知識星球
一、網路IO的處境和趨勢
從我們使用者的使用就可以感受到網速一直在提升，而網路技術的發展也從1GE/10GE/25GE/40GE/100GE的演變，從中可以得出單機的網路IO能力必須跟上時代的發展。
1. 傳統的電信領域
IP層及以下，例如路由器、交換機、防火牆、基站等裝置都是採用硬體解決方案。基於專用網路處理器（NP），有基於FPGA，更有基於ASIC的。但是基於硬體的劣勢非常明顯，發生Bug不易修複，不易除錯維護，並且網路技術一直在發展，例如2G/3G/4G/5G等移動技術的革新，這些屬於業務的邏輯基於硬體實現太痛苦，不能快速迭代。傳統領域面臨的挑戰是急需一套軟體架構的高效能網路IO開發框架。
2. 雲的發展
私有雲的出現透過網路功能虛擬化（NFV）共享硬體成為趨勢，NFV的定義是透過標準的伺服器、標準交換機實現各種傳統的或新的網路功能。急需一套基於常用系統和標準伺服器的高效能網路IO開發框架。
3. 單機效能的飆升
網絡卡從1G到100G的發展，CPU從單核到多核到多CPU的發展，伺服器的單機能力透過橫行擴充套件達到新的高點。但是軟體開發卻無法跟上節奏，單機處理能力沒能和硬體門當戶對，如何開發出與時併進高吞吐量的服務，單機百萬千萬併發能力。即使有業務對QPS要求不高，主要是CPU密集型，但是現在大資料分析、人工智慧等應用都需要在分散式伺服器之間傳輸大量資料完成作業。這點應該是我們網際網路後臺開發最應關註，也最關聯的。
二、Linux + X86網路IO瓶頸
在數年前曾經寫過《網絡卡工作原理及高併發下的調優》一文，描述了Linux的收發報文流程。根據經驗，在C1（8核）上跑應用每1W包處理需要消耗1%軟中斷CPU，這意味著單機的上限是100萬PPS（Packet Per Second）。從TGW（Netfilter版）的效能100萬PPS，AliLVS優化了也只到150萬PPS，並且他們使用的伺服器的配置還是比較好的。假設，我們要跑滿10GE網絡卡，每個包64位元組，這就需要2000萬PPS（註：乙太網萬兆網絡卡速度上限是1488萬PPS，因為最小幀大小為84B《Bandwidth, Packets Per Second, and Other Network Performance Metrics》），100G是2億PPS，即每個包的處理耗時不能超過50納秒。而一次Cache Miss，不管是TLB、資料Cache、指令Cache發生Miss，回記憶體讀取大約65納秒，NUMA體系下跨Node通訊大約40納秒。所以，即使不加上業務邏輯，即使純收發包都如此艱難。我們要控制Cache的命中率，我們要瞭解計算機體系結構，不能發生跨Node通訊。
從這些資料，我希望可以直接感受一下這裡的挑戰有多大，理想和現實，我們需要從中平衡。問題都有這些
1.傳統的收發報文方式都必須採用硬中斷來做通訊，每次硬中斷大約消耗100微秒，這還不算因為終止背景關係所帶來的Cache Miss。
2.資料必須從核心態使用者態之間切換複製帶來大量CPU消耗，全域性鎖競爭。
3.收發包都有系統呼叫的開銷。
4.內核工作在多核上，為可全域性一致，即使採用Lock Free，也避免不了鎖匯流排、記憶體屏障帶來的效能損耗。
5.從網絡卡到業務行程，經過的路徑太長，有些其實未必要的，例如netfilter框架，這些都帶來一定的消耗，而且容易Cache Miss。
三、DPDK的基本原理
從前面的分析可以得知IO實現的方式、內核的瓶頸，以及資料流過核心存在不可控因素，這些都是在核心中實現，內核是導致瓶頸的原因所在，要解決問題需要繞過核心。所以主流解決方案都是旁路網絡卡IO，繞過核心直接在使用者態收發包來解決內核的瓶頸。
Linux社群也提供了旁路機制Netmap，官方資料10G網絡卡1400萬PPS，但是Netmap沒廣泛使用。其原因有幾個：
1.Netmap需要驅動的支援，即需要網絡卡廠商認可這個方案。
2.Netmap仍然依賴中斷通知機制，沒完全解決瓶頸。
3.Netmap更像是幾個系統呼叫，實現使用者態直接收發包，功能太過原始，沒形成依賴的網路開發框架，社群不完善。
那麼，我們來看看發展了十幾年的DPDK，從Intel主導開發，到華為、思科、AWS等大廠商的加入，核心玩家都在該圈子裡，擁有完善的社群，生態形成閉環。早期，主要是傳統電信領域3層以下的應用，如華為、中國電信、中國移動都是其早期使用者，交換機、路由器、閘道器是主要應用場景。但是，隨著上層業務的需求以及DPDK的完善，在更高的應用也在逐步出現。
DPDK旁路原理：
左邊是原來的方式資料從 網絡卡 -> 驅動 -> 協議棧 -> Socket介面 -> 業務
右邊是DPDK的方式，基於UIO（Userspace I/O）旁路資料。資料從 網絡卡 -> DPDK輪詢樣式-> DPDK基礎庫 -> 業務
使用者態的好處是易用開發和維護，靈活性好。並且Crash也不影響核心執行，魯棒性強。
DPDK支援的CPU體系架構：x86、ARM、PowerPC（PPC）
DPDK支援的網絡卡串列：https://core.dpdk.org/supported/，我們主流使用Intel 82599（光口）、Intel x540（電口）
四、DPDK的基石UIO
為了讓驅動執行在使用者態，Linux提供UIO機制。使用UIO可以透過read感知中斷，透過mmap實現和網絡卡的通訊。
UIO原理：
要開發使用者態驅動有幾個步驟：
1.開發執行在內核的UIO模組，因為硬中斷只能在核心處理
2.透過/dev/uioX讀取中斷
3.透過mmap和外設共享記憶體
五、DPDK核心最佳化：PMD
DPDK的UIO驅動遮蔽了硬體發出中斷，然後在使用者態採用主動輪詢的方式，這種樣式被稱為PMD（Poll Mode Driver）。
UIO旁路了核心，主動輪詢去掉硬中斷，DPDK從而可以在使用者態做收發包處理。帶來Zero Copy、無系統呼叫的好處，同步處理減少背景關係切換帶來的Cache Miss。
執行在PMD的Core會處於使用者態CPU100%的狀態
網路空閑時CPU長期空轉，會帶來能耗問題。所以，DPDK推出Interrupt DPDK樣式。
Interrupt DPDK：
它的原理和NAPI很像，就是沒包可處理時進入睡眠，改為中斷通知。並且可以和其他行程共享同個CPU Core，但是DPDK行程會有更高排程優先順序。
六、DPDK的高效能程式碼實現
1. 採用HugePage減少TLB Miss
預設下Linux採用4KB為一頁，頁越小記憶體越大，頁表的開銷越大，頁表的記憶體佔用也越大。CPU有TLB（Translation Lookaside Buffer）成本高所以一般就只能存放幾百到上千個頁表項。如果行程要使用64G記憶體，則64G/4KB=16000000（一千六百萬）頁，每頁在頁表項中佔用16000000 * 4B=62MB。如果用HugePage採用2MB作為一頁，只需64G/2MB=2000，數量不在同個級別。
而DPDK採用HugePage，在x86-64下支援2MB、1GB的頁大小，幾何級的降低了頁表項的大小，從而減少TLB-Miss。並提供了記憶體池（Mempool）、MBuf、無鎖環（Ring）、Bitmap等基礎庫。根據我們的實踐，在資料平面（Data Plane）頻繁的記憶體分配釋放，必須使用記憶體池，不能直接使用rte_malloc，DPDK的記憶體分配實現非常簡陋，不如ptmalloc。
2. SNA（Shared-nothing Architecture）
軟體架構去中心化，儘量避免全域性共享，帶來全域性競爭，失去橫向擴充套件的能力。NUMA體系下不跨Node遠端使用記憶體。
3. SIMD（Single Instruction Multiple Data）
從最早的mmx/sse到最新的avx2，SIMD的能力一直在增強。DPDK採用批次同時處理多個包，再用向量程式設計，一個週期內對所有包進行處理。比如，memcpy就使用SIMD來提高速度。
SIMD在遊戲後臺比較常見，但是其他業務如果有類似批次處理的場景，要提高效能，也可看看能否滿足。
4. 不使用慢速API
這裡需要重新定義一下慢速API，比如說gettimeofday，雖然在64位下透過vDSO已經不需要陷入核心態，只是一個純記憶體訪問，每秒也能達到幾千萬的級別。但是，不要忘記了我們在10GE下，每秒的處理能力就要達到幾千萬。所以即使是gettimeofday也屬於慢速API。DPDK提供Cycles介面，例如rte_get_tsc_cycles介面，基於HPET或TSC實現。
在x86-64下使用RDTSC指令，直接從暫存器讀取，需要輸入2個引數，比較常見的實現：
這麼寫邏輯沒錯，但是還不夠極致，還涉及到2次位運算才能得到結果，我們看看DPDK是怎麼實現：
巧妙的利用C的union共享記憶體，直接賦值，減少了不必要的運算。但是使用tsc有些問題需要面對和解決
1) CPU親和性，解決多核跳動不精確的問題
2) 記憶體屏障，解決亂序執行不精確的問題
3) 禁止降頻和禁止Intel Turbo Boost，固定CPU頻率，解決頻率變化帶來的失準問題
5. 編譯執行最佳化
1) 分支預測
現代CPU透過pipeline、superscalar提高並行處理能力，為了進一步發揮並行能力會做分支預測，提升CPU的並行能力。遇到分支時判斷可能進入哪個分支，提前處理該分支的程式碼，預先做指令讀取編碼讀取暫存器等，預測失敗則預處理全部丟棄。我們開發業務有時候會非常清楚這個分支是true還是false，那就可以透過人工幹預生成更緊湊的程式碼提示CPU分支預測成功率。
2) CPU Cache預取
Cache Miss的代價非常高，回記憶體讀需要65納秒，可以將即將訪問的資料主動推送的CPU Cache進行最佳化。比較典型的場景是連結串列的遍歷，連結串列的下一節點都是隨機記憶體地址，所以CPU肯定是無法自動預載入的。但是我們在處理本節點時，可以透過CPU指令將下一個節點推送到Cache裡。
…等等
3) 記憶體對齊
記憶體對齊有2個好處：
l 避免結構體成員跨Cache Line，需2次讀取才能合併到暫存器中，降低效能。結構體成員需從大到小排序和以及強制對齊。
l 多執行緒場景下寫產生False sharing，造成Cache Miss，結構體按Cache Line對齊
4) 常量最佳化
常量相關的運算的編譯階段完成。比如C++11引入了constexp，比如可以使用GCC的__builtin_constant_p來判斷值是否常量，然後對常量進行編譯時得出結果。舉例網路序主機序轉換
其中rte_constant_bswap32的實現
5）使用CPU指令
現代CPU提供很多指令可直接完成常見功能，比如大小端轉換，x86有bswap指令直接支援了。
器，對實現的追求不一樣，所以造輪子前一定要先瞭解好輪子。
Google開源的cpu_features可以獲取當前CPU支援什麼特性，從而對特定CPU進行執行最佳化。高效能程式設計永無止境，對硬體、核心、編譯器、開發語言的理解要深入且與時俱進。
七、DPDK生態
對我們網際網路後臺開發來說DPDK框架本身提供的能力還是比較裸的，比如要使用DPDK就必須實現ARP、IP層這些基礎功能，有一定上手難度。如果要更高層的業務使用，還需要使用者態的傳輸協議支援。不建議直接使用DPDK。
目前生態完善，社群強大（一線大廠支援）的應用層開發專案是FD.io（The Fast Data Project），有思科開源支援的VPP，比較完善的協議支援，ARP、VLAN、Multipath、IPv4/v6、MPLS等。使用者態傳輸協議UDP/TCP有TLDK。從專案定位到社群支援力度算比較靠譜的框架。
來源：悅碼
