为 MGLRU 支持批量检查 young 标志

背景

MGLRU 在回收 large folio 时，要检查并清除每个 PTE 的 young 标志（用来判断这页最近是否被访问），决定该 folio 的去留。旧实现调 ptep_test_and_clear_young_notify() 逐 PTE 顺序处理，对 large folio 来说很慢。

┌──────────────────────────────────────┐
│ MGLRU 回收大页时逐个表项查清访问标志 │
└──────────────────┬───────────────────┘
                   ▼
┌──────────────────────────────────────┐
│         逐表项处理对大页很慢         │  连续表项优化只覆盖一小段，大页可能超出
└──────────────────┬───────────────────┘
                   ▼
┌──────────────────────────────────────┐
│  更新 generation 也逐表项查访问与脏  │
└──────────────────────────────────────┘

Arm64 支持 contiguous PTEs，其专用 ptep_test_and_clear_young() 已对连续范围内的 PTE 批量清除 young 做了优化。但 large folio 可能超出一个连续范围（CONT_PTE_SIZE），这点优化不够。MGLRU 遍历进程页表更新 folio generation 时也逐 PTE 检查 young 与 dirty，同样低效。

问题

• MGLRU 回收 large folio 逐 PTE 检查/清除 young 标志
• Arm64 连续 PTE 优化只覆盖 CONT_PTE_SIZE，large folio 可能超出
• 逐 PTE 处理在回收热路径上低效
• 遍历页表更新 generation 也逐 PTE 检查 young+dirty

方案

核心是给 large folio 引入批量 young 标志处理，一条调用覆盖整个 folio 的 PTE 批（可能超连续范围）。

旧：逐表项查清访问标志
┌──────────────────────────────┐
│    大页的每个表项单独处理    │
└──────────────┬───────────────┘
               ▼
┌──────────────────────────────┐
│ 连续表项优化覆盖不到整个大页 │
└──────────────────────────────┘

新：整批表项一次处理
┌────────────────────────────┐
│ 新批量接口一次覆盖整个大页 │
└─────────────┬──────────────┘
              ▼
┌────────────────────────────┐
│  架构落地更高效的批量实现  │  回收与更新 generation 都用批量，计数偏差可忽略
└────────────────────────────┘

系列沿「批量 helper 到 MGLRU 集成再到 arm64 落地」这条线推进。

核心是引入批量 helper test_and_clear_young_ptes() 及其 wrapper test_and_clear_young_ptes_notify()（与现有函数接口一致），让架构有机会实现更高效的批量操作。

接入 MGLRU 分 2 个用点：回收 large folio 时用 test_and_clear_young_ptes_notify() 批量检查与清除 young；MGLRU 遍历页表更新 folio generation 时也改成批量，一次同时检测整批 PTE 的 young 与 dirty。旧的逐 PTE 接口接入完成后已无用户，直接移除。

架构落地由 arm64 完成：实现专用的 test_and_clear_young_ptes()（用 pte_cont 简化），让批量真正高效。

一处取舍要讲清：批量操作可能让 young 计数偏高（large folio 内并非所有 PTE 都被访问）。这个计数只用来决定某个 PMD 是否值得再次扫描，且要经过 bloom filter，而 bloom filter 本就允许误差；另有一个纯调试的 young 统计同样可能偏高，没有任何功能影响。

触发 look-around 的 folio 自身也按整批计入这个计数：它在函数入口就被批量 test-and-clear，accessed 位已清，随后的循环不会再统计它，此前却只固定贡献 1（批量化之前的遗留），与窗口内其余 folio 的口径不一致。按整批计入同样是有意高估：批内具体几个 PTE 被访问不可得，高估顶多让 PMD 被多扫一轮，低估却可能漏扫仍有热页的 PMD，使其被错误回收。

收益

作者在 Arm64 32 核服务器和 X86 机器上测试（启用 MGLRU，mmap 分配 10G 干净 file-backed folios 到 memory cgroup，经 memory.reclaim 回收 8G file-backed folios）：

Arm64 上批量 young 标志处理把回收 8G file-backed folios 的耗时从 0.470s 降到 0.180s（60%+）；X86 上也有约 15% 改善。