干货分享 | spdk技术简介和一些实践经验

01

导读

与机械硬盘相比，NVMe-ssd在性能、功耗和密度上都有巨大的优势，并且随着固态存储介质的高速发展，其价格也在大幅下降，这些优势使得NVMe-ssd在分布式存储中使用越来越广泛。由于NVMe-ssd的性能比传统磁盘介质高出很多，使得在整个IO处理过程中，软件部分占用的时间比例大大提升，成为制约存储系统性能的主要因素。为了充分发挥后端NVMe-ssd的性能，intel开发出了存储性能开发工具包-SPDK(Storage Performance Development Kit)，和RDMA一样，SPDK也采用了kernel bypass的思想，它提供了一整套工具和库，以实现高性能、全用户态、扩展性强的存储应用程序，旨在大幅缩减存储I/O栈的软件开销，将固态存储介质的性能发挥到极致。

本文先对SPDK 技术进行介绍，更好的了解其实现原理，深入理解其带来性能大幅提升的原因，然后给大家分享下中国移动云能力中心块存储团队将SPDK应用到分布式块存储软件BC-EBS上做的一些工作和使用经验。

02

SPDK技术简介

1、SPDK的整体架构

图1 / SPDK的架构（图片源自网络）

https://new.qq.com/omn/20190712/20190712A03GFB00.html

SPDK架构整体分为三层：

存储协议层：SPDK支持的存储应用类型。NVMe-oF target实现了NVMe-oF规范，对外提供基于NVMe协议的存储服务端，支持RDMA和TCP网络；iSCSI Target对外提供基于SCSI协议的存储服务端；vhost-scsi或vhost-blk对qemu提供后端存储服务，qemu可以基于SPDK提供的后端存储为虚拟机挂载virtio-scsi或virtio-blk磁盘。

存储服务层：SPDK bdev相当于内核通用块层，为不同后端设备（NVMe、AIO、RBD、VIRTIO 、ISCSI等）驱动提供通用的API接口。SPDK还在通用块层实现了QoS、磁盘阵列、逻辑卷管理等功能。

驱动层：为不同的后端存储设备提供驱动。图中把驱动细分成两层，和块设备强相关的放到了存储服务层，而把和硬件强相关部分放到了驱动层。

2、SPDK的工作机制

为了更好理解SPDK能实现高性能的原因，我们以下图中的场景为例，分析SPDK工作过程，详解工作过程中用到的关键技术。

图2 / SPDK的工作机制

在图中，一台服务器上插了一张NVMe-ssd卡，划分两个namespace（对操作系统而言，每个namespace相当于一块独立的盘），分别分配给两个虚机使用，采用的vhost-blk方式。根据vhost-user协议，qemu不再进行I/O的转发，只进行控制面的管理工作，如feature的协商、virtqueue初始化等，虚机的前端驱动和宿主机存储后端vhost通过共享内存来进行数据交互，具体的交互过程是基于virtio vring 环来实现的。

假如vm1要下发数据时，虚机将数据的内存地址（guest physical address，简称PGA）放在vring环上，vhost的reactor线程通过poller机制不断的轮询vring环，发现有新添数据时，根据qemu记录的PGA到宿主机虚拟地址（vhosthost virtual address，简称VVA）内存映射关系，使用rte_vhost_va_from_guest_pa函数将GPA转换为VVA供vhost处理。

vhost拿到数据后，经过SPDK bdev层的处理（如io拆分合并、对齐等），根据注册的设备驱动，找到具体的NVMe-ssd设备。为了防止多个thead操作同一个设备引起的资源竞争，SPDK提供了I/O channel的概念，每一个thead拥有不同的I/O channel，在NVMe 中，一个I/O channel就对应NVMe的一个队列（queue pair），这样数据最终就交由NVMe的队列来处理。在创建vhost-blk设备时，会选择reactor的一个线程进行绑定，这样，整个I/O处理过程都在同一个线程中完成。

SPDK能实现高性能，主要得益于以下几种技术：

（1）全用户态：把驱动移到用户态，避免了系统调用的开销，且真正实现了内存零拷贝。

在传统的存储I/O栈中，应用程序和磁盘驱动分别处于用户态和内核态，应用程序为了和磁盘进行交互，需要进行多次的系统调用，并且数据需要在用户空间和内核空间之间拷贝，这两个动作都增加了系统开销，当后端是高速设备时，这部分开销就表现的很突出。

而在SPDK中，将驱动程序移到用户态，在执行调用时避免了用户态和内核态来回切换，将节省大量的处理器时间开销，从而有更多的时钟周期来进行真正的存储工作。虚拟机的前端驱动和宿主机存储后端vhost通过共享内存传递数据，避免了大量的内存拷贝。I/O在宿主机上绕过了内核，路径更短。

（2）SPDK独立的线程模型：一个core只拥有一个thread，该thread上可以执行很多poller（轮询函数），满足run-to-completion（一个线程最好执行完所有的任务）的需求。

vhost进程启动时，可以配置多个轮询线程（SPDK称reactor），每个线程绑定一个core。在创建一个vhost-blk设备时，也需要为该设备绑定一个core，绑定的core和前面reactor的core一致。在每个线程上，SPDK提供了poller的机制，来处理具体的事务。SPDK提供的poller分两种：基于定时器的poller和非定时器的poller。在reactor的while（1）循环中，它会不停的check这些poller的状态，进行相应的调用，同时I/O也会得到相应的处理。由于单个core上只有一个reactor thread，所以同一个reactor thread 中不需要一些锁的机制来保护资源。

（3）线程间的通信方式：Event事件机制，一种轻量型的线程交互方式。

在传统存储模型中，多个线程操作同一个资源，往往是通过锁机制来实现的。为了使同一个thread只执行自己所管理的资源，SPDK提供了Event (事件调用) 机制。该机制的本质是每个reactor对应的数据结构 (struct SPDK_reactor) 维护了一个Event事件的ring (环)。这个环是多生产者和单消费者模型，即每个Reactor thread可以接收来自任何其他Reactor thread 的事件消息进行处理。当然，Event ring处理的同时也在执行reactor的SPDK_poller轮询函数。

每个Event事件的数据结构 (struct SPDK_event) 包括了需要执行的函数、相应的参数以及要执行的core。例如，Reactor A 向Reactor B通信，其实就是需要Reactor B代替Reator A执行函数F(X)，这样他们只执行自己管理的资源，更加的高效 。

（4）数据路径的无锁化机制：在I/O路径上采用io_channel技术，避免采用锁机制，能降低时延和提升性能。

对于类似NVMe的多队列设备，SPDK提供一个I/O channel的概念 (即thread和device的一个mapping关系)，封装在SPDK_vhost_blk_session结构中。不同的thread 操作同一个device应该拥有不同的I/O channel，每个I/O channel在I/O路径上使用自己独立的资源就可以避免资源竞争，从而去除锁的机制。如上图，后端是NVMe-ssd设备时，一个I/O channel对应NVMe的一个queue pair。

03

目前块存储团队在SPDK上的一些工作
 
学习更多dpdk视频
DPDK 学习资料、教学视频和学习路线图 ：https://space.bilibili.com/1600631218
Dpdk/网络协议栈/ vpp /OvS/DDos/NFV/虚拟化/高性能专家 上课地址: https://ke.qq.com/course/5066203?flowToken=1043799
DPDK开发学习资料、教学视频和学习路线图分享有需要的可以自行添加学习交流q 群909332607备注（XMG） 获取

1、ceph场景下使用SPDK遇到的性能问题

在虚拟化qemu+SPDK+librbd使用场景下，SPDK采用 vhost-blk或vhost-scsi协议，在虚机中，我们发现性能很差，不能充分发挥出后端ceph集群性能。通过排查发现，该问题的原因是当前SPDK的架构是为了发挥NVMe类设备的性能而设计的，其特点是SPDK下发的I/O会直接到达硬件，I/O的收割也是SPDK直接轮询硬件，而ceph场景下需要有额外的ceph线程介入来下发收割I/O。当前SPDK线程与ceph线程跑在同一个CPU上，造成了资源竞争，导致IO性能下降。解决方法是将这些ceph线程移到在非SPDK使用的CPU上。经过优化后，性能大幅提升，最大提升了16倍，均接近后端集群的性能。

图3 / 优化前后vhost-blk设备性能对比

图4 / 优化前后vhost-blk设备时延对比

图5 / 优化前后vhost-scsi设备性能对比

图6 / 优化前后vhost-blk设备性能对比

2、SPDK和ceph线程最优绑核方案探索

SPDK能有优异的性能，离不开它优异的线程模型，实际使用过程中核的分配相当重要，从上面可以看出，在后端是ceph的场景下，ceph线程运行的核如果没有规划，性能也可能会很差。在虚机场景下，qemu节点核资源更是有限，使得我们不得不考虑，在qemu+SPDK_vhost_iscsi+librbd方案下， 怎样将qemu节点有限的核资源分配给SPDK reactor和ceph线程， 才能达到最优的性能。下面我们就单SPDK线程、ceph卷占用的CPU核数不同时，对性能的影响，及在后端是ceph场景下，单reactor可发挥的最大性能进行了测试和分析。

（1）测试环境：

测试环境共4台服务器，SPDK和qemu共用一台机器，SPDK采用的vhost-scsi方式。

（2）单SPDK线程，ceph卷占用的CPU核数不同时，对性能的影响：

a、1个ceph卷的场景下，ceph卷绑不同数目的核时能发挥出的性能。其中横坐标表示ceph卷的绑核情况，纵坐标表示ceph卷能发挥的iops性能，单位为K。

图7 / 1个image下ceph线程绑核对性能的影响

b、2个ceph卷的场景下，ceph卷绑不同数目的核时能发挥出的性能。其中横坐标表示2个ceph卷的绑核情况，纵坐标表示2个ceph卷能发挥的总共iops性能，单位为K。

图8 / 2个image下ceph线程绑核对性能的影响

c、3个ceph卷的场景下，ceph卷绑不同数目的核时能发挥出的性能。其中横坐标表示3个ceph卷的绑核情况，纵坐标表示3个ceph卷能发挥的总共iops性能，单位为K。

图9 / 3个image下ceph线程绑核对性能的影响

（3）在后端是ceph场景下，单个reactor可发挥的最大性能（ceph集群随机写性能在140K iops左右）：

a、每个卷绑定两个core，增加ceph卷的个数，单reactor下可发挥的最大性能。

图10 / 增加卷数，单reactor可发挥的最大性能

b、在上一步的基础上，5个卷时，增加每个卷绑核的数量，对性能的影响。

图11 / 单个reactor，5个卷，增加绑核可发挥的性能

c、增加reactor个数，和单reactor下的性能进行比较。

图12 / 2个reactor，5个卷，增加绑核可发挥的性能

（4）测试结果分析

a、从图7、8、9 可以看出，单reactor下，增加卷的绑核数，性能发挥出的越好。

b、从图10可以看出，单reactor下，每个卷绑两个核，增加卷的个数，性能发挥的越好,但随着卷的个数增加，性能趋于稳定。

c、由a得出的结论，增加卷的绑核数可以增加性能，在未达到集群最大性能的情况下，尝试5个卷时，增加绑核数，但性能并未增加，说明此场景下，单reactor的性能可能到了瓶颈。

d、为了进一步验证c中单个reactor是否到了性能瓶颈，增加reactor个数后，5个卷，相同的绑核数，可以看出性能发挥的更好，更接近集群最大性能。说明在后端为ceph集群，vhost_scsi+librbd的使用场景下，单reactor可发挥的最大性能在100K左右。

04

结尾

SPDK凭借其优秀的架构和性能获得各个存储厂家的青睐，但目前社区还不太成熟，在和各自的产品融合时，用户态的工作模式与传统内核态I/O模型有较大差异，可参考的使用经验不多，往往会遇到各种各样的问题。中国移动块存储团队目前也在积极的将SPDK引入到我们的块存储产品中，进行性能的优化提升，后续会将更多的使用和优化经验分享给大家，与大家一起进步。