C++ 子进程退出后内核复制CoW页

在Linux中，每当进程分叉时，父进程的内存映射都会克隆到子进程中。实际上，出于性能原因，页面被设置为写时复制——最初它们是共享的，如果两个进程中的一个进程在其中一个进程上写入，那么它们将被克隆（

MAP\u PRIVATE

）

这是获取正在运行的程序状态快照的一种非常常见的机制——您可以执行fork，这将为您提供该时间点上进程内存的（一致的）视图

我做了一个简单的基准测试，其中我有两个组件：

• 具有写入数组的线程池的父进程
• 一个子进程，它有一个线程池，对数组进行快照并取消映射

在某些情况下（机器/体系结构/内存位置/线程数/…），我能够使拷贝完成得比线程写入数组的时间早得多

但是，当子进程退出时，在

htop

中，我仍然看到大部分CPU时间都花在内核中，这与每当父进程写入页面时，它被用来处理写时拷贝是一致的

在我的理解中，如果标记为“写时复制”的匿名页面由单个进程映射，则不应复制它，而应直接使用它

我如何确定这确实是复制内存所花费的时间？

如果我是对的，我如何避免这种开销？

---

核心的基准是在现代C++中。 使用_FORK定义

，以启用快照；保留未定义以禁用子进程

#include <unistd.h>
#include <sys/mman.h>
#include <sys/types.h>
#include <sys/wait.h>

#include <numaif.h>
#include <numa.h>

#include <algorithm>
#include <cassert>
#include <condition_variable>
#include <mutex>
#include <iomanip>
#include <iostream>
#include <cmath>
#include <numeric>
#include <thread>
#include <vector>

#define ARRAY_SIZE 1073741824 // 1GB
#define NUM_WORKERS 28
#define NUM_CHECKPOINTERS 4
#define BATCH_SIZE 2097152 // 2MB

using inttype = uint64_t;
using timepoint = std::chrono::time_point<std::chrono::high_resolution_clock>;

constexpr uint64_t NUM_ELEMS() {
  return ARRAY_SIZE / sizeof(inttype);
}

int main() {

  // allocate array
  std::array<inttype, NUM_ELEMS()> *arrayptr = new std::array<inttype, NUM_ELEMS()>();
  std::array<inttype, NUM_ELEMS()> & array = *arrayptr;

  // allocate checkpoint space
  std::array<inttype, NUM_ELEMS()> *cpptr = new std::array<inttype, NUM_ELEMS()>();
  std::array<inttype, NUM_ELEMS()> & cp = *cpptr;

  // initialize array
  std::fill(array.begin(), array.end(), 123);

#ifdef WITH_FORK
  // spawn checkpointer threads
  int pid = fork();
  if (pid == -1) {
    perror("fork");
    exit(-1);
  }

  // child process -- do checkpoint
  if (pid == 0) {
    std::array<std::thread, NUM_CHECKPOINTERS> cpthreads;
    for (size_t tid = 0; tid < NUM_CHECKPOINTERS; tid++) {
      cpthreads[tid] = std::thread([&, tid] {
        // copy array
        const size_t numBatches = ARRAY_SIZE / BATCH_SIZE;
        for (size_t i = tid; i < numBatches; i += NUM_CHECKPOINTERS) {
          void *src = reinterpret_cast<void*>(
            reinterpret_cast<intptr_t>(array.data()) + i * BATCH_SIZE);
          void *dst = reinterpret_cast<void*>(
            reinterpret_cast<intptr_t>(cp.data()) + i * BATCH_SIZE);
          memcpy(dst, src, BATCH_SIZE);
          munmap(src, BATCH_SIZE);
        }
      });
    }
    for (std::thread& thread : cpthreads) {
      thread.join();
    }
    printf("CP finished successfully! Child exiting.\n");
    exit(0);
  }
#endif  // #ifdef WITH_FORK

  // spawn worker threads
  std::array<std::thread, NUM_WORKERS> threads;
  for (size_t tid = 0; tid < NUM_WORKERS; tid++) {
    threads[tid] = std::thread([&, tid] {
      // write to array
      std::array<inttype, NUM_ELEMS()>::iterator it;
      for (it = array.begin() + tid; it < array.end(); it += NUM_WORKERS) {
        *it = tid;
      }
    });
  }

  timepoint tStart = std::chrono::high_resolution_clock::now();

#ifdef WITH_FORK
  // allow reaping child process while workers work
  std::thread childWaitThread = std::thread([&] {
    if (waitpid(pid, nullptr, 0)) {
      perror("waitpid");
    }
    timepoint tChild = std::chrono::high_resolution_clock::now();
    std::chrono::duration<double> durationChild = tChild - tStart;
    printf("reunited with child after (s): %lf\n", durationChild.count());
  });
#endif

  // wait for workers to finish
  for (std::thread& thread : threads) {
    thread.join();
  }
  timepoint tEnd = std::chrono::high_resolution_clock::now();
  std::chrono::duration<double> duration = tEnd - tStart;
  printf("duration (s): %lf\n", duration.count());

#ifdef WITH_FORK
  childWaitThread.join();
#endif
}

#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#定义数组大小1073741824//1GB
#定义NUM_WORKERS 28
#定义NUM_检查点4
#定义批量大小2097152//2MB
使用inttype=uint64\u t；
使用timepoint=std:：chrono:：time\u point；
constexpr uint64_t NUM_ELEMS（）{
返回数组\u SIZE/sizeof（inttype）；
}
int main（）{
//分配数组
std:：array*arrayptr=new std:：array（）；
std:：array&array=*arrayptr；
//分配检查点空间
std:：array*cpptr=new std:：array（）；
std:：array&cp=*cpptr；
//初始化数组
std:：fill（array.begin（），array.end（），123）；
#带_叉的ifdef
//生成检查点线程
int-pid=fork（）；
如果（pid==-1）{
佩罗尔（“福克”）；
出口（-1）；
}
//子进程--执行检查点
如果（pid==0）{
std：：数组cpthreads；
对于（大小tid=0；tid
阵列大小为1GB，约为250K页，其中每页大小为4KB。对于该程序，可以轻松估计由于写入CoW页面而发生的页面错误数。它还可以使用Linux
perf
工具进行测量。
new
操作符将数组初始化为零。因此，以下代码行：

std::array<inttype, NUM_ELEMS()> *arrayptr = new std::array<inttype, NUM_ELEMS()>();

默认情况下，这将统计整个流程树的次要和主要故障。
-r3
选项告诉
perf
重复实验三次，并报告平均值和标准偏差

我还注意到线程总数是28+4。最佳线程数大约等于系统上联机逻辑内核的总数。如果线程的数量远远大于或小于此数量，那么由于创建太多线程并在它们之间切换的开销，性能将降低

以下循环中可能存在另一个潜在问题：

for (it = array.begin() + tid; it < array.end(); it += NUM_WORKERS) {
  *it = tid;
}

for（it=array.begin（）+tid；it

不同的线程可能会尝试在同一时间多次写入同一缓存线，从而导致错误共享。这可能不是一个重要的问题，这取决于处理器缓存线的大小、线程的数量以及所有内核是否以相同的频率运行，因此很难说没有m
perf stat -r 3 -e minor-faults,major-faults ./binary

for (it = array.begin() + tid; it < array.end(); it += NUM_WORKERS) {
  *it = tid;
}