第31期 | 每次 fork，都是一次全文复印

操作系统 · 2026-10-21 · 九羲科技

一、每次 fork，都是一次全文复印

1991 年 9 月 17 日，Linux 0.01 被传上 FTP（nic.funet.fi）。kernel/fork.c 里躺着 copy_process，它做的事简单粗暴——把父进程的代码段和数据段，逐页搬到新的物理页上。没有写时复制，没有共享，没有偷懒。子进程出生那一刻，背的是父进程的一整份复印。

像细胞分裂。有丝分裂的 S 期，细胞先把全套 DNA 复制一遍，再一分为二。妙处在区别：细胞是真需要两份；Unix 的 fork 之后，十有八九紧跟着 exec——子进程把刚复印好的全部家当场撕掉，换上一个新程序。你在 shell 里每敲一个 ls，0.01 的世界里就发生一次"复印全身再撕掉"。笨吗？笨。诚实吗？诚实得可爱。

为了躲这笔账，BSD 早年发明了 vfork：子进程出生时不复印，直接借父进程的地址空间用着，用完（exec 或 exit）就还。一个"虚晃一枪"的天才补丁，也埋了一堆坑——父子共用一块内存，稍不留神就互相踩脚。

所以 0.01 的 fork 不是没人想优化，是时候没到。写时复制要靠分页机制撑腰：页表项先标只读，写的那一刻触发缺页异常，异常处理里再复制出私有的一页。这一整套，1992 年 1 月的 0.12 才备齐——Ted Ts'o 当年 1 月 13 日更新的信息表里，"Memory paging with copy-on-write"第一次出现在 Linux 的功能清单上。从 9 月到 1 月，四个月，fork 从复印工变成了懒汉。

这是"先实际后原理"：1991 年的复印版是最笨但能跑的实现；原理（虚拟内存分页）Unix 早就有了，中间那层"把原理工程化"的发展性研究，才是 0.12 真正干的事。

二、推理引擎里的写时复制

如果 AI 的操作系统先出现，fork 会长什么样？先想想 LLM 的"进程"是什么：一次推理的全部状态，就是它的上下文——prefill 之后躺在显存里的 KV cache，那就是它的记忆。而 beam search、并行采样，天然就是 fork：同一个 prompt，分叉出 k 个候选序列，各自往下走。

2023 年，vLLM 的 PagedAttention（SOSP 2023）把 OS 分页的思想整个搬进了 KV cache：KV 按块（页）管理，块表就是页表，引用计数管共享。多个采样序列共用 prompt 的物理块；谁要写，先看引用计数，大于 1 就复制一块再写。论文里写得直白：copy-on-write mechanism，"similar to the copy-on-write technique in OS virtual memory (e.g., when forking a process)"。三十年，一个轮回：1992 年省的是内存页，2023 年省的是显存块，beam search 能省下近四成的 KV 显存。

再往深想一格：Unix 的 fork 默认"地址空间是线性字节数组"，复制语义是逐字节搬。AI 的记忆是张量，是向量阵列——复制的单位不该是字节，该是引用加版本。原生 AI OS 的 fork，第一天就该是写时复制，甚至是"写时分叉出一个新版本"，而不是先复印再说。旧抽象与新硬件的错位，fork 这一件事上看得最清楚。

三、亲手看一次写时那一刻

道理都懂，不如亲眼看一次"写"发生的那一刻。手边任何一台 Linux 机器，跑这段 Python：

import os, time

a = bytearray(512*1024*1024)

for i in range(0, len(a), 4096): a[i] = 1 # 逐页摸一遍，逼出 512MB 真实物理页

t = time.time(); pid = os.fork()

print("fork 耗时 %.3f 秒" % (time.time()-t))

if pid == 0:

a[0] = 2 # 子进程只改一页

time.sleep(20) # 别退出，留给你观察

else:

os.wait()

你会看到两件事。第一，fork 耗时是毫秒级——512MB 的"复印"根本没发生，父子此刻读的是同一批物理页（grep Shared_Clean /proc/<pid>/smaps 会告诉你真相）。第二，子进程写下 a[0] = 2 的那一刻，只有那一页被复制出去，Private_Dirty 涨了 4KB——这就是"写时"。1991 年的复印工如果穿越过来，会羡慕得说不出话。

这招今天还在省钱：在手边那台能跑本地模型的机器上用 vLLM 跑并行采样或 beam search，prompt 越长，共享的前缀 KV 省下的显存越多。显存不够先别急着加卡，先数一数有多少块是被共享的——很多时候瓶颈不在总量，在碎片和重复。

· · ·