突破硬件瓶颈（二）：存储架构和协议瓶颈
The kernel isn’t the solution. The kernel is the problem. ——Robert Graham CEO of Errata Security
Linux系统设计之初，采用了分级、分层设计方式，用户调用底层设备，需要切换到内核态，由系统进行调用，这种方式适合硬盘速度远低于CPU的场景。
然而随着存储速度越来越快，以及网络存储的兴起，这种设计逐渐成为了存储的瓶颈。另外，本地硬盘协议，以及网络协议，也都成为了提高性能的绊脚石。
本文是突破硬件瓶颈系列文章的第二篇，上一篇主要Intel体系架构主讲述本地和网络存储架构，以及网络协议带来的瓶颈。
硬盘的瓶颈
1 AHCI到NVMe
虽然这并不是重点，但是作为基础，我们必须要提一下。
传统的HDD机械硬盘因为结构原因，速度和延迟均难以令人满意，且提升空间不大，而SATA接口的固态硬盘尽管提高了读写速度，也远没能释放闪存的性能。
SATA/SAS接口多数由RAID卡或是PCH扩展而来，并非CPU直接控制，造成了很高的延迟，而且接口本身的速度上限是6/12Gbps，难以进一步提高。
这两点均限制了硬盘本身性能的上限。早期存储设备发展缓慢，CPU速度远比硬盘快，因此有较多的不合理设计，在近些年存储设备快速发展后显得“格格不入”。
AHCI只设计了一个队列，且队列深度为64，现有的高速硬盘已经几乎将他占满，遥想当年，对于机械硬盘，32深度似乎已经“绰绰有余”了。
NVMe拥有更低的延迟，支持更高级的MSI-X中断，并且充分考虑到了未来存储设备的发展，预留了64K个队列，且队列深度上限是64K，这种设计下，目前的硬盘连十万分之一都无法发挥，为Optane或更远未来的新兴存储介质做好了伏笔。
在linux 3.13内核中，也加入了IO Multi-Queue机制，和NVMe的多队列相辅相成。
SATA、SAS的速度受限于接口，速度只有6/12Gbps，而NVMe硬盘采用U.2\M.2\PCI-E Slot等介面，速度可以轻松达到32/64Gbps甚至更高。
因此，采用NVMe硬盘，是提高存储性能的必要途径。
FASS在支持传统的SATA硬盘的同时，更建议用户采用全NVMe硬盘，以获得更高的性能。
然而，仅仅是本地提升并不能解决所有问题，就如SCSI有iSCSI用于网络传输一样，NVMe同样也应该有它的网络传输协议。
2 iSCSI到NVMe-oF
NVMe委员会并不会闲着，他们很快起草并通过审核了NVMe 1.4规范，包含众多新特性，其中对于NVMe over Fabrics（下简称为NVMe-oF）的支持受到了广泛关注。
大约90%的基于fabric的NVMe协议与本地NVMe协议相同。
对于用户而言，他可以简单理解为NVMe的iSCSI，允许共享和挂载远端的NVMe设备。
在标识上，NVMe-oF也参考了iSCSI的IQN，采用了NQN，命名规则与之相似。
毫无疑问，以高性能为目标的FASS分布式存储，采用了NVMe-oF技术。
网络传输协议瓶颈
目前分布式存储已经是主流，在容量需求已经得到相对满足的今天，性能需求越来越迫切。
然而性能的提升异常艰难，我们被迫要推翻某些Linux早期的设计，这也代表存储性能发展，终于超出了前辈们的设想，或许这也代表了我们存储人的成就。
1 Linux原始设计
如何降低提交和进行网络传输过程中所产生的延迟，是提升性能的关键，他们主要来自于内存拷贝、上下文切换、以及中断。
发生上下文切换时，CPU需要将寄存器中的用户态（user context）的指令位置保存起来，停止并转而执行内核态（kernel context）的代码，CPU寄存器需要更新为内核态的新位置，最后跳转到内核态执行内核调用。调用完成后，再恢复之前的用户态。
我们以将一个文件，从用户端通过网络发送到存储端为例。这个过程，可以分解为客户端的发送和服务端的接收。
此处仅说明客户端发送的过程，而服务端的接收同理。
1、用户处于用户态，进行上下文切换到内核态，这是第一次上下文切换，计为S1。
2、将文件从硬盘读取到内核态的内存缓冲区（kernel buffer），发生1次拷贝，记为C1，这次拷贝因为是慢介质（硬盘）向快介质（内存）拷贝，速度受限于慢介质。
3、将文件从内核态的内存区域拷贝到用户态的内存区域，发生C2，这次拷贝是快介质（内存）向快介质（内存）拷贝，由CPU内IMC直接调用，速度较快。
4、拷贝完成，从内核态切换回用户态，发生S2。
至此，用户仅仅拿到了属于自己的文件而已，接下来，他需要将数据送到网卡发送。
5、进行上下文切换，由用户态转换为内核态，发生S3
6、调用内核函数，将文件从用户态内存拷贝到内核态的Socket缓存，发生C3。
7、将文件拷贝到网卡缓存，这里是异步发送，不一定成功，发生C4。
8、最后切换回用户态，发生S4。
至此，发生四次上下文切换，四次内存拷贝，仅仅将数据发送出去而已。而服务器端的情况与客户端类似，同样有四次上下文切换和内存拷贝。
一次文件传输需要8次的上下文切换和内存拷贝，严重浪费了CPU和内存，造成了大量延迟。
经过测试，上下文切换时间是3us左右，我们可以通过一个典型场景计算上下文切换的造成的巨大性能损失。
如某节点目标提供100万IOPS，为了简便计算，我们假设每次IOPS需要8次上下文切换，每次3us，那么每秒造成的上下文切换为800万次，单核需要执行24秒。
换句话说，我们需要24颗CPU核心专门满足上下文切换的开销，才能跟得上IOPS。
类似的，内存拷贝也会造成延迟和速度降低，我们大可以从宏观量化内存拷贝造成的速度降低，八倍的内存拷贝相比于一次，乐观估计也要降低八倍的速度。
内存的延迟为60-80ns左右，8次拷贝就会造成640ns的延迟，这些延迟相比于上下文切换并不大，但是内存拷贝却造成了明显的速度瓶颈。
内存的读写速度为数十GB/S（图中测试条件为双通道，内存频率3733），如果进行任何的读写都需要在本地内存进行八次拷贝，那代表即便网络和硬盘写入瞬间完成，带宽极限也只有内存的八分之一，如果再考虑从硬盘读取和写入降低的速度，以及网络的传输，速度会进一步降低。
对于单块硬盘，这个速度是可以接受的，但是对于多块NVMe硬盘的存储服务器来说，这个速度就远低于理想值了，即便服务器端的libaio可以缓解这个问题，但是客户端的延迟仍然无法解决。
2 RDMA技术的引入
绕过无意义的内存拷贝和上下文切换成了提高存储性能的当务之急。RDMA就是为了解决这个问题而生，其中InfiniBand网络下的RDMA的性能最为优秀。
RDMA直接建立两端用户态内存数据的传输，在服务端和客户端各省去了一半的内存拷贝和上下文切换。
此外，RDMA将负载转移到NIC上，不需要CPU参与和计算，避免了CPU开销，还躲过了CPU中断造成的延迟增加。
但是RDMA技术仅相当于完成了网络传输的任务，他并没有解决本地延迟的问题。
以客户端为例，本地硬盘的文件，要拷贝到RDMA IB网卡对应的内存区，仍然需要2次内存拷贝和2次上下文切换，之后才能“享受”RDMA技术直接传输到服务端内存区域的待遇。
为了解决这个问题，我们还需要另一项技术的帮助。
3 SPDK
SPDK(Storage Performance Development Kit)，由Intel开发并开源，包含一套驱动程序，以及一整套端到端的存储参考架构。
SPDK的目标是能够把硬件平台的计算、网络、存储的最新性能进展充分发挥出来。自芯片而上进行设计优化，SPDK已展示出超高的性能指标。
它的高性能实际上来自于两项核心技术：第一个是用户态运行，第二个是轮询（polling）模式驱动。前者是显著降低延迟的原因，而后者则和FASS的高性能理念不谋而合。按照SPDK官方文档描述，他能将一次任务提交的延迟从5800ns降低到600ns左右。
5800ns的延迟主要来自于2次上下文切换和2次内存拷贝，SPDK可以将硬盘驱动在用户态运行，省去了所有的上下文切换，仅进行一次由硬盘到内存的拷贝，达到了600ns的惊人成绩。
SPDK在网络上完美对接RDMA，降低了延迟，并且提供了丰富的本地接口，完善了从硬盘设备驱动，到NVMe-oF Target等操作在用户态下完成的方法。
上图为SPDK的架构图，FASS采用了SPDK的少数组件，自己实现了其余部分。
我们分层讲述FASS所采用的SPDK部分。
硬件驱动层：
NVMe Driver：SPDK的基础组件，这个高优化无锁的NVMe硬盘驱动提供了高扩展性，高效性和高性能，采用UIO技术，在用户空间运行。
后端块设备层：
NVMe over Fabrics initiator：NVMe-oF本地客户端启动器，从程序员的角度来看，本地SPDK NVMe驱动和NVMe-oF启动器共享一套API命令。这意味着本地到远程的拷贝就像本地拷贝一样，非常容易实现。
绕过了最后的上下文切换，FASS真正实现了将能节省的延迟，全部节省掉。
总结
由以上分析，得出存储架构和协议瓶颈以及解决方式如下：
当然，即便是运用如此多的技术，想要获得理想的性能，仍然还有许多工作要做，这部分内容将在系列文章的后续中为您讲述。
参考资料
NVMe_Over_Fabrics(NVMe委员会官方文档).PDF
Storage Performance Development Kit（SPDK官方文档）
Linux Block IO: Introducing Multi-queue SSD Access on Multi-core Systems
突破硬件瓶颈(一)：Intel体系架构的发展与瓶颈挖掘
FASS技术白皮书
（TaoCloud团队原创）