操作系统 / 系统课时
文件映射缺页怎么处理
文件映射缺页怎么处理
mmap 把文件的一段内容放进进程虚拟地址空间,但建立映射时并不会把整个文件立即读入内存。真正访问某个尚未驻留的文件页时,缺页处理会把 VMA、页缓存、存储 I/O 和页表串联起来。本节沿着这条路径理解文件映射第一次访问究竟发生了什么。
学习目标
- 解释文件映射建立后为什么仍会在首次访问时产生缺页
- 理解页缓存命中与需要存储读取时的两条处理路径
- 区分文件页进入页缓存和进程页表建立映射这两个动作
mmap 建立的是地址关系,不是立即读取全部文件
调用 mmap 成功后,内核会为进程建立一段文件支持的 VMA,其中记录虚拟地址范围、文件、文件偏移和访问权限等信息。此时程序已经可以合法访问这段地址,但许多页表项仍可能处于未映射状态。
这种设计避免了映射大文件时一次性读取全部内容。程序如果只访问文件中的少数区域,其他部分就没有必要占用页缓存,更不需要出现在该进程的页表中。
因此,mmap 返回成功只说明映射关系已经建立,不能推出映射范围里的每一页都已驻留物理内存。
第一次访问先进入缺页处理
当 CPU 首次读取一个尚未建立有效页表映射的文件地址时,会触发 page fault。内核根据故障地址找到对应 VMA,检查访问权限,并计算这个虚拟页对应文件中的哪个页偏移。
接下来关键问题不是马上读磁盘,而是先查询页缓存。Linux 的文件数据通常通过 page cache 统一缓存,所以目标文件页可能早已因为本进程之前的访问、另一个进程读取同一文件,或内核预读而存在于内存中。

页缓存命中与未命中走不同成本的路径
如果目标文件页已经在 page cache 中并且状态可用,内核可以直接利用现有缓存页,为当前进程建立相应页表映射。通常不需要等待存储设备读取,因此这类缺页开销主要来自进入内核、查找缓存和修改页表。
如果页缓存中没有目标数据,内核则需要通过文件系统发起读取。请求到达底层存储后,缺页线程可能等待 I/O 完成;读回的数据先成为页缓存中的文件页,然后内核才能把该页映射到进程地址空间并恢复原指令执行。内核还可能根据顺序访问特征执行预读,使后续页面在真正访问前就进入缓存。
实际统计中,不需要存储 I/O 就能解决的缺页通常归入 minor fault;需要从存储取得页面的情况通常会体现为 major fault。这个分类关注处理缺页是否需要昂贵的外部 I/O,而不是简单区分匿名页与文件页。
页缓存和页表解决的是两个不同问题
页缓存回答的是“这个文件页的数据当前是否在内存里”,页表回答的是“这个进程的这个虚拟页当前映射到哪个物理页”。二者不能混为一谈。
同一个文件页可以只在 page cache 中存在,却还没有映射进某个进程;也可以同时被多个映射同一文件区域的进程引用。第二个进程首次访问时仍会产生自己的 page fault,但如果页缓存已经命中,就不必再次把同一份文件数据从磁盘读进来。
这也是 mmap 能高效共享文件内容的重要原因:共享的是承载文件内容的缓存页,各进程仍分别维护自己的 VMA 和页表映射。
私有映射写入时还会再走一步
对于 MAP_SHARED,可写映射的修改作用于对应的文件页缓存,脏页之后按文件系统的回写机制写回文件。这里的页表权限与文件映射权限必须允许写入。
对于 MAP_PRIVATE,语义不同:最初读取时可以利用文件页缓存,但进程第一次写某个页面时不能直接修改所有映射者共享的文件内容。内核会通过写时复制为该进程准备私有匿名页,把原内容复制过去,再把当前进程的页表改为指向这份私有副本。
跟踪文件映射缺页时,可以始终按“VMA 是否允许访问 → 页缓存是否已有目标页 → 是否需要存储 I/O → 当前进程页表是否建立映射”的顺序思考。这样既能解释首次访问延迟,也能理解多个进程映射同一文件时为什么能够复用内存中的文件数据。