关键不是“一刀切改参数”，而是根据workload类型、numa拓扑和应用特征，有针对性地控制内存来源、分配方式与回收时机，包括numa绑定、调整vm.swappiness、cgroups v2内存隔离及减少小对象高频分配。

Linux 中调整内存分配模式优化性能，关键不是“一刀切改参数”，而是根据 workload 类型、硬件拓扑（尤其是 NUMA）、应用行为特征，有针对性地控制内存从哪来、怎么分、何时回收。以下是几个最实用、见效快的方向：

看清楚当前内存分配是否跨 NUMA 节点

NUMA 架构下，进程在 CPU0 上运行，却从 node1 分配内存，会显著拖慢访问速度。先确认系统是否启用了 NUMA：

cat /proc/cpuinfo | grep "numa" 或 numactl --hardware

如果显示多个 node，再查当前进程的内存分布：

numastat -p —— 关注“Numa_Hit”和“Numa_Remote”列；Remote 高说明频繁跨节点访问。

Obsidian (Linux)

操作 Obsidian 库（纯 Markdown 笔记），并通过 notesmd-cli 实现自动化。

下载

建议做法：

• 对数据库、Redis 等内存密集型服务，启动时加 numactl --cpunodebind=0 --membind=0 ./your_app，强制绑定到同一节点
• 若需均衡负载，改用 numactl --interleave=all，但仅适用于读写均匀、无局部性特征的应用
• 避免全局修改 /sys/devices/system/node/nodeX/numa_policy，容易引发意外调度行为

控制 page cache 与 swap 的权衡边界

内核默认倾向保留大量 page cache（提升文件读写），但当匿名内存（如 Java 堆）增长快时，可能因过度 swap 影响响应延迟。

核心参数是 vm.swappiness（0–100），它不决定“是否 swap”，而是影响“回收时优先踢出 cache 还是换出匿名页”的倾向：

• 值高（如 60+）：cache 回收更保守，匿名页更容易进 swap → 适合桌面或缓存型服务
• 值低（如 1–10）：更愿意丢弃干净 cache 页，减少 swap 活动 → 适合数据库、实时服务
• 不建议设为 0：完全禁用 swap 会使 OOM killer 更早触发，反而降低容错性

验证效果：运行 vmstat 1 10，观察 si/so 列是否持续非零；再结合 cat /proc/meminfo | grep -E "Active|Inactive|Swap" 看内存页状态。

按业务粒度隔离内存使用（cgroups v2）

单靠全局参数无法解决“某个容器吃光内存导致其他服务抖动”的问题。cgroups v2 提供了更精细的内存控制能力。

例如限制某服务最多使用 4GB 内存，并启用 soft limit 避免硬杀：

• mkdir -p /sys/fs/cgroup/db-service
• echo 4G > /sys/fs/cgroup/db-service/memory.max
• echo 3.5G > /sys/fs/cgroup/db-service/memory.low（内核会优先保护这部分内存不被回收）
• 把进程加入：echo > /sys/fs/cgroup/db-service/cgroup.procs

这对微服务、Kubernetes Pod 或多租户环境特别有效，能防止一个组件拖垮整机。

避免小对象高频分配带来的内核开销

频繁调用 malloc/free（尤其 这不是 sysctl 能调的，而是应用层优化方向：

• 对固定大小小对象（如网络包头、日志结构体），在用户态实现简易内存池，预分配一批块并链表管理
• 用 slabtop 查看哪些 kmem_cache 占用高（如 dentry、inode_cache），再结合业务判断是否异常
• 确认是否启用了 SLUB（现代发行版默认），它比老式 SLAB 更轻量、更适合多核

不复杂但容易忽略。