收藏：详解DPDK技术知识点

导读：随着芯片和高速网络接口技术的快速发展，IO超越CPU的运行速率，为此DPDK应运而生。通过环境抽象层旁路内核协议栈、轮询模式的报文无中断收发、优化内存、队列管理、基于网卡多队列和流识别的负载均衡等多项技术，实现了在x86处理器架构下的高性能报文转发能力。

为了让更多读者比较全面了解DPDK技术，笔者整理了“详解DPDK和SPDK技术知识点”资料，目录介绍如下所示：

1、DPDK背景介绍 1

2、DPDK架构和关键技术 4

2.1概念和术语 4

2.2 DPDK架构介绍 6

2.3 大页技术 9

2.4 轮询技术 9

2.5 CPU亲和技术 9

2.6 DPDK的应用模型 10

3、DPDK技术应用优势 10

4、DPDK初始化和转发流程 10

4.1 初始化流程 11

4.2 批量转发流程 11

5、DPDK技术原理简介 11

5.1 环境抽象层概述 12

5.2 核心组件分析 13

5.3 DPDK环境抽象层 15

5.3.1 LIBC与EAL的区别 15

5.3.2 EAL加载过程 16

5.3.3 内存分片介绍 18

6、DPDK内存管理功能介绍 19

6.1 Malloc函数库介绍 19

6.2 Ring 函数库介绍 20

6.2.1单个生产者入队 24

6.2.2单个消费者出队 26

6.2.3多个生产者入队 28

6.2.4多个消费者的出队 33

6.3 Mempool函数库介绍 33

6.3.1内存对齐的约束 33

6.3.2 CPU本地Cache 35

6.4 Mbuf函数库 37

6.5 DPDK内存对象分布 38

7、DPDK Poll模型驱动 43

8、DPDK多进程分析 50

8.1 进程的创建 51

8.2 调度与切换 52

8.3 地址空间共享 52

9、DPDK技术总结 54

10、DPDK和VOS的关系 57

11、SPDK背景介绍 61

12、SPDK软件体系结构 62

12.1 SPDK主要组件 64

12.1.1 SPDK驱动层 64

12.1.2 块设备层 64

12.1.3 存储服务层 65

12.1.4 存储协议层 65

12.2 SPDK技术总结 67

12.3 SPDK存储的应用策略 68

12.4 SPDK存在问题 68

13、SPDK特点和其他技术 68

13.1 SPDK应用编程框架 69

13.2 SPDK应用案例 69

13.3 Optane结合SPDK技术 70

13.4 SPDK中国峰会介绍 70

13.5 SPDK开源友好性 71

14、SPDK和当前技术对比 72

14.1 基于OS的文件操作 72

14.2 基于SPDK架构的文件操作 73

14.3 SPDK测试对比分析 74

14.3.1 带宽测试结果对比 74

14.3.2 IOPS测试结果对比 75

14.3.3 时延测试结果对比 76

15、SPDK存储模型Blobstore 76

15.1 blobstore介绍 76

15.2 blobstore中的对象 77

15.3 blobstore关键数据结构 78

15.4 blobstore元数据物理分布 86

15.5 元数据页的分配计算 87

16、相关技术介绍 90

16.1 RDMA高性能网络框架 90

16.2 用户态IO技术UIO 90

16.3 Virtio技术介绍 91

16.4 NVMf技术介绍 93

16.5 Linux文件系统架构介绍 93

17、SPDK关键技术分析 94

17.1 Message传递与并发 94

17.1.1 技术原理 94

17.1.2 消息传递基础架构 95

17.1.3 事件架构介绍 95

17.2 SPDK用户态内存管理 96

17.3 块设备层编程 97

17.4 编写Blcok设备模块 97

17.4.1 创建一个新的组件 98

17.4.2 创建bdevs 98

17.5 JSON-RPC服务介绍 98

17.6 NVME驱动介绍 98

17.7 NVMe热插拔技术 99

感兴趣的读者可以通过“阅读原文”获取详情。下面就开始今天的内容分享。

一、网络IO的处境和趋势

从我们用户的使用就可以感受到网速一直在提升，而网络技术的发展也从1GE、10GE、25GE、40GE、100GE的演变，从中可以得出单机的网络IO能力必须跟上时代的发展。

1. 传统的电信领域

IP层及以下，例如路由器、交换机、防火墙、基站等设备都是采用硬件解决方案。基于专用网络处理器，有基于FPGA，更有基于ASIC的。但是基于硬件的劣势非常明显，发生Bug不易修复，不易调试维护，并且网络技术一直在发展，例如2G/3G/4G/5G等移动技术的革新，这些属于业务的逻辑基于硬件实现太痛苦，不能快速迭代。传统领域面临的挑战是急需一套软件架构的高性能网络IO开发框架。

2. 云的发展

私有云的出现通过网络功能虚拟化（NFV）共享硬件成为趋势，NFV的定义是通过标准的服务器、标准交换机实现各种传统的或新的网络功能。急需一套基于常用系统和标准服务器的高性能网络IO开发框架。

3. 单机性能的飙升

网卡从1G到100G的发展，CPU从单核到多核到多CPU的发展，服务器的单机能力通过横行扩展达到新的高点。但是软件开发却无法跟上节奏，单机处理能力没能和硬件门当户对，如何开发出与时并进高吞吐量的服务，单机百万千万并发能力。

即使有业务对QPS要求不高，主要是CPU密集型，但是现在大数据分析、人工智能等应用都需要在分布式服务器之间传输大量数据完成作业。这点应该是我们互联网后台开发最应关注，也最关联的。

二、Linux和X86网络IO瓶颈

在数年前曾经写过“网卡工作原理及高并发下的调优”一文，描述了Linux的收发报文流程。

根据经验，在C1(8核)上跑应用每1W包处理需要消耗1%软中断CPU，这意味着单机的上限是100万PPS (Packet Per Second)。从TGW (Netfilter版)的性能100万PPS，AliLVS优化了也只到150万PPS，并且他们使用的服务器的配置还是比较好的。

假设，我们要跑满10GE网卡，每个包64字节，这就需要2000万PPS（注：以太网万兆网卡速度上限是1488万PPS，因为最小帧大小为84B），100G是2亿PPS，即每个包的处理耗时不能超过50纳秒。而一次Cache Miss，不管是TLB、数据Cache、指令Cache发生Miss，回内存读取大约65纳秒，NUMA体系下跨Node通讯大约40纳秒。所以，即使不加上业务逻辑，即使纯收发包都如此艰难。我们要控制Cache的命中率，我们要了解计算机体系结构，不能发生跨Node通讯。

从这些数据，我希望可以直接感受一下这里的挑战有多大，理想和现实，我们需要从中平衡。

• 1.传统的收发报文方式都必须采用硬中断来做通讯，每次硬中断大约消耗100微秒，这还不算因为终止上下文所带来的Cache Miss。

• 2.数据必须从内核态用户态之间切换拷贝带来大量CPU消耗，全局锁竞争。

• 3.收发包都有系统调用的开销。

• 4.内核工作在多核上，为可全局一致，即使采用Lock Free，也避免不了锁总线、内存屏障带来的性能损耗。

• 5.从网卡到业务进程，经过的路径太长，有些其实未必要的，例如netfilter框架，这些都带来一定的消耗，而且容易Cache Miss。

三、DPDK的基本原理

从前面的分析可以得知IO实现的方式、内核的瓶颈，以及数据流过内核存在不可控因素，这些都是在内核中实现，内核是导致瓶颈的原因所在，要解决问题需要绕过内核。所以主流解决方案都是旁路网卡IO，绕过内核直接在用户态收发包来解决内核的瓶颈。

Linux社区也提供了旁路机制Netmap，官方数据10G网卡1400万PPS，但是Netmap没广泛使用。其原因有几个：

• 1.Netmap需要驱动的支持，即需要网卡厂商认可这个方案。

• 2.Netmap仍然依赖中断通知机制，没完全解决瓶颈。

• 3.Netmap更像是几个系统调用，实现用户态直接收发包，功能太过原始，没形成依赖的网络开发框架，社区不完善。

那么，我们来看看发展了十几年的DPDK，从Intel主导开发，到华为、思科、AWS等大厂商的加入，核心玩家都在该圈子里，拥有完善的社区，生态形成闭环。早期，主要是传统电信领域3层以下的应用，如华为、中国电信、中国移动都是其早期使用者，交换机、路由器、网关是主要应用场景。

但是，随着上层业务的需求以及DPDK的完善，在更高的应用也在逐步出现。DPDK旁路原理：

左边是原来的方式数据：网卡 -> 驱动 -> 协议栈 -> Socket接口 -> 业务。

右边是DPDK的方式：基于UIO(Userspace I/O)旁路数据，数据从网卡 -> DPDK轮询模式-> DPDK基础库 -> 业务。

用户态的好处是易用开发和维护，灵活性好。并且Crash也不影响内核运行，鲁棒性强。

DPDK支持的CPU体系架构：x86、ARM、PowerPC(PPC)。

DPDK支持的网卡列表：https://core.dpdk.org/supported/，我们主流使用Intel 82599(光口)、Intel x540(电口)。

四、DPDK的基石UIO

为了让驱动运行在用户态，Linux提供UIO机制。使用UIO可以通过read感知中断，通过mmap实现和网卡的通讯。UIO原理：

UIO就是Linux用户态IO，在Linux中，要开发用户态驱动有几个步骤：

• 1.开发运行在内核的UIO模块，因为硬中断只能在内核处理。

• 2.通过/dev/uioX读取中断

• 3.通过mmap和外设共享内存

五、DPDK核心优化：PMD

DPDK的UIO驱动屏蔽了硬件发出中断，然后在用户态采用主动轮询的方式，这种模式被称为PMD（Poll Mode Driver）。

UIO旁路了内核，主动轮询去掉硬中断，DPDK从而可以在用户态做收发包处理。带来Zero Copy、无系统调用的好处，同步处理减少上下文切换带来的Cache Miss。

运行在PMD的Core会处于用户态CPU100%的状态。

网络空闲时CPU长期空转，会带来能耗问题。所以，DPDK推出Interrupt DPDK模式。Interrupt DPDK：

它的原理和NAPI很像，就是没包可处理时进入睡眠，改为中断通知。并且可以和其他进程共享同个CPU Core，但是DPDK进程会有更高调度优先级。

六、DPDK的高性能代码实现

1. 采用HugePage减少TLB Miss

默认下Linux采用4KB为一页，页越小内存越大，页表的开销越大，页表的内存占用也越大。CPU有TLB（Translation Lookaside Buffer）成本高所以一般就只能存放几百到上千个页表项。

如果进程要使用64G内存，则64G/4KB=16,000,000页，每页在页表项中占用16,000,000 * 4B=62MB。如果用HugePage采用2MB作为一页，只需64G/2MB=2000，数量不在同个级别。

而DPDK采用HugePage，在x86-64下支持2MB、1GB的页大小，几何级的降低了页表项的大小，从而减少TLB-Miss。并提供了内存池（Mempool）、MBuf、无锁环（Ring）、Bitmap等基础库。根据我们的实践，在数据平面（Data Plane）频繁的内存分配释放，必须使用内存池，不能直接使用rte_malloc，DPDK的内存分配实现非常简陋，不如ptmalloc。

2. SNA（Shared-nothing Architecture）

软件架构去中心化，尽量避免全局共享，带来全局竞争，失去横向扩展的能力。NUMA体系下不跨Node远程使用内存。

3. SIMD（Single Instruction Multiple Data）

从最早的mmx/sse到最新的avx2，SIMD的能力一直在增强。DPDK采用批量同时处理多个包，再用向量编程，一个周期内对所有包进行处理。比如，memcpy就使用SIMD来提高速度。

SIMD在游戏后台比较常见，但是其他业务如果有类似批量处理的场景，要提高性能，也可看看能否满足。

4. 不使用慢速API

这里需要重新定义一下慢速API，比如说gettimeofday，虽然在64位下通过vDSO已经不需要陷入内核态，只是一个纯内存访问，每秒也能达到几千万的级别。但是，不要忘记了我们在10GE下，每秒的处理能力就要达到几千万。所以即使是gettimeofday也属于慢速API。DPDK提供Cycles接口，例如rte_get_tsc_cycles接口，基于HPET或TSC实现。

在x86-64下使用RDTSC指令，直接从寄存器读取，需要输入2个参数，比较常见的实现：

这么写逻辑没错，但是还不够极致，还涉及到2次位运算才能得到结果，我们看看DPDK是怎么实现：

巧妙的利用C的union共享内存，直接赋值，减少了不必要的运算。但是使用tsc有些问题需要面对和解决。

• 1) CPU亲和性，解决多核跳动不精确的问题

• 2) 内存屏障，解决乱序执行不精确的问题

• 3) 禁止降频和禁止Intel Turbo Boost，固定CPU频率，解决频率变化带来的失准问题。

5. 编译执行优化

1) 分支预测

现代CPU通过pipeline、superscalar提高并行处理能力，为了进一步发挥并行能力会做分支预测，提升CPU的并行能力。遇到分支时判断可能进入哪个分支，提前处理该分支的代码，预先做指令读取编码读取寄存器等，预测失败则预处理全部丢弃。我们开发业务有时候会非常清楚这个分支是true还是false，那就可以通过人工干预生成更紧凑的代码提示CPU分支预测成功率。

2) CPU Cache预取

Cache Miss的代价非常高，回内存读需要65纳秒，可以将即将访问的数据主动推送的CPU Cache进行优化。比较典型的场景是链表的遍历，链表的下一节点都是随机内存地址，所以CPU肯定是无法自动预加载的。但是我们在处理本节点时，可以通过CPU指令将下一个节点推送到Cache里。

3) 内存对齐

内存对齐有2个好处：

l 避免结构体成员跨Cache Line，需2次读取才能合并到寄存器中，降低性能。结构体成员需从大到小排序和以及强制对齐。

l 多线程场景下写产生False sharing，造成Cache Miss，结构体按Cache Line对齐。

4) 常量优化

常量相关的运算的编译阶段完成。比如C++11引入了constexp，比如可以使用GCC的__builtin_constant_p来判断值是否常量，然后对常量进行编译时得出结果。举例网络序主机序转换

其中rte_constant_bswap32的实现

5）使用CPU指令

现代CPU提供很多指令可直接完成常见功能，比如大小端转换，x86有bswap指令直接支持了。

对实现的追求不一样，所以造轮子前一定要先了解好轮子。

Google开源的cpu_features可以获取当前CPU支持什么特性，从而对特定CPU进行执行优化。高性能编程永无止境，对硬件、内核、编译器、开发语言的理解要深入且与时俱进。

七、DPDK生态

对我们互联网后台开发来说DPDK框架本身提供的能力还是比较裸的，比如要使用DPDK就必须实现ARP、IP层这些基础功能，有一定上手难度。如果要更高层的业务使用，还需要用户态的传输协议支持。不建议直接使用DPDK。

目前生态完善，社区强大(一线大厂支持)的应用层开发项目是FD.io(The Fast Data Project)，有思科开源支持的VPP，比较完善的协议支持，ARP、VLAN、Multipath、IPv4/v6、MPLS等。用户态传输协议UDP/TCP有TLDK。从项目定位到社区支持力度算比较靠谱的框架。

来源：悦码

温馨提示：

请识别二维码关注公众号，点击原文链接获取“详解DPDK和SPDK技术知识点”资料总结。