多核处理器上大批量调用start()激活内核线程的真实性能瓶颈在于kthreadd单线程串行化调度、tlb频繁刷新及cache line伪共享引发的微架构级开销，而非总线锁竞争。
多核处理器上，大批量调用 start() 激活内核线程 并不会直接触发总线锁竞争，因为现代 Linux 内核（特别是 4.0+）已基本弃用总线锁（Bus Lock）实现原子操作，转而依赖缓存一致性协议（如 x86 的 MESI、ARM 的 MOESI）配合 cmpxchg 类指令完成原子读-改-写。真实损耗主要来自三类协同作用的物理状态转换开销，而非传统意义的“总线锁争抢”。
内核线程创建路径绕不开 kthreadd 的串行化调度
kthreadd（PID 2）是唯一负责孵化所有内核线程的守护进程，其主体在 kernel/kthread.c 中循环消费 kthread_create_list 队列。即使并发调用 kthread_create()（start() 的底层入口），所有请求最终都需经由 list_add_tail(&create->list, &kthread_create_list) 插入共享链表——这一步必须原子完成。
- 插入操作本身使用
spin_lock(&kthread_create_lock)保护，该自旋锁在多核间通过缓存行（cache line）独占与内存屏障保障一致性，不锁总线但会引发 cache line bouncing（缓存行在核间反复迁移） - 当数百个线程同时创建时，
kthreadd单线程处理能力成为瓶颈：它逐个唤醒新线程、设置栈、跳转到threadfn，无法并行化 - 结果是大量线程堆积在
TASK_UNINTERRUPTIBLE状态等待被kthreadd处理，物理 CPU 时间并未浪费在“锁等待”，而是在内核态排队和上下文切换中隐性消耗
物理状态转换队列的真实压力点在 CPU 上下文切换与 TLB 刷新
每个新激活的内核线程首次执行时，需完成完整的硬件上下文加载：寄存器恢复、CR3（页表基址）载入、TLB（Translation Lookaside Buffer）清空或重填。这不是软件队列，而是 CPU 微架构级的物理流水线重置过程。
Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。
- TLB miss 在多核密集创建场景下急剧上升：每个内核线程通常拥有独立内核栈（
thread_info+task_struct分布在不同页框），导致 TLB 中内核地址映射频繁失效 - CPU 进入 idle 状态后被 IPI 唤醒（如从
swapper/N切换至新线程），需退出 C-state、重启时钟、重填流水线——这部分延迟在 ARM/AArch64 上可达数十微秒，远高于纯指令执行开销 - 若线程绑定到特定 CPU（
set_cpus_allowed_ptr()），还会触发跨 NUMA 节点内存访问，加剧 DRAM 访问延迟
真正引发可测性能塌缩的是 cache line 争用与 false sharing
内核线程管理结构（如 task_struct、thread_info、栈底 guard page）若在内存分配时未对齐或相邻布局，极易导致多个线程共享同一 cache line。
- 例如
task_struct->state和task_struct->on_rq若落在同一 64 字节 cache line，一个核修改状态（如设为TASK_RUNNING），会迫使其他核将该 cache line 置为 Invalid，触发 write-invalidate 协议开销 - 这种 false sharing 在高并发
start()场景下呈指数级放大：100 个线程 → 可能有 20+ 组 cache line 被反复无效化 → 实际吞吐下降 30%~50%，而 perf record 显示热点在__schedule()和finish_task_switch() - 总线带宽未饱和，但 L3 cache 有效带宽因协议开销大幅降低，表现为 CPI（cycles per instruction）显著升高
规避策略比优化锁更关键
与其试图“优化总线锁”，不如从设计层切断高并发创建的必要性：
- 复用长期存活的内核线程（如 workqueue 中的
events或自定义 kworker），用queue_work()投递任务，避免反复创建销毁 - 批量初始化：用
kthread_run()启动一个协调线程，由它统一创建子线程组，减少kthread_create_list插入频次 - 显式控制 NUMA 亲和：用
kmalloc_node()和alloc_pages_node()将线程结构体分配到目标 CPU 所属节点，降低跨片访问 - 检查
/proc/sys/kernel/kptr_restrict和perf_event_paranoid设置，确保能用perf sched record定位具体在哪一环卡住（是kthreadd处理慢？还是 TLB miss 高？还是 cache line bouncing？）
