阿里云郑晓：浅谈GPU虚拟化技术（第三章）
Posted 凌云时刻
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了阿里云郑晓：浅谈GPU虚拟化技术（第三章）相关的知识，希望对你有一定的参考价值。
本系列文章推送门：
第三章 浅谈GPU虚拟化技术（三）GPU SRIOV及vGPU调度
GPU SRIOV原理
谈起GPU SRIOV那么这个世界上就只有两款产品：S7150和MI25。都出自AMD，当然AMD的产品规划应该是早已安排到几年以后了，未来将看到更多的GPU SRIOV产品的升级换代。S7150针对的是图形渲染的客户群体，而MI25则针对机器学习，AI的用户群体。本文以围绕S7150为主。因为S7150的SRIOV实例在各大公有云市场上都有售卖，而MI25目前看来尚未普及（受限于AMD ROCm生态环境的完备性）。
两个术语：SRIOV的PF，VF
（专业人士请自动忽略这部分介绍
）
PF：宿主机上的主设备，宿主机上的GPU驱动安装在PF上。PF的驱动是管理者。它就是一个完备的设备驱动，与一般的GPU驱动的区别在于它管理了所有VF设备的生命和调度周期。比如下图的07:00.0便是PF设备
VF：也是一个PCI设备，如下图中的07:02.0和07:02.1。QEMU在启动过程中通过VFIO模块把VF 作为PCI直通设备交由虚拟机，而虚拟机上的操作系统会安装相应的驱动到这个直通的VF PCI 设备上（07:02.0）。VF设备占用了部分GPU资源。比如下图中一个PF上面划分出了两个VF，那么很有可能跑在VF上面的虚拟机GPU图形渲染性能宏观上是PF的1/2。
上图是一个带有4个S7150的服务器，并且每个S7150 SRIOV虚拟出2个vGPU。
GPU SRIOV的本质
关于SRIOV 更多的思考
SRIOV也有其不利的地方比如在Scalable的方面没有优势。尤其是GPU SRIOV，我们看到的最多可以开启到16个VM。设想如果有客户想要几百个VM，并都想要带有GPU图形处理能力（但是每个VM对图形渲染的要求都很低），那么SRIOV的方案就不适用了。如果有一种新的方案可以让一个GPU的资源在更小的维度上细分那就完美了。事实上业界已经有这方面的考虑并付诸实践了。
GPU SRIOV内部功能模块
（吃瓜群众可以跳过）
由于没有GPU SRIOV HW的spec与Data Sheet，我们仅能按照一般的常用的方式来猜测GPU SRIOV内部功能模块（纯属虚构，如有雷同概不负责）。
GPU的资源管理涉及到vGPU基本上三块内容是一定会有的：Display，安全检查，资源调度。
Display管理
GPU PF需要管理分配给某个VF的FrameBuffer大小，以及管理Display相关的虚拟化。Display的虚拟化一般分为Local Display和Remote Display。比如XenClient就是用的Display Local Virtualization，属于本地虚拟化过程。此过程相当于把显示器硬件单元完全交由当前虚拟机控制。在云计算行业，Display更多的是采用Remote Display的方式。我们后续会讲到行业中Remote Display的问题所在。
VF 安全检查
另外一部分的安全检查则是PF需要确保不同VF直接对GPU FrameBuffer的访问隔离。这部分很有可能需要PF针对不同的VF建立GPU的Pagetable，或者Screen所有的VF提交的GPU BatchBuffer。
VF调度
AMD GPU SRIOV从硬件的角度看就是一个对GPU资源的分时复用的过程。因此其运行方式也是与GPU分片虚拟化类似。SRIOV的调度信息后续重点介绍。
GPU SRIOV的调度系统
分时复用
VF的调度是GPU虚拟化中的重点，涉及到如何服务VM，和如何确保GPU资源的公平分片。
GPU SRIOV也是一个分时复用的策略。GPU分时复用与CPU在进程间的分时复用是一样的概念。一个简单的调度就是把一个GPU的时间按照特定时间段分片，每个VM拿到特定的时间片。在这些时间片段中，这个VM享用GPU的硬件的全部资源。目前所有的GPU虚拟化方案都是采用了分时复用的方法。但不同的GPU虚拟化方案在时间片的切片中会采用不同的方法。有些方案会在一个GPU Context的当前BatchBuffer/CMDBuffer 执行结束之后启动调度，并把GPU交由下一个时间片的所有者。而有些方案则会严格要求在特定时间片结束的时候切换，强行打断当前GPU的执行，并交予下一个时间片的所有者。这种方式确保GPU资源被平均分摊到不同VM。AMD的GPU SRIOV采用的后一种方式。后续我们会看到如何在一个客户机VM内部去窥探这些调度细节。
调度开销
然而GPU的调度不同于CPU的地方是GPU上下文的切换会天然的慢很多。一个CPU Core的进程切换在硬件的配合下或许在几个ns之内就完成了。而GPU则高达几百ns（比如0.2ms-0.5ms）。这带来的问题就是GPU调度不能类似CPU一样可以频繁的操作。举一个例子：GPU按照1ms的时间片做调度，那么其中每次调度0.5ms的时间花在了上下文的切换上，只有1ms的时间真正用于服务。GPU资源被极大浪费。客户理论上也只能拿到66%的GPU资源。
S7150的调度细节
接下来我们来看一下作为首款GPU SRIOV方案的S7150是如何调度的。由于S7150是中断驱动的结构，所以通过查看虚拟机内部GPU中断的分布情况就可大致判断出GPU SRIOV对这个虚拟机的调度策略。
对于Windows的客户机，我们可以在内部安装Windows Performance kit，并检测"GPU activity"的活动。
对于Linux的客户机，则更简单，直接查看GPU驱动的trace event。当然我们要感谢AMD在提供给Linux内核的SRIOV VF驱动上没有去掉trace event。这让我们有机会可以在VM内部查看到SRIOV的调度细节。（不知道这算不算一种偷窥？）
我们在阿里云上随便开启一台GA1的1/2实例。
并选择Ubuntu（预装AMD驱动）作为系统镜像;
在Console下查看所有的GPU相关的trace如下表：
很不错，我们发现有两个GPU驱动分发workload的event：amd_sched_job与amd_sched_process_job。
在VNC中开启一个GPU Workload以后（比如Glxgears或者Glmark，当然我们需要先开启x11vnc），我们通过下面Command来采集GPU数据。
查看我们抓取这两个event的事件并记录下来几个有趣的瞬间：
所有的log在一段时间内是连续的，然后断开一段时间，然后又连续的workload提交。
截图上的小红框是我们需要关注的间隔时间。摘取如下表：
很明显在上述时间窗口期内当前VM的GPU被暂停了，并被切换至服务其他VM。因此当前VM的GPU workload会积压在驱动层次。
我们把所有的event在图表上打点后就可以发现，对于一个1/2GPU实例的VM来说，它占用的GPU资源是基本上以6ms为时间片单位做切换的。
作图如下：
估算vGPU的调度效率
我们假设每次vGPU的调度需要平均用到0.2ms，而调度的时间片段是6ms，而从上图的结果来看，AMD GPU SRIOV是采用严格时间片调度策略。6ms一旦时间用完，则马上切换至下一个VM（哪怕当前只有一个VM，也会被切走）。所以1/2实例的S7150的调度效率可以达到：96.7%如果有两个这样的VM同时满负荷运行，加起来的图形渲染能力可达到GPU直通虚拟化的96.7%以上。
实测结果如下：
1/2vGPU+ 1/2vGPU = 97.4% (vs GPU直通性能)
每一个vGPU可以达到直通GPU性能的48.x%，整体性能可以达到97.4%，与我们的预估非常接近。
更多的关于GPU虚拟化调度的思考
不得不说AMD S7150在vGPU调度上是非常成功的。AMD的GPU硬件设计保证了可以在任何当前GPU Batch Buffer的执行过程中可以被安全的抢占（GPU Workload Preemption），并切换上下文到一个新的Workload。有了这样卓越的硬件设计，才使得PF驱动在软件层面的调度算法可以如此从容有序。6ms强制调度保证了多VM在共享GPU资源的情况下不会饥饿不会过度占用。调度开销极小（2-3%）。而且这样的设计在VM数量不多的情况下可以进一步调整时间片的大小比如12ms，则GPU的利用率会更进一步提高。那么为什么不能采用100ms调度呢？因为Windows内核对"GPU activity"的活动有监视。任何GPU CMD在2秒内没有响应，Windows就会发起Timeout Detected Recover（TDR），重置GPU驱动。设想如果你有16个VM，调度时间片为100ms的情况下，平均一个VM轮转到GPU资源的最小间隔就有1.6s。加上其他由于PF驱动被Linux内核调度的延迟，很有可能触发Windows Guest内部的TDR。
不知不觉把GPU虚拟化的调度都在这章里讨论过了。很好，专门介绍GPU调度的章节可以省下来了。
本来还有VDI相关，限于篇幅VDI下节补齐。
本文作者郑晓，阿里云虚拟化平台高级技术专家，2006年浙江大学毕业后入职Intel亚太研发有限公司从事虚拟化与GPU相关研发工作。2017年底加入阿里云。曾发表多篇论文及国际专利。
- 责任编辑：鞠东颖 -
- To be continued -
Linux宝库
为开源爱好者和从业者点亮人生！
以上是关于阿里云郑晓：浅谈GPU虚拟化技术（第三章）的主要内容，如果未能解决你的问题，请参考以下文章