從 Page Reclaim 看 User-space Semantic Gap

在現代系統環境中，單一 Linux 主機常同時執行資料庫、VM、Container 與 Batch Job 等多種 Workload。然而，Kernel 在進行 Page Reclaim 時缺乏應用層語意，僅能依賴 Accessed bit、Refault 與 Page Type 等低階訊號推測資料冷熱，導致難以針對特定 Workload 做出最佳化決策。

本議程將從 Linux reclaim path 與原始碼演進出發，探討 Active/Inactive LRU 與 Multi-Gen LRU（MGLRU）如何透過啟發式演算法推測 Page Hotness，以及這類設計在現代 Workload 下的限制。接著，將整理 madvise、posix_fadvise 與 userfaultfd 等機制，說明 Linux 如何讓 User-space 從單純提供 Hint，逐步走向參與記憶體決策路徑。

最後將介紹近期 Linux 社群如何透過 eBPF 與 BPF-based memory policy patchset，嘗試將部分 Memory Management Decision 外部化，使記憶體管理從固定啟發式演算法，逐步走向可程式化決策框架，讓 Workload 語意能實際影響 Kernel 記憶體決策。