
人工智能的兴起大幅推高了并行处理负载,工作站对内存的需求随之激增。然而,内存成本高昂且扩展性有限,单纯堆砌 RAM 并非最优解。近期,作者在运行高负载任务时遭遇内存瓶颈,最终通过 zram——一种内存压缩技术——成功化解危机。
内存压缩并非新技术。Windows 和 macOS 用户已在不知不觉中受益于该功能,许多 Android 手机也利用压缩技术在有限 RAM 中容纳更多数据。但在 Linux 世界,情况略显复杂:Fedora 和 Pop!_OS 已默认启用该功能,而 Ubuntu 则未开启;Amazon Linux 仅在小规模虚拟机上启用 zram,大多数其他发行版也未将其作为默认配置。
当然,压缩内存存在代价:它会占用少量 CPU 资源并可能增加部分进程的延迟。但换来的容量增益显著,实现 1:4 的压缩比并不罕见。回顾早期 SaaS 软件开发经历,随着单体应用功能膨胀,团队往往被迫升级至双倍配置的机器。当时 CPU 负载并不高,若早先启用 RAM 压缩,本可避免硬件升级,将云支出减半。
实战表现
为测试极限性能,作者在配备 32GB 内存(部分预留给显卡)的系统上,通过脚本在 Firefox 中打开了涵盖新闻、社交、电商、开发文档及流媒体等领域的上百个标签页。从理论上看,这些数据量已超出物理内存承载能力。
然而,系统并未崩溃。内存监控显示,部分数据被高效安置于 zram 交换空间中。终端数据显示,5.7GB 的数据被压缩存储于 1.7GB 的物理 RAM 中,实时压缩比达到 1:3.35。
入门建议
启用 RAM 压缩不仅能挖掘本地硬件潜力,更能优化云环境效率,真正实现“少投入,多产出”。对于希望尝试该技术的 Linux 用户,Arch Linux Wiki 提供了详尽的配置指南。