将文件内容直接映射到进程的虚拟地址空间，像操作内存数组一样访问文件，无需 read/write 系统调用。

为什么用 mmap 加载模型

DeepSeek V4 Flash 的模型文件约 81GB。如果用 fread 加载，需要：

1. 分配 81GB 用户空间内存
2. 从内核空间拷贝到用户空间（81GB 的内存拷贝）
3. 等待全部拷贝完成才能开始推理

mmap 避免了这一切：文件直接映射到虚拟地址，内核按需加载页面，无需拷贝。Metal GPU 还能直接引用 mmap 内存，实现真正的零拷贝。

核心原理

传统 read:                mmap:
磁盘 → 内核缓冲区          磁盘 ←→ 物理内存
      → 用户空间缓冲区              ↕ (页表映射)
      → 使用                        用户空间指针直接访问

mmap 后，访问 ptr[0] 就像访问数组。如果对应页面还没加载到物理内存，CPU 触发 page fault，内核自动从磁盘读入，对程序透明。

在 ds4.c 中的实现

// ds4.c — model_open 中的 mmap 调用
void *map = mmap(NULL, st.st_size, PROT_READ, flags, fd, 0);

两种 flags 策略：

平台	flags	原因
Metal（macOS）	MAP_SHARED	GPU 可直接零拷贝引用同一块物理内存
CPU only	MAP_PRIVATE	避免 macOS VM 内核 bug（写时复制）

张量数据通过偏移访问，始终在 mmap 区域内：

void *tensor_data(model, tensor) = model->map + tensor->abs_offset;

预热优化：model_warm_weights() 逐页（每 4096 字节）读取触发 page fault，将延迟集中在启动阶段，避免推理时的延迟抖动。

相关概念

• page-fault — mmap 的按需加载依赖 page fault 机制
• gguf — GGUF 文件通过 mmap 加载，游标直接在映射区解析
• xmalloc — 预热后的数据结构用 xmalloc 分配，与 mmap 区域配合

详见 Part 1 — 内存管理与 mmap。