-
在 lruvec 锁之外摘除 deferred split folio
三条 folio 批量释放路径原本大多在 lruvec 锁内把 refcount 归零的 folio 逐个摘出 deferred split 队列，而该队列由 list_lru 自有的 per-memcg per-node 锁保护；改为锁内攒批、解锁后按批摘除再 uncharge，fault 基准上 16K 大小的 mTHP folio 入队的运行时开销从 15% 降到噪声，lruvec 锁等待从 491 秒降到 38 秒
-
swap 回退拆分时保持物理页顺序
匿名 PMD folio 因整块 swap 分配失败而回退拆分时，先把子页收进临时链表，再反序搬到回收链表尾部，使 shrink_folio_list() 按 PFN 升序写回；NVMe/IOMMU 路径同一 8 MiB 数据的 IOVA links 从 2047 降到 64，PAGEOUT 与 cached-refault 的 worker CPU 时间之和降低 14.84%（单 worker）和 13.14%（双 worker）
-
加速大系统的 CPU 热插拔
删除或按条件跳过 CPU 上下线路径上过时的 WBINVD，CMCI 全员广播收窄到单个拓扑邻居，MTRR 一致时跳过全员会合，消除调度域重建、dl 带宽核算与 vmstat 阈值刷新中的重复计算；480 核 Intel 全量上下线从 106.23s 降到 5.07s，512 核 AMD 从 8.41s 降到 3.38s
-
降低 zswap load 路径上的 request 竞争
把 zswap 压缩与解压拆成各自独立的 per-CPU request、wait、mutex，同步算法的解压改用栈上 request，全程不取 zswap 锁，同步 transform 的 request 大小上限由 Crypto API 在初始化时强制，消除低优先级 store 被抢占对高优先级 load 的拖累；1 vCPU 最慢读延迟中位数 22.3ms 降至 0.97ms，8 vCPUs 由 314ms 降至 7.0ms
-
为 MEMCG_SOCK 批量调用 mod_memcg_state()
把 MEMCG_SOCK 的 mod_memcg_state() 计数缓存进 per-CPU memcg stock，按 ±MEMCG_CHARGE_BATCH 批量刷出；mem_cgroup_sk_charge() 命中 stock 时直接返回，sk_uncharge() 走 __refill_stock；NR_MEMCG_STOCK 7→6 保住单 cacheline；tcp_rr 吞吐 +8.71%，memcg sock 相关 cycles -66.4%
-
把 zsmalloc 对象释放推迟到 per-CPU 批次
zs_free() 不再同步释放对象，而是把 handle 追加到 per-CPU 的 64 项批次，满批经 lockless list 交给 unbound worker，空 zspage 回收也移到 worker；zram 的 5 个频繁更新的统计改为 per-CPU；256MB munmap 单进程加速 2.85 至 4.35 倍，4 进程并发加速 9.31 倍
-
MGLRU 频率引导晋升与 page flag 精简
用 folio 的访问次数（refs）在访问时主动引导 MGLRU generation 晋升，取代以回收时 PID 兜底为主的保护；PG_workingset 与 PG_referenced 并入 refs 编码，page flag 少用 1 位，PSI、readahead 与 Active/Inactive 统计随之修复；内核构建 file refault 下降 22.4%，MongoDB 吞吐提升 15.0%，Chromium 与 Node.js 一小时请求量提升 75.1%
-
让 NFSD DIRECT 模式的 I/O 不污染 page cache
把非对齐 WRITE 的切分点从 DIO 对齐改到页边界，让两个 WRITE 共享的页接力保留到双方写完，同步 WRITE 只 fsync 一次；交错写同一文件时设备读减少约 98%，pNFS 下写吞吐提升 2.4%~4.9%
-
重新启用 lazyfree THP 的 PMD 级丢弃
把 lazyfree THP 回收时的 PMD 从先清空再检查改为保持 invalidated 直到检查通过，统一各架构对 invalidated PMD 的 GUP-fast 与记账语义，重新启用 PMD 级整体丢弃，2MB 大页一次回收，不再拆成 512 个 PTE
-
在隔离 folio 堆积时限流 MGLRU 回收
给 MGLRU 回收补上 legacy 路径早有的隔离堆积节流：按 lruvec 粒度计数，以一个 generation 的可回收量为阈值，全部类型超限才睡眠，类型 mask 约束隔离选择；合成负载 64 线程吞吐提升 22%、192 线程避免 OOM，真实构建负载编译产出提升 52%
-
收回 zap 路径放弃的 swap cache folio
readahead 与并发 zap 的竞态让 swap count 归零、folio 未映射的 slot 永远悬置，生产主机上 250 GiB 内存与 250 GiB slot 被这类 folio 占住且只能靠 swapoff 回收；zap 路径放弃回收时叫醒每个 swap 设备的 sweep worker，由它以新增的 TTRS_WAIT 标志拿 folio 锁并等 writeback 结束，回头把这类 slot 收走
-
降低 per-memcg shrinker unit 的内存开销
memcg 上线时按 shrinker_nr_max 在每个 NUMA node 预分配全部 shrinker_info_unit，520 字节的 unit 只能住进 kmalloc-1k 槽位，45000 个 cgroup 的主机上 unit 吃掉 145 GB；让 unit 少管 1 个 id 恰好填满 512 字节槽位，再改为 memcg 首次在某 shrinker 的 list_lru 上拿链表时才按需安装，复现实测每 cgroup slab 占用从 548 KB 降到 42 KB
-
LZ4 解码快循环加入软件流水化预取
LZ4 解压冷 4 KiB 页时输入流与输出页都不在 L1 与 L2，解码反复 stall 在 cache miss 上；在解码快循环顶部插入 3 条软件流水化预取提示，读输入流前方 96 B 与 192 B、写意图预取输出页前方 128 B，让访存延迟与解码计算重叠；AMD EPYC 9755 真实 zswap 路径 Silesia 语料中位扫描时间从 1.0994 s 降到 1.0472 s，配对中位加速 5.09%，15 轮全部更快
-
优化 mempool 扩容
mempool 扩容时无论现有 elements 数组装不装得下都重新分配并整体拷贝，与极端负载下快速、无死锁分配的目标相悖；新增只增不减的 __elements_size 记录数组真实槽位数，扩容不超过它就只提 min_nr 再填充补齐，装不下才走分配路径并做并发双检，替换或多余的数组统一在锁外释放