Linux内核内存管理深度实战：从物理分配到虚拟内存全解
深入解析Linux内核内存管理全栈技术：物理内存管理(Buddy System/Slub分配器)、虚拟内存与页表机制、内存回收算法(LRU)、OOM Killer原理与防御、NUMA架构优化、HugePages配置、eBPF内存监控实战及生产环境调优指南
NUMA
Linux 内核内存管理深度实战：从 Buddy System 到 Slab 分配器、页面回收、OOM Killer、HugePages、KSM 与 NUMA 的工程实践
完整剖析 Linux 内核内存管理六大子系统——Buddy System 伙伴系统、SLUB 分配器、LRU 页面回收与 Swap、OOM Killer 选择策略、HugePages 与透明大页、KSM 内存去重与 NUMA 调优，每个子系统均配有生产环境调优命令和排错案例。
Linux 内核进程调度器深度实战：从 CFS 红黑树到 EEVDF、实时调度类、cgroups v2 CPU 控制器与生产调优的完全工程指南
从调度器原理到生产部署完整解析 Linux 内核进程调度器——CFS vruntime、EEVDF 革命性算法、实时调度类、cgroups v2 CPU 控制器、NUMA 感知调度、内核抢占模型与生产调优。
Linux 内核内存管理深度实战：从页表到 NUMA 的完整剖析
深入剖析 Linux 内核内存管理子系统的核心机制，涵盖虚拟内存与页表、SLUB分配器、OOM Killer、NUMA调度、cgroup内存控制等内容，结合实战案例展示性能调优方法。
Linux 内核内存管理深度实战：Buddy 分配器 / SLUB / Page Reclaim / OOM Killer 生产实践
从 Buddy 分配器到 SLUB 对象分配器、LRU 页面回收、OOM Kill 策略、NUMA 内存策略、KSM 去重，全面剖析 Linux 内核内存管理机制，覆盖容器 OOM、碎片化处理、thp 选择等生产级实践。
Linux内核NUMA调度与内存管理深度实战：从First-Touch陷阱到容器NUMA对齐全指南
深入解析 Linux 内核 NUMA 软硬件全栈：NUMA 架构演进与拓扑（ACPI SLIT/距离矩阵）、sched_domain 层级调度域（MC/PKG/Node/FullSystem）、Automatic NUMA Balancing 完整工作流程（扫描→Fault→决策→迁移）、mempolicy 四大策略（Default/BIND/PREFERRED/INTERLEAVE）与 First-Touch 陷阱、巨页与 NUMA（THP/khugepaged/hugetlbfs）、容器 NUMA 感知（cgroup v2/Topology Manager/libvirt vCPU绑核）、生产诊断工具（numastat/perf c2c/Uncore PMU/eBPF）、Redis/数据库/AI 训练 NUMA 优化案例。
Linux 内核 DAMON (Data Access MONitor)：主动内存调优的深度工程实战
Linux 5.16+ 引入的 DAMON 框架从根本上改变了被动内存回收的传统模式，本文深入 DAMON 的设计架构、内核实现和工程实践，涵盖 DAMON_RECLAIM 主动页面回收、DAMON_LRU_SORT 自适应 LRU 排序以及异构内存场景下的生产级调优策略。
CXL 内存池化与分层架构：从 Type3 设备到全栈工程实践
CXL内存池化正在重塑服务器内存架构，通过PCIe物理层之上的统一内存语义实现内存容量解耦与池化共享。本文深入解析CXL 2.0协议栈、Type3内存扩展设备原理及Linux内核Memory Tiering机制，提供从硬件拓扑到内核调优、从NUMA编程到场景选择的完整工程实践指南。
CXL 3.x 内存池化与 AI 推理的分层实战：从 PCIe 物理层到 PagedAttention 内核适配
深入解析 CXL 3.x 内存池化如何改变 AI 推理引擎的 KV Cache 分层架构，涵盖从硬件协议到 Linux Tiered Memory 子系统的完整技术链，结合 vLLM PagedAttention 实战给出部署建议。
CXL (Compute Express Link) 内存池化与分层架构深度工程
CXL (Compute Express Link) 深度工程全解析：从协议架构（CXL.io/cache/mem三种子协议、Type1/2/3设备类型）到Linux内核子系统实战（内存区域配置、cxl-cli工具链、NUMA分层管理），涵盖CXL 3.0 Shared Memory与Fabric拓扑、PBR路由协议、与RDMA/NVMe的性能对比（延迟约300ns vs 1-5μs vs 10-100μs），以及大模型推理混合内存架构实战部署。
