连读两遍文件，就证明页缓存命中了？先把内容、驻留和I/O证据分开

测试日志读取性能时，一个常见实验是连续读取两遍同一个文件。若第二遍更快，就解释为“页缓存命中”。这个解释可能合理，但只凭两次时间还不够。

文件可能在创建时就已经进入缓存，设备本身也可能有缓存；第二遍的程序状态、调度和后台负载也未必相同。要让实验能被复核，先写清每个观测量回答什么问题，再决定结论能走到哪一步。

内容校验先做，但它不是缓存测量

下面程序在独立临时目录中创建1 MiB合成文件，再分块读取两遍。每轮都核对总字节数和SHA-256。它不计时，也不宣称制造冷缓存：

import hashlib, tempfile
from pathlib import Path
with tempfile.TemporaryDirectory() as d:
 p=Path(d)/'sample.bin'
 data=b'abcd'*262144
 p.write_bytes(data)
 expected=hashlib.sha256(data).hexdigest()
 for i in range(2):
  digest=hashlib.sha256();total=0
  with p.open('rb',buffering=0) as f:
   while chunk:=f.read(65536):
    total+=len(chunk);digest.update(chunk)
  assert total==1048576 and digest.hexdigest()==expected
  print(f'pass={i+1} bytes={total} sha256={digest.hexdigest()}')
print('PASS: content only; page-cache residency and physical IO not measured')

本次在macOS实际执行通过，两轮都读取1048576字节，哈希均与生成内容一致。临时目录在程序结束后清理。

这项证据的作用是排除“第二遍其实少读了内容”之类的基础错误。它没有测量页驻留，没有观察物理I/O，也没有证明第一遍来自设备、第二遍来自内存。buffering=0 只关闭这次Python文件对象的用户态缓冲，不意味着绕过操作系统页缓存。

本文代码没有附件依赖，也不读取真实日志。若后续增加计时，仍应保留内容校验，防止性能数字来自不等价的工作。

把实验问题拆成三层

问题	可用证据	不能直接推出什么
两遍读的是同样内容吗	字节数、范围、哈希	页面是否在内存
采样时页面驻留吗	文件页驻留观测	每一次读取的精确命中率
读取期间发生设备I/O吗	受控范围的物理读观测	所有耗时都由存储造成

图中的证据不是互相替代的指标。只有先确认任务等价，缓存与I/O观测才有解释基础；即便观测到页面驻留，也不能把总运行时间全部归因于缓存。

Linux上先看驻留页，别急着清缓存

在已有Linux测试环境中，若已安装 fincore，可用它查看自己创建并拥有的样例文件。下面仅是未执行的复核步骤，sample.bin 代表读者准备的实验文件：

fincore --version
fincore --help
fincore sample.bin

先记录版本和支持的输出列，再在读取前、读取后采样。如果要自动解析，应根据当前版本明确选择输出列，避免依赖默认显示。本文未运行这些命令，也没有为了测试安装工具。

fincore官方项目手册说明它统计文件内容驻留内存的页面；当前手册还涉及不同内核接口与回退行为，权限条件也可能影响观测。使用自己拥有且可写的专用样例，并核对本机版本行为，比直接拿任意系统文件的输出下结论更清楚。

若进一步编写驻留观测程序，mincore(2)手册提醒返回的是快照，页面状态随时可能改变。这意味着采样后到实际读取之间仍存在时间差。本文没有调用该接口，不提供伪造的驻留比例。

新文件也不等于冷缓存

刚写完文件再读，写入本身就可能使相关页留在内存。所以“第一次打开”不等于“第一次从设备取数据”。重新启动读取进程也不等于清空系统页缓存。

本文不执行全局缓存清理，不修改内核参数，也不把共享机器变成压力实验场。若确实需要区分冷暖条件，应在独立测试环境定义准备过程，并核对相关操作的实际语义与影响；没有证据时，报告为“初始缓存状态未知”即可。

内容完全相同的文件副本也未必建立相同的底层条件，文件系统特性和存储层可能介入。实验条件越复杂，越需要保留文件系统、设备类型、文件生成方式与后台负载说明。

如果加计时，先让结论保持克制

可以记录每轮读取的经过时间，但要同时记录读取范围、块大小、校验方式和环境。不能一轮计算哈希、一轮不计算，然后把时间差归为缓存收益。也不能用一次结果推出固定加速比例。

若要观察物理读，还需要选择适合目标环境的观测工具，并确认其范围是进程、控制组还是整台设备。整机I/O变化可能来自其他任务，不能直接归到本次文件读取。本文没有进行这项测量。

对诊断产品而言，缓存实验的价值在于帮助决定优化方向。若只是两次读到相同内容，就写内容校验通过；若拿到驻留快照，就写采样时的状态；只有更多证据一致时，才讨论缓存对读取行为的影响。把证据边界讲清楚，比给出一个漂亮但解释不稳的性能数字更有用。