TLB 合并翻译:连续虚拟页翻译合并为大项的优化、覆盖提升与实现约束速查
更新时间:2026-10-05。TLB 合并翻译(TLB coalescing)是页表遍历硬件的一项「顺手优化」:一次遍历返回的相邻若干 4K 页翻译,如果物理上也连续、属性位也一致,就被压成一条覆盖更大范围的 TLB 项,白赚覆盖率。它解释了一个常见疑惑:明明没开透明大页,某些顺序扫描型程序的 dTLB miss 率却比理论值低不少。本篇是速查向专题,上游背景见 TLB 两级 STLB 设计 与 TLB 页表遍历缓存,对照方案见 大页与 TLB 压力。
本文要回答的问题
- TLB 合并翻译到底是什么,硬件在遍历路径的哪一步做这件事?
- 合并要满足哪些条件?物理不连续或属性不一致时会怎样?
- 覆盖率能提升多少?和开 2M 透明大页差几个量级?
- 为什么它「靠不住」?哪些微架构做、哪些不做,怎么实测确认?
一、它在哪:页表遍历返回路径上的顺手动作
一次 TLB miss 触发页表遍历(page walk),遍历器顺着四级页表走到 PTE,拿到目标页的物理帧号和属性位。现代遍历器(Intel 的 page miss handler、ARM 的 translation table walk unit)往往不是只取一条 PTE,而是一次把同 cache line 上的 8 条相邻 PTE 都读回来——反正一次内存读就是 64 字节,单取一条浪费带宽。
这 8 条 PTE 进 TLB 之前,填项逻辑会做一次检查:虚拟页号是否连续(同一 cache line 的 PTE 天然虚拟连续)、物理帧号是否也连续、属性位(读写、可执行、用户态、全局位、内存类型)是否完全一致。全部满足,就把它们合并成一条「等效 32K 页」的 TLB 项;部分满足就退而求其次,合并连续的那一小段;完全不满足就按 4K 单条填。
上图是合并发生的精确位置:它不在软件路径上,也不在操作系统手里,纯粹是遍历器填项时的微架构行为。这就决定了它的两个性格——免费(不需要任何软件配合)和不可控(没有任何开关或接口保证它发生)。
二、判定条件速查表
合并能不能成,全看下面这张表。实际排查「为什么这段程序 TLB 压力反常」时,逐条对照即可。
| 条件 | 要求 | 常见破坏者 |
|---|---|---|
| 虚拟连续 | 相邻 PTE 同 cache line,天然满足 | 无 |
| 物理连续 | PFN 逐条加一 | 内存碎片化、热插拔、CMA 区域 |
| 权限位一致 | RW / NX / User 全同 | 代码段与数据段交界、mprotect 分段 |
| 内存类型一致 | PAT 索引相同 | 设备映射与普通内存交界 |
| 全局位一致 | G 位相同 | 内核映射与用户映射交界 |
| 合并粒度 | 微架构实现而定,常见 8 页起步 | 老架构不支持、虚拟化二级翻译下受限 |
物理连续这一条最脆弱。Linux 的伙伴分配器在系统跑久之后会碎片化,buddy 里 32K 以上的连续块越来越少;即使没有 THP,fork 出来大量匿名页后它们落在物理内存里的位置也是七零八落的。所以同一台机器,刚启动时跑顺序扫描可能有可观的合并率,跑一周后同样程序合并率明显下滑——这不是错觉。
上图对照了两种物理布局的结局。虚拟侧总是连续的(同一 VMA 内),决定性变量只有物理侧的连续程度。
三、覆盖提升:聊胜于无,别指望它顶大页
算一笔账。假设典型实现合并 8 页(32K),L1 dTLB 64 项全部命中合并项,覆盖率从 64×4K=256K 涨到 64×32K=2M,八倍。听起来不错,但和 2M 大页一比立刻露怯:64 项大页 TLB 覆盖 128M,再差两个量级。而且这是理想上限——合并项之间要求互不重叠且各自成块,实际负载里混合着代码、栈、堆、mmap 文件,能合并的段往往只占一部分。
经验数据:顺序扫描型负载(流式读大数组、日志回放)在物理内存新鲜、碎片少的系统上,合并能把 dTLB miss 率压到纯 4K 理论值的三到五成;指针追踪型负载(哈希表、图遍历)几乎无感,因为相邻访问本来就不相邻。所以它的定位很清楚——是遍历器白送的彩蛋,不是可以写进容量规划的保障。
四、实现约束:哪些 CPU 做、怎么验证
合并是「可能有」的微架构特性,文档极少。已知的情况大致是:近年 Intel 服务器核心(Skylake-SP 之后)的遍历器有相邻 PTE 预取行为,部分迹象表明存在填项侧合并;AMD Zen 家族资料更少;ARM 在 Armv8.4-A 引入的 52 位大地址与 contiguous hint 位(PTE 里的 Contiguous bit)则是显式机制——PTE 设置 contiguous hint 后,TLB 被允许把 16 条相邻 4K PTE 合并成一项,这算「软件可提示的合并」,比 x86 的隐式行为可控一些。虚拟化环境下二级翻译(EPT/NPT)是否参与合并各代实现不一,不能默认有,背景见 EPT 二级翻译。
实测方法很土但可靠:分配一块大匿名内存,madvise(MADV_NOHUGEPAGE) 确保不开 THP,顺序触摸后用 perf stat -e dTLB-load-misses,dTLB-loads 跑一遍纯顺序扫描,算每页平均 miss 次数。如果显著低于「每页一次遍历」的理论值(比如只有三分之一),就有合并或预取在起作用;再把内存换成碎片化分配(大量小块交错 mmap/munmap 后重组)重测,miss 率上升的部分就是合并失效的贡献。想进一步看遍历代价,可叠加 TLB shootdown 篇里的 stlb 与 walk 计数器。
还要提醒一个观测上的坑:合并项在 TLB 里的寿命和普通项一样受替换策略支配,压力一大照样被踢出去,所以「合并率」不是稳态指标,而是随 TLB 占用率波动的。比较两次实验时,要保证工作集大小和热集占用一致,否则看到的差异可能来自替换而非合并本身。
五、工程上的正确姿势
结论一句话:TLB 合并翻译可以当作解释现象的钥匙,不能当作优化手段的依据。真正要吃覆盖率红利,路径仍然是显式大页或透明大页(见 大页与 TLB 压力),合并只是开了大页之外、碎片化系统里的一点缓冲。排查性能回归时如果发现 dTLB miss 率随系统 uptime 缓慢爬升、重启后回落,而代码与数据集都没变,合并失效导致的物理碎片敏感性是值得怀疑的方向——此时用 cat /proc/buddyinfo 看高阶连续块水位,比盯着 perf 计数器更直接。
这一篇在知识体系里的位置
本篇是微架构目录下 TLB 子线的速查补充,回答「没开大页时 TLB 表现为什么偶尔好于预期」这个长尾疑问。主线阅读顺序:TLB 两级 STLB 设计(层次与容量)→ TLB 页表遍历缓存(miss 之后走哪条路)→ 本篇(遍历返回时的合并彩蛋)→ TLB shootdown 失效(翻译变化时怎么清)。性能工程落点在 大页与 TLB 压力。
总结
TLB 合并翻译是页表遍历器在填项时把物理连续、属性一致的相邻 4K 翻译压成一条大项的免费优化,能带来数倍以内的覆盖率提升,但它无开关、无保证、怕碎片化,只能解释现象不能替代大页,工程上可靠的覆盖率来源仍然是显式大页与透明大页。