行为。通过构建精确的Simulink仿真模型,验证了系统在不同输入条件下的稳态与暂态响应特性,充分展示了其输出电压反相、纹波小、效率高的优势,适用于对负压电源有严苛要求的应用场景。此外,文档还整合了大量基于Matlab/Simulink和Python的科研仿真资源,涵盖风电预测、微电网优化、GAN场景生成、电力电子系统建模等多个前沿方向,凸显了其在现代电力电子与系统仿真研究中的重要价值。; 适合人群:电气工程、自动化、电力电子及相关专业的本科生、研究生、科研人员及具备电路理论基础和Simulink仿真经验的工程技术人员。; 使用场景及目标:①深入理解Ćuk转换器的工作机理及其在直流-直流变换中的独特优势;②利用Simulink平台开展电力电子电路的建模、仿真与性能分析;③为需要稳定负压输出的电源系统设计提供理论依据和技术验证方案。; 阅读建议:建议结合Simulink软件动手实践,重点掌握电路拓扑搭建、关键参数配置及仿真结果解读技巧,同时可延伸学习文中提供的其他科研案例,以拓宽技术视野并提升综合仿真能力。
内容概要:本文提出并实现了一种基于角蜥蜴优化算法(HLOA)优化BP神经网络的风电功率预测模型,旨在解决传统BP神经网络在处理高随机性、强波动性风电数据时存在的收敛速度慢、易陷入局部最优等问题。通过HLOA对BP神经网络的初始权重和阈值进行全局寻优,有效提升了模型的预测精度与稳定性。研究详细阐述了HLOA的搜索机制及其与BP网络的集成方法,并提供了完整的Matlab代码实现,便于复现与验证。实验结果表明,相较于传统BP、GWO-BP、PSO-BP等模型,HLOA-BP在均方根误差(RMSE)、平均绝对误差(MAE)等指标上表现更优,具备更强的泛化能力和鲁棒性,适用于风电场短期功率预测的实际工程场景。; 适合人群:具备一定机器学习理论基础和电力系统知识,熟悉Matlab编程的研究生、科研人员及能源领域的工程技术人员,尤其适合从事新能源发电预测、智能优化算法开发与应用的相关研究人员。; 使用场景及目标:①应用于风电场功率预测系统,提升电网调度的可靠性与运行效率;②作为智能优化算法与神经网络融合的典型范例,用于教学演示、科研复现与模型拓展;③为撰写高水平学术论文提供可验证的技术路线与实验支撑。; 阅读建议:建议读者结合所提供的Matlab代码逐模块分析算法实现细节,重点理解HLOA的个体更新机制与BP网络参数的耦合方式,并可通过更换实际风电数据集或对比其他优化算法(如WOA、SCA等)进一步开展消融实验与性能评估。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值