以下是小编帮大家整理的在gcc下模拟bfinuclinux的内存管理（2）：所需要的文件及其更改，本文共2篇，仅供参考，希望能够帮助到大家。
篇1：在gcc下模拟bfinuclinux的内存管理（2）：所需要的文件及其更改
由于内核的头文件都放在include目录下，且其相互之间的引用关系较为复杂，故此保留include的整个目录，此外还需要以下几个c文件：
Arch/blackfin/kernel/setup.c：这个文件中定义了几个与内存管理相关的全局变量，然后在setup_arch函数中设置了这些全局变量的值。
由于我们需要对内存分配过程进行模拟，因此需要首先从系统分配64M内存，然后将这64M内存用bootmem进行分页并进行管理。为此在setup_arch函数中添加这样几行代码：
raw_memory = malloc((CONFIG_MEM_SIZE + 1) * 1024 * 1024);
memory_start = _rambase = _ramstart = ((unsigned long)raw_memory + PAGE_SIZE - 1) / PAGE_SIZE * PAGE_SIZE;
memory_end = _ramend = _ramstart + CONFIG_MEM_SIZE * 1024 * 1024;
而原来对这几个全局变量的设置语句则不再使用。
之所以多分配了1M的内存，是因为使用malloc分配得到的内存无法保证其指针是以PAGE_SIZE对齐的，因此多分配一些内存然后向上ALIGN。
Init/main.c：这个文件中主要使用了start_kernel函数，当然在此函数中并不需要进行所有的初始化工作，而仅仅调用几个与内存管理相关的函数：
void __init start_kernel(void)
{
char * command_line;
………………………………….
setup_arch(&command_line);
…………………………………….
build_all_zonelists;
page_alloc_init();
………………………………………….
mem_init();
kmem_cache_init();
.......................
}
经过这几个函数调用之后，三种内存算法的初始化工作全部完成，就可以自由进行调用了，
Arch/blackfin/mm/init.c：这个文件主要有paging_init与mem_init两个函数。
mm/bootmem.c：bootmem算法实现。
Mm/page_alloc.c：buddy算法实现。
Mm/slab.c：slab算法实现。
此外还需要几个辅助文件，如lib/bitmap.c等，与内存算法关系不大，在此就不进行列举了。
篇2：在gcc下模拟bfinuclinux的内存管理（1）：基本思想
bfin-uclinux内核的内存管理主要涉及三种算法，bootmem，buddy和slab，其中bootmem在内核启动的初期发挥作用，它将系统的可用内存以页的形式组织起来。然后Buddy算法接管这些页，将之分成不同大小的页块，这个工作完成后，bootmem退出舞台且不再出现。而slab算法则从buddy中取一些页面出来进行小对象的分配，内核的实际对象分配都是使用它来完成的。在这三种算法的配合下，内核得以高效利用内存。
那么，高效到底高到什么程度呢？在《The Slab Allocator: An Object-Caching Kernel Memory Allocator》这篇文章中，Jeff Bonwick对此有了非常完整的说明并给出了一些实验数据。这篇文章发表于1994年，这么多年了，内核经过无数次的修改，这篇文章中的数据是否还能适用？最近刚好在研究内存管理，就来验证一下吧！
虽然在VDSP下可以进行一些验证工作，但是效率偏低。况且这个算法本身应该是可以独立于内核的。怎么办？将之移植出来似乎是一个不错的办法。
为了尽可能少地改动内核的代码，选用一个兼容的编译器就成了很好的选择。经过考虑，决定选择如下平台：
AMD Sempron 2800+
Windows XP
CodeBlocks 8 IDE
Cygwin gcc 3.4.4
Mingw做为备选编译器
在此平台下验证通过后再到VDSP下跑得到一组内核实际运行的数据，
在cygwin下编译时取消开关中断和同步处理。
先做了个简单测试：
int main()
{
int i;
void *p;
srand(time(NULL));
start_kernel();
for(i = 0; i < 100000; i++)
{
//p = kmalloc(rand() % 1000000, GFP_KERNEL);
//kfree(p);
p = malloc(rand() % 1000000);
free(p);
}
return 0;
}
这段代码用于不断分配随机大小的内存块，然后释放。
在不启用优化的情况下，经过运行，使用slab算法进行1千万次的分配只要3.343秒，而直接使用malloc进行十万次的分配却要6.640秒，看来有很多个数量级的差距啊。
在启用优化的情况下（-O3），经过运行，使用slab算法进行1千万次的分配只要1.031秒，而直接使用malloc进行十万次的分配却要6.535秒，看来有很多个数量级的差距啊。
从这里还可以看到，GCC的优化效率还是不错的，一下提高了3倍的效率，还啥事都不要做。呵呵。
更多精彩，稍后继续~~~~~~~~~~~~~~~
★Excel在.Net下驻留内存的解决方法EXCEL基本教程
★在ALPHA机下改机器名的需要注意的几个地方！Windows系统
文档为doc格式