ハクソク

世界を動かす技術を、日本語で。

LinuxでNvidia GPUのVRAMをスワップスペースとして使用する

2026年6月3日原文(github.com)

概要

  • NVIDIA GPUのVRAM をLinuxでスワップ領域として利用する方法の紹介
  • ラップトップのメモリ増設不可問題 を解決するソリューション
  • NBDプロトコル を用いた実装でカーネルモジュール不要
  • zramやSSDスワップとの組み合わせ でアドレス可能メモリを大幅拡張
  • パフォーマンス・動作要件・インストール方法 も解説

NVIDIA GPUのVRAMをLinuxスワップ領域として活用する方法

  • ラップトップのメモリ増設不可問題 を解決する手段として、NVIDIA GPUの VRAMをスワップ領域 として活用

  • 例えば RTX 3070 Laptop （物理メモリ16GB、VRAM 8GB）で7GBをスワップとして割当可能

  • スワップオーバーフロー順序 ：RAM → VRAM（高速、PCIe経由）→ zram（CPU圧縮）→ SSD

  • 最終的なアドレス可能メモリ ：zramやSSDスワップと組み合わせて約46GB（物理メモリの3倍）

  • NBD（Network Block Device）プロトコル を活用し、カーネルのnbdドライバ経由で/dev/nbdXとして認識

    • データ経路 ：カーネルスワップサブシステム → /dev/nbdX → nbdカーネルドライバ → Unixソケット → nbd-vramデーモン → cuMemcpyHtoD/DtoH → GPU VRAM

  • カーネルモジュール不要、NVIDIAカーネルシンボルも未使用、カーネルやドライバ更新時も再構築不要

技術的背景とNBD方式の優位性

  • NVIDIA P2P API （nvidia_p2p_get_pages_persistent）はGeForce等のコンシューマGPUでは RMレベルで無効化
    • Quadro/datacenter SKUのみ有効、ドライババージョンに関係なく制限
  • BAR1物理アドレスへ直接ioremap_wc も不可
    • GPU内部ページテーブルに~16MiBしかBAR1マッピングされていないため
    • mkswapは成功するがswaponで失敗（スワップヘッダーが実際には存在しない）
  • NBD方式 はこれらの制約を回避
    • cuMemcpyHtoD/DtoHは全CUDA対応GPUで動作、特別な権限不要

必要要件

  • CUDA対応NVIDIA GPU （RTX/GTX等の一般向けカード）
  • NVIDIAドライバ（libcuda.so.1）
  • Linuxカーネル3.0+（nbdモジュール組込済み環境）
  • nbd-clientパッケージ
  • gcc, make

インストール手順

  • リポジトリ取得 git clone https://github.com/c0dejedi/nbd-vram

  • ディレクトリ移動 cd nbd-vram

  • インストール実行 sudo ./install.sh

  • サービス起動 sudo systemctl start vram-swap-nbd

  • 動作確認 swapon --show （/dev/nbd0 partition 7G 0B 1500等が表示されれば成功）

    • サービスはインストール時に自動有効化、再起動後も自動起動

設定変更方法

  • /etc/systemd/system/vram-swap-nbd.service を編集
    • Environment=VRAM_SETUP_SIZE_MB=7168 # 使用するVRAM容量（MB単位）
    • Environment=VRAM_SWAP_PRIORITY=1500 # スワップ優先度（高いほど先に利用）
  • 設定反映 sudo systemctl daemon-reload && sudo systemctl restart vram-swap-nbd
  • VRAM_SETUP_SIZE_MB は上限値であり、GPUメモリ状況により自動調整（512MiB刻みで縮小）

電源管理機能

  • インストール時に電源管理有効化を選択可能
    • ACアダプタ切断やバッテリ残量低下時に自動停止、復帰時に自動再開
    • systemctl stopによる手動停止は常に優先
  • 設定変更 /etc/nbd-vram.confを編集し、次回ポーリング（60秒以内）またはAC抜き差し時に反映

インストール不要の動作確認（スモークテスト）

  • テスト実行 sudo bash test-nbd.sh （VRAM割当・NBDデバイス接続・1MiB書込/読戻し・スワップ有効化・手動終了手順表示）
  • 全領域ストレステスト sudo bash test-fill.sh （VRAM全域ゼロ書込・サンプル読戻し検証・終了時に自動でスワップ復帰）

パフォーマンス

  • RTX 3070 Laptop（7GB連続書込、4Mブロック）での測定値
    • シーケンシャルスループット：約1.3GB/s
    • NVMe SSDより低レイテンシ （PCIe経由でGPUに直結するため）
  • zram利用時はVRAMスワップの優先度を高く設定 し、SSDスワップへのアクセスを最小化

アンインストール方法

  • アンインストール実行 sudo bash uninstall.sh

ライセンス

  • MITライセンス
    • 作者：Sean Lobjoit (c0dejedi)

Hackerたちの意見

ソルダーメモリでアップグレードパスがないノートパソコン向けに作られたんだね。もし8GBのVRAMを持ってるRTXカードがあって、SSDにスワップされるなら、そのVRAMを活用できるってことか。うーん、これで高いRAMからさらに高いRAMにスワップする理由が分かった気がする:) ニッチな感じだけど、必要な時にはいいアイデアだね。

└

もう一つ考えた理由があるんだけど、VRAMがあるのにいつも使ってるわけじゃないってことはない？例えば、ゲームが好きでGPUを買ったとするじゃん。でも、ゲームしてない時はデスクトップを表示するのに16GBのVRAMなんて必要ないよね。別のことに使った方がいいんじゃない？編集：ただし、これはゲームを始めるときにスワップとして使っているVRAMを解放できるシステムが前提なんだけど、できるのかな？

俺の開発マシンは32GBのRAMと32GBのVRAMを積んでるけど、AIモデルを動かしてない時はほとんどアイドル状態なんだ。これ、そんなに悪いアイデアじゃないかも。

└

これはpcmasterraceの上半身だけムキムキで足が細いみたいなもんだね、笑

16GBが企業レベルのデータベースメインフレームだったのを覚えてる？GPUもめちゃくちゃ計算能力があるから、GPU計算に役立つデータベースフォーマットがあるんじゃないかな。データがすでにVRAMにあるから、GPUは必要に応じてデータをソートしたり、結合したり、操作したりできるし。

└

おそらくLSMコンパクション。

└

お願いだから、もっとGPUの需要を生まないでくれ。

└

GPUアクセラレーテッドデータベースは長い歴史があるよ。2013年にHeavyAI（以前はMapD/OmniSci）を設立したけど、Voltron DataやKinetica、Sqreamなど、他にもこの分野のスタートアップがたくさんあるんだ。今ではIBMやStarburst、Microsoft（今日Fabric SQL on GPUを発表したばかり）みたいな大手も自分たちのGPUアクセラレーテッドシステムを開発してる。GPUはCPUに比べて計算、メモリ、インターコネクトの帯域幅で大きなアドバンテージがあるから、データを供給できればすごく強いと思う。2〜3年以内にGPU上のデータベースやデータウェアハウスが一般的になると思う。データをクエリするためにエージェントを広く使うようになるだろうし、過去のETLやBIのワークロードよりも、もっと低遅延で多くのクエリを実行する必要が出てくるはず。

└

なんとかして1TBのPCIeで動かせるようにできないかな？もっとデータを処理できるように。

俺は逆のことに興味がある。NvidiaのLinuxドライバーは、持ってるVRAM以上にアドレスを指定するとクラッシュするんだ。そうならないといいんだけど。

└

もうWindowsではそれやってるけど、ちょっと微妙だよね。LMStudioやComfyUIみたいなものをターゲットにしてるなら、どっちもこれをやるための優れた方法があるよ。

いいアイデアだけど、ここで何かがすごく間違ってる: > シーケンシャルスループット: ~1.3 GB/s [RTX 3070 Laptopで] このRTX 3070チップはPCIe 4.0 x16に接続されてるから、64GB/sが出るはずなのに。8GBのGDDR6は448GB/sだし。NVMeドライブにスワップすれば、倍の速さだけど、レイテンシが高くなるね。

Hacker Newsで議論の続きを見る