解锁tRPC高性能密码：网络方案简介

Posted 2022-06-10 QcloudCommunity

导语 |本文介绍了部分高性能网络方案，包括RDMA、HARP、io_uring等。从技术原理、落地可行性等方面，简要地做出分析，希望能对此方面感兴趣的开发者提供一些经验和帮助。

一、背景

业务中经常会有这样的场景：

随着网卡速率的提升（10G/25G/100G），以及部分业务对低延迟的极致追求（1ms/50us），目前的内核协议栈由于协议复杂、流程复杂、设计陈旧等因素，已经逐渐成为业务瓶颈。

业界已经有部分RDMA、DPDK的实践，但是对于大多数开发者而言，依然比较陌生。

那么这些方案各自的场景究竟怎样？是否能够为更多的业务赋能？以下是阶段性简要总结。

二、RDMA

（一）原理简介

相对于传统的网络协议栈，RDMA提供的关键特性即为：Kernel Bypass，也即利用专用的NIC（网卡）进行硬件层面的协议传输、编解码（Offload），通过内存映射技术直接与用户态程序交互，从而避免了复杂低效的内核中介。

基于这种设计，随之提供几个额外的重要特性：

• Zero-Copy：基于DMA操作，通信全程没有额外的CPU介入拷贝，从而降低CPU消耗。
• 稳定低延迟：由于硬件通路的可靠性，从而保证了稳定的通信延迟。
• 多种传输模式：RC、RD、UC、UD等。基于不同业务的不同可靠性和性能需求，提供类似TCP/UDP的多种传输模式。

由于RDMA定位为高性能网络传输，同时也为了简化硬件的设计，一般来说，RDMA会避免如软件TCP那样复杂的可靠性设计，而是极其依赖底层传输网络的可靠性。

根据不同的传输网络，RDMA的具体实现分为几类：

另外补充说明：

• 虽然RoCE v1/2依赖融合融合以太网，也即无损传输，不过也有部分厂商的优化实现，可以减轻对无损传输的依赖。
• Linux kernel 4.9+中，实现了Soft-RoCE，也即软件版本的RoCE v2，主要用于测试、学习。

（二）RoCE v2 v.s. iWARP

在以太网环境，主要可选项为RoCE v2和iWARP，相关对比如下：

目前来看，目前的机房网络建设中，对RoCE v2的支持更好，而iWARP却仍然处于相对空白的状态。

为此，当前的调研主要针对RoCE v2，而iWARP仍然有待探索。

（三）业务落地

后台业务主流协议仍然是TCP，具有运行稳定、调试工具丰富等优势。不过对于少数期望高性能的业务，RDMA也是值得考虑的。

业务使用RDMA主要面临两方面的困难：

• RoCE v2无损网络的要求导致难以跨机房传输，当前腾讯机房的支持为module内传输（如5跳之内）。
• 全新的开发接口如libverbs、UCX等，业务软件需要进行适配。

而有些存储业务依赖多副本，网络传输需要能够跨越MAN，甚至跨城市传输。这直接导致RoCE v2难以落地。

三、io_uring/socket

（一）原理简介

io_uring是Linux 5.1+中支持的异步IO框架，其核心优势有：

• 真正的异步化设计（Proactor），而非如epoll等本质上的同步行为（Reactor）。而其关键在于，程序和kernel通过SQ/CQ两个队列进行解耦。
• 统一的异步IO框架，不仅支持存储、网络。由于良好的扩展性，甚至可以支持任何的系统调用，如openat、stat等。
  

如前述，一个io_uring的实例，会建立一对内核和用户程序共享的队列，也即提交队列SQ和完成队列CQ，两者皆为SPSC范型：

• SQ：用户态线程生产，然后系统调用（io_uring_enter）通知内核（io_wq kernel
  thread）消费。其中元素称为SQE。
• CQ：内核生产，然后通知（若用户程序睡眠等待则唤醒）用户态消费。其中元素称为CQE。

这其实是最常规也是最经典的异步模型，在众多异步设计中可见。

一般情况下，CQE和SQE一一对应，不过io_uring支持multi-shot模式后则不一定如此。

另外，io_uring支持批量生产和消费，也即连续生产多个SQ后，一次性通知内核，或者持续消费CQ直到其空。

为了进一步优化部分场景的性能，io_uring支持众多的高级特性：

• File Registration：在反复操作同一个fd时，加速其查找映射。
• Buffer Registration：在read/write等反复需要在内核和用户程序交换数据的场景，可以重复利用预注册的一批内存。
• Automatic Buffer Selection：为Proactor
  read预注册一批内存，在就绪后内核自动选择其中一块存放数据，从而减少内存分配释放，也节约内存资源。
• SQ Polling：使内核（io_wq）轮询SQ指定时间才睡眠，从而减少通知的系统调用。
• IO Polling：开启子系统（存储、网络等）的轮询模式（需要设备驱动支持），从而加速部分高速设备。另外可以配合io_uring_enter（flag：IORING_ENTER_GETEVENTS）进行忙等。
• Multi-Shot：一次提交，多次完成，如只要一次提交socket accept，后续连接到来后多次返回。

io_uring在存储IO场景，相对之前的阻塞IO、glibc aio、linux aio等，都有不错的性能提升。

那么在网络IO场景呢？是否优于epoll等方案呢？

（二）测试数据

经过调研，在知名开源软件中，暂未发现直接采用io_uring进行网络IO的方案，如seastar/nginx等都没有官方支持，既然可借鉴较少，那么就自行测试。

由于io_uring还处于完善阶段，而且对于网络IO的支持也有多种方式。目前我们梳理出其中3种：

• Proactor：io_uring直接recv/send。
• Reactor：io_uring接管socket_fd（POLL_ADD）后再recv/send。
• io_uring接管epoll_fd后再epoll_wait再RECV/SEND：路径繁琐，推测性能不佳，直接略过。

为此，我们针对前两种io_uring模型，以及常用的epoll模型，进行测试对比。

为了利用更多的io_uring特性，测试采用当前最新kernel（5.15）。测试模型如下：

• 通信协议：tcp echo
• 服务模型：单线程，异步并发
• 压测客户端：多线程，每个线程一个连接同步测试
• 数据：包大小为512B
• 测试环境：本机通信loopback接口

epoll

• io_uring（Proactor）

• io_uring（Reactor）

目前网上的很多程序采用此方式。不过从理论上分析，应该epoll性能接近，故暂未测试。

（三）数据分析

通过对比、分析以上的测试数据，可以得到以下结论：

• io_uring在网络IO方面，并不比epoll性能强大。网络IO的主要瓶颈还是在于内核协议栈的开销。
• io_uring即使开启内核轮询，在负载低时可降低延时，而满载性能提升不明显，反而浪费了CPU资源。

（四）业务落地

在Linux网络IO场景中，io_uring并不比epoll带来额外的性能提升。这与存储IO不同。

不过值得思考的是，如果一个系统中同时存在网络IO和存储IO，对比以下两种方式：

• 网络IO采用epoll，存储IO采用io_uring（可结合eventfd与epoll配合）
• 网络IO、存储IO都采用io_uring。

从理论上分析，方式2可以依赖io_uring批量提交等优化，从而进一步减少系统调用，是否可以带来性能提升呢？

这部分需要进一步测试分析。

四、总结

以上简单介绍了RDMA、io_uring/socket等方案，各有优缺点以及场景限制。后续将介绍DPDK的方案，敬请期待。

作者简介

quintonwang，腾讯后台开发工程师。