基于SR-IOV的高性能I/O虚拟化研究与优化

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:wxhxfb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
云计算平台大多基于虚拟机技术,在云计算平台上运行的应用程序性能又相当部分取决于平台虚拟机之间的I/O性能。因此,高性能网络连接,如10G以太网,已经开始部署在云计算平台中。而构建高性能并且具有高伸缩性的I/O虚拟化框架就是虚拟云计算平台的重要挑战之一。单根I/O虚拟化(SR-IOV)是由PCI-SIG制定的I/O虚拟化标准,适用于高性能的网络环境。SR-IOV通过利用直接I/O技术,消除了额外数据包复制和虚拟网络交换机带来的性能开销,实现了接近物理机的I/O性能,因此SR-IOV正逐步在虚拟云平台流行起来。然而,SR-IOV仍然存在着严重的I/O性能瓶颈,比如冗余中断和单线程驱动模型。在这篇文章里,我们首先研究了10G以太网环境下SR-IOV的性能表现,并且找到了两个亟待解决的挑战。第一,当多个虚拟机同时进行I/O的时候,SR-IOV可能会产生超出预期的冗余中断并导致大量CPU额外开销。第二,使用单线程驱动模型的SR-IOV不能完全利用多核计算资源,从而不能最大化利用网络带宽。针对这两个挑战,我们经过理论分析和实验验证,提出了两点增强SR-IOV伸缩性和吞吐量的优化方案。第一个优化使用动态自适应中断频率控制技术来减少由冗余中断导致的CPU额外开销。我们基于对中断频率和I/O性能的数学分析,提出了动态自适应中断频率控制算法,然后设计了一种相应的中断频率控制机制,这种机制既能最大化吞吐量又能使得CPU的额外开销最少。而CPU开销减少的结果是同样的硬件平台能够承载更多的虚拟机,从而提升了系统的伸缩性。第二个优化是多线程并行化驱动模型,使得SR-IOV可以完全利用多核资源。多线程并行化驱动模型是一种适用于高性能网络的驱动模型,可以通过充分利用多核计算资源来达到更高的网络吞吐量。我们实现了这些优化并且进行了全面的实验测试及详细的分析评估。实验结果表明,动态自适应中断频率控制可以在保持高吞吐量和高响应速度的同时至多减少51.4%(相当于1.53个处理器核心)的CPU利用率;多线程并行化驱动模型则最多可以提升38%的吞吐量并降低22%的丢包率。
其他文献
检索系统是在海量信息中查找有用信息重要工具。信息检索的重要问题是文档与问句相似度的计算方法。围绕这个问题,提出了多种检索模型,其中向量空间模型是比较成功并且应用
本文在调研多家制造企业的绩效考核与薪资计算管理现状以后,深入研究了面向制造企业的CERP(Cost-based Enterprise Resource Planning)环境下的绩效考核模型.该模型涵盖了从
传统的信息过滤技术仅仅根据用户兴趣做信息过滤和推荐,难以满足用户的要求。本文提出了一种基于本体论的信息过滤方法。把过滤用户分成两类:没有经验的过滤用户和有经验的过
近年来,由于计算机网络通信技术的迅速发展,集中式数据库已不能满足处理异地数据的需要,由此产生了分布式数据库。经过多年的研究与发展,分布式数据库己成为数据库的主流技术之一
星载高度计、散射计是两种重要的有源微波遥感器,其地面系统级测试和定标,则是设备研制过程中必不可少的环节。海面回波模拟器是地面检验星载高度计、散射计性能的关键设备,
网络处理器是针对网络处理而优化设计的专用指令集处理器。其底层硬件体系结构经过特殊的设计能够以线速率处理和传输网络数据包。但程序员为了编写有效的网络处理程序必须熟
  由Eckhorn神经元模型得到的脉冲耦合神经网络模型(PCNN)是直接观察猫的视觉皮层神经细胞并模拟其活动而得到的人工神经网络模型。此算法在图像分割领域中,已经显示出了其
聚类分析是数据挖掘的重要研究课题,它是数据挖掘研究的重要内容、手段和工具,因而成为一个被不断探索并充满创新的研究主题。离群知识发现是近年来倍受数据挖掘研究者关注的一
随着网络技术的飞速发展和下一代网络概念的提出,越来越多的人希望通过IP 网络进行包括话音、视频、数据在内的多媒体通信。SIP(会话初始化协议)就是在这种背景下由IETF提出
本文对GregoryM.Nielson2004年提出的Dual-MC表面重建算法进行了探讨,提出了一种Dual-MC算法的改进方法,使得为构建Dual-of-the-Dual表面所需生成的面片数减少到原来的5%。