cilium原理之ebpf尾调用与trace

背景

在深入剖析cilium原理之前，有两个关于epbf的基础内容需要先详细介绍一下：

1. ebpf尾调用

尾调用类似于程序之间的相互跳转，但它的功能更加强大。

2. trace

虽然之前使用trace_printk输出日志，但这个函数不能多用，会有性能问题。而且它的输出可读性差，不利于程序进行分析。本文将着重讲讲如何进行分析，方便程序后续跟踪。

1.ebpf尾调用介绍

尾调用能够从一个程序调到另一个程序，提供了在运行时（runtime）原子地改变程序行为的灵活性。为了选择要跳转到哪个程序，尾调用使用了程序数组map（ BPF_MAP_TYPE_PROG_ARRAY），将map及其索引（index）传递给将要跳转到的程序。跳转动作一旦完成，就没有办法返回到原来的程序；但如果给定的map索引中没有程序（无法跳转），执行会继续在原来的程序中执行。

特殊在于，由于函数的调用是由map来保存的，可以使用TC更新map对应的函数为新的函数，实现ebpf程序的局部更新。当然，这就对功能编码也会有更高的要求，需要明确更新可能的影响范围。因为ebpf的单个程序大小是有限制的，而尾调用可以绕开这种限制。

以下是摘自cilium官方文档中的样例：（官方样例无法编译，下面摘取的内容经过作者调整）

#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 

typedef __uint32_t uint32_t;

#define PIN_GLOBAL_NS           2

struct bpf_elf_map {
        __u32 type;
        __u32 size_key;
        __u32 size_value;
        __u32 max_elem;
        __u32 flags;
        __u32 id;
        __u32 pinning;
};

#ifndef __stringify
# define __stringify(X)   #X
#endif

#ifndef __section
# define __section(NAME)                  \
   __attribute__((section(NAME), used))
#endif

#ifndef __section_tail
# define __section_tail(ID, KEY)          \
   __section(__stringify(ID) "/" __stringify(KEY))
#endif

#ifndef BPF_FUNC
# define BPF_FUNC(NAME, ...)              \
   (*NAME)(__VA_ARGS__) = (void *)BPF_FUNC_##NAME
#endif

#define BPF_JMP_MAP_ID   1

static int (*bpf_trace_printk)(const char *fmt, int fmt_size,
                               ...) = (void *)BPF_FUNC_trace_printk;

#define printk(fmt, ...)                                                 \
  do {                                                                         \
    char _fmt[] = fmt;                                                         \
    bpf_trace_printk(_fmt, sizeof(_fmt), ##__VA_ARGS__);                       \
  } while (0)

static void BPF_FUNC(tail_call, struct __sk_buff *skb, void *map,
                     uint32_t index);

struct bpf_elf_map jmp_map __section("maps") = {
    .type           = BPF_MAP_TYPE_PROG_ARRAY,
    .id             = BPF_JMP_MAP_ID,
    .size_key       = sizeof(uint32_t),
    .size_value     = sizeof(uint32_t),
    .pinning        = PIN_GLOBAL_NS,
    .max_elem       = 1,
};

__section_tail(BPF_JMP_MAP_ID, 0)
int looper(struct __sk_buff *skb)
{
    printk("skb cb: %u\n", skb->cb[0]++);
    tail_call(skb, &jmp_map, 0);
    printk("skb end looper: cb: %u\n", skb->cb[0]);
    return TC_ACT_OK;
}

__section("prog")
int entry(struct __sk_buff *skb)
{
    skb->cb[0] = 0;
    tail_call(skb, &jmp_map, 0);
    printk("skb end: cb: %u\n", skb->cb[0]);
    return TC_ACT_OK;
}


char __license[] __section("license") = "GPL";

官方代码很清晰，需要注意的是：定义函数时，__section_tail(BPF_JMP_MAP_ID, 0)使用的是BPF_JMP_MAP_ID；而在bpf代码中，调用的时候使用的是tail_call(skb, &jmp_map, 0);中的jmp_map。而这两者之间的关系，则是在定义jmp_map时指定。

功能测试演示

# 将上面文件保存为tail.c
# build
clang -g -c -O2 -target bpf -c tail.c -o tail.o

# load
tc qdisc add dev enp1s0 ingress
tc filter replace dev enp1s0 ingress prio 1 handle 1 bpf da obj tail.o sec prog verbose

# cat log
cat /sys/kernel/debug/tracing/trace_pipe

虽然上面的程序是死循环，但测试后发现，程序不是真的死循环，会在looper中执行34次后结束。验证函数热更新功能。

          -0     [007] ..s. 443032.404122: 0: skb cb: 29
          -0     [007] ..s. 443032.404122: 0: skb cb: 30
          -0     [007] ..s. 443032.404123: 0: skb cb: 31
          -0     [007] ..s. 443032.404123: 0: skb cb: 32
          -0     [007] ..s. 443032.404123: 0: skb cb: 33
          -0     [007] ..s. 443032.404124: 0: skb end looper: cb: 34
          -0     [007] ..s. 443032.404146: 0: skb cb: 0
          -0     [007] ..s. 443032.404148: 0: skb cb: 1
          -0     [007] ..s. 443032.404149: 0: skb cb: 2
          -0     [007] ..s. 443032.404149: 0: skb cb: 3
          -0     [007] ..s. 443032.404150: 0: skb cb: 4

在之前的源代码中，添加如下函数：

__section("newloop")
int newlooper(struct __sk_buff *skb)
{
    printk("skb end in new looper: cb: %u\n", skb->cb[0]);
    return TC_ACT_OK;
}

# build
clang -g -c -O2 -target bpf -c tail.c -o tail.o

# update func
tc exec bpf graft m:globals/jmp_map key 0 obj tail.o sec newloop
# 特别注意：由于centos8自带的tc版本太低，无法更新，需要使用高版本的tc.可使用cilium自带的tc
# docker run -it --name=mytest --network=host --privileged -v $PWD:/hosts/ -v /sys/fs/bpf:/sys/fs/bpf -v /run/cilium/cgroupv2/:/run/cilium/cgroupv2 cilium:v1.12.7 bash 进入容器后，执行上面的命令

# 结果检查
cat /sys/kernel/debug/tracing/trace_pipe

2. send_trace_notify 跟踪

send_trace_notify –> ctx_event_output –> skb_event_outputevent_output

// 调用样例
send_trace_notify(ctx, TRACE_FROM_LXC, SECLABEL, 0, 0, 0,
        TRACE_REASON_UNKNOWN, TRACE_PAYLOAD_LEN);

// 函数定义
send_trace_notify(struct __ctx_buff *ctx, enum trace_point obs_point,
      __u32 src, __u32 dst, __u16 dst_id, __u32 ifindex,
      enum trace_reason reason, __u32 monitor)

msg = (typeof(msg)) {
    __notify_common_hdr(CILIUM_NOTIFY_TRACE, obs_point),  // 事件大类：CILIUM_NOTIFY_TRACE，子类：obs_point
    __notify_pktcap_hdr(ctx_len, (__u16)cap_len),
    .src_label  = src,   // 源对象id  cilium identity list, identity 全局唯一
    .dst_label  = dst,   // 目的对象id
    .dst_id    = dst_id, // 不同的子类，id取值不同
    .reason    = reason,  // 原因标识
    .ifindex  = ifindex, // 不同的子类，取值类型不同
  };

ctx_event_output(ctx, &EVENTS_MAP,
       (cap_len << 32) | BPF_F_CURRENT_CPU,
       &msg, sizeof(msg));

上报的信息，就是harbor展示的数据来源。

信息说明    

1. 发送的信息，会放在ring buffer中。如果未读取，会进行覆盖写入。

2. 这个buffer是cpu级别的，每个cpu中都会有一个独立的。

3. 读取时，需要指定读取哪个cpu，-1表示读取所有cpu中的信息。

4. 读取event的具体细节，可参考：

   https://man7.org/linux/manpages/man2/perf_event_open.2.html

下面为cilium使用go实现了perf读取库的使用说明："github.com/cilium/ebpf/perf"

cilium目前的信息结构说明：

cilium monitor可以读取perf信息，并且能基于identity进行过滤，具体使用可参考该命令说明。

var err error

path := oldBPF.MapPath(signalmap.MapName)
signalMap, err := ebpf.LoadPinnedMap(path, nil)
if err != nil {
  log.WithError(err).Warningf("Failed to open signals map")
  return
}
events, err = perf.NewReader(signalMap, os.Getpagesize())
if err != nil {
  log.WithError(err).Warningf("Cannot open %s map! Ignoring signals!",
    signalmap.MapName)
  return
}

go func() {
  log.Info("Datapath signal listener running")
  for {
    record, err := events.Read()
    switch {
    case err != nil:
      signalCollectMetrics(nil, "error")
      log.WithError(err).WithFields(logrus.Fields{
        logfields.BPFMapName: signalmap.MapName,
      }).Errorf("failed to read event")
    case record.LostSamples > 0:
      signalCollectMetrics(nil, "lost")
    default:
      signalReceive(&record)
    }
  }
}()

消息结构如下：

总体分两大类：

1. lost count，用于记数：数据包丢弃数。

2. 详细报文说明。

各种sample数据格式说明。

cilium monitor使用样例。

# 使用cilium monitor查看网络策略执行情况：
# remoteID 表示针对对象
# ingress/egress表示入与出流量
# action表示策略结果
cilium monitor -t policy-verdict 
Listening for events on 8 CPUs with 64x4096 of shared memory
Press Ctrl-C to quit
level=info msg="Initializing dissection cache..." subsys=monitor
Policy verdict log: flow 0x95e0951 local EP ID 2467, remote ID kube-apiserver, proto 6, ingress, action allow, auth: disabled, match L3-L4, 172.18.0.6:46866 -> 172.18.0.8:2380 tcp SYN
Policy verdict log: flow 0x580738e1 local EP ID 2467, remote ID 16777218, proto 6, ingress, action allow, auth: disabled, match L3-L4, 172.18.0.2:40122 -> 172.18.0.8:6443 tcp SYN
Policy verdict log: flow 0x4dfe98a0 local EP ID 2467, remote ID kube-apiserver, proto 6, ingress, action allow, auth: disabled, match L3-L4, 172.18.0.4:52314 -> 172.18.0.8:2380 tcp SYN
Policy verdict log: flow 0xb3af0a31 local EP ID 2467, remote ID kube-apiserver, proto 6, egress, action allow, auth: disabled, match L3-L4, 172.18.0.8:42736 -> 172.18.0.6:2380 tcp SYN
Policy verdict log: flow 0xfdb19557 local EP ID 2467, remote ID kube-apiserver, proto 6, egress, action allow, auth: disabled, match L3-L4, 172.18.0.8:46246 -> 172.18.0.4:2380 tcp SYN
Policy verdict log: flow 0x5438a30a local EP ID 2467, remote ID 16777218, proto 6, ingress, action allow, auth: disabled, match L3-L4, 172.18.0.2:40164 -> 172.18.0.8:6443 tcp SYN

endpoint id，可通过这个方式查到。

展望

跟踪只允许基于endpointID进行跟踪，无法基于ip、端口等信息，当网络流量在多个节点中流转时，无法有效的进行跟踪。

这一块可基于数据分析组件来实现，它可以导出json结构数据，采集统一汇总分析统计。

1.访问入口与目标pod在同节点上，ip nat情况：

2.访问入口与目标pod在同节点上，流量跟踪情况：

可以看到，源端口在网络流转中是不变的，可以基于此作为跟踪线索。

可基于es+kibana,将cilium trace相关数据统一在es中存储，并基于kibana展示，如下图所示：

红色框分别为源ip、目标ip、源端口、目标端口。而特殊的flb_host_ip是坐着在采集时添加的节点主机的ip，用来分析不同主机间的流量。

作者：沃趣科技产品研发部

更多技术干货请关注公号【云原生数据库】

squids.cn，云数据库RDS，迁移工具DBMotion，云备份DBTwin等数据库生态工具。

irds.cn，多数据库管理平台（私有云）。