一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第18天，点击查看活动详情。
交换空间(二)—交换策略
上一节我们介绍了swap scape这一基础概念（这一节的基础），操作系统通过swap space扩大内存，保留访问活跃的page，每一次都通过replacement policy来选择哪一个page来换出内存。我们只看page与进程的关系的话，某种意义上高速内存可以看作整个memory space的cache，衡量一个replacement policy好不好的指标可以是AMAT，具体公式如下
其中Tm是访问内存的开销，Td是访问硬盘的开销，Pm是cache miss的概率，通过公式量化可以算出，由于内存和硬盘速度上的差异，进程访问内存的开销会随cache miss次数呈现巨大差异，举例来说，一个命中率为90%的系统可能比一个命中率为99%的系统内存访问速度慢100倍。事实上在高速硬盘出现前，内存和硬盘的差距实在是太大了，页面替换算法的重要性并没有那么高，因为频繁替换的成本太高，但是现在有SSD，所以替换算法的重要性也陡然增加。
遵循着由易到难的设计思路，replacement policy可以分为FIFO和Random、LRU以及LRU的变体。
在进程未来所有的内存访问我们都已知的情况下，我们可以让每一次replacement去除掉最久以后才访问的page，这是最优的情况。但是很明显这是不可能的，我们只能尝试去接近这个目标，FIFO和Random是简单的初步尝试，从名字就可知道，FIFO像队列一样处理page的替换顺序，先入的页在替换时也先出，Random则是随机选择替换page，模拟如下图所示
FIFO实现简单，但是性能很差，Random同样实现简单，并且性能不稳定，但是在边界情况下也能发挥出性能。
边界情况简单来讲就是各种不符合常理的内存访问，很多replacement策略设计无法考虑到所有的边界情况，而random方法由于自身随机性能够自动处理这种情况，之后我们看到的random方法也都具有这种性质。
在计算机设计中有locality的概念，即某一个对象在被触发后，具有spatial locality和temporal locality的feature，假如P被访问，则P+1和P-1更有可能被访问，并且接下来P更有可能被再次访问。利用这种locality，Least-Recently-Used（LRU）方法被提出，它的基本思想就是，设当前page被访问的时间为T，那么里现在最久没被访问的page则最没有可能被访问，优先换出最远的page。
如何实现LRU，一种实现方法是假设page table或者物理空间中存储page中上一次被访问的时间，在出现需要换出page的时候搜索所有page中访问时间最远的那个page。
然而，对所有page进行搜索，尤其是现代系统page动辄上百万的数量，是极其耗费时间的。因此，近似LRU被提出了，加入了两个概念：use bit和clock。通过硬件支持，当进程每一次进行内存访问时，硬件将访问的page所属的use bit设为1，当需要换出page时，操作系统从clock hand指向的page开始遍历（或者其它任何方式，随机也可以），遇到1，则置为0，遇到0，则确认这一个就是要换出的page，这样近似的认为距离上一次访问最久的page就是可以换出的。
基础的policies大概的思想就是这些，以下是它们的性能对比图，越接近黄线的最优越好，左上角的是当内存访问没有locality的一种边界情况，右下角的是一种只有Random有效的边界情况（其它的方法都失效了）
还有一些swap的优化方法，之前介绍page table中有一种dirty bit位，用于标记page是否进行了IO，如果没有进行IO，说明其数据相较于disk没有改动，如果要换出的话可以直接覆盖，如果进行了IO，那么就要将其写回disk中。有的policy对于没有进行IO的page更优先swap。还有page selection策略用于判断操作系统何时进行page swap，还有clustering and grouping策略用于增加swap的效率，这些policies没有replacement那么重要但是在现代操作系统中也是普遍存在的。
