RDMA RoCEv2、AWS SRD/EFA和阿里云HPCC

編者按：

本文是《軟硬件融合——超大規模云計算架構創新之路》圖書內容的節選。云計算系統持續解構，東西向網絡流量激增，服務器堆棧延遲問題凸顯。要想提升數據中心網絡性能，大體上通過如下措施：

（1）網絡容量升級，例如整個網絡從25Gbps升級到100Gbps；

（2）輕量協議棧，數據中心網絡是局域網絡，距離短/延遲敏感，不需要復雜的用于全球互聯的TCP/IP協議棧；

（3）網絡協議處理硬件加速；

（4）高性能軟硬件交互：高效交互協議 + PMD + PF/VF/MQ；

（5）擁塞控制：低延遲、高可靠性（低性能抖動）、高網絡利用率。

案例：RDMA RoCEv2、AWS SRD/EFA和阿里云HPCC。

1 高速網絡接口RDMA/RoCEv2

RDMA是一整套高性能網絡傳輸技術的集合，不僅僅是軟件和硬件的接口。RDMA的軟件和硬件接口，并沒有形成如同存儲NVMe那樣非常嚴格的標準。本節通過RDMA以及RoCEv2的相關介紹，使大家對高性能網絡傳輸接口以及協議棧有個整體的認識。

1.1 基本概念

RDMA（Remote Direct Memory Access，遠程直接內存訪問）是一種高帶寬、低延遲、低CPU消耗的網絡互聯技術，克服了傳統TCP/IP網絡的許多困難。RDMA技術體現在：

Remote（遠程）：數據在網絡中的兩個節點之間傳輸。

Direct（直接）：不需要內核參與，傳輸的所有處理都卸載到NIC硬件中完成。

Memory（內存）：數據直接在兩個節點的應用程序的虛擬內存間傳輸；不需要額外的復制和緩存。

Access（訪問）：訪問操作有send/receive、read/write等。

如圖1，RoCE（RDMA over Converaged Ethernet）v1是基于現有Ethernet網絡實現RDMA的一項技術。RoCEv1允許在現有以太網基礎上實現RDMA技術，實現接近InfiniBand的性能和延遲指標，但不需要將現有網絡基礎設施升級成昂貴的InfiniBand，節約了大量的支出。RoCEv2基于標準網絡的以太網（Ethernet PHY/MAC）、網絡層（IP）和傳輸層（UDP）協議，這可以使得RoCEv2的網絡流量可以經過傳統的網絡路由器路由。

圖1 RDMA所使用的InfiniBand、RoCEv1/v2、iWARP技術對比

1.2 RoCE分層

RoCEv2是當前數據中心比較流行的RDMA技術，我們以RoCEv2為例，介紹RoCE的系統分層。

如圖2所示，RoCEv2自下而上分為：

以太網層：標準的Ethernet協議，即網絡五層協議物理層和數據鏈路層。

網絡層（IP）：即網絡五層協議中的網絡層。

傳輸層（UDP）：即網絡五層協議中的傳輸層（選用UDP協議而不是TCP協議）。

IB傳輸層（Transport Layer）：IB傳輸層負責數據包的分發、分割、通道復用和傳輸服務。接收方會確認數據包，然后把確認信息發動到發送方，發送方會根據這些確認信息更新完成隊列。

RDMA硬件數據引擎層（Data Engine Layer）：負責內存隊列和RDMA硬件之間工作/完成請求的數據傳輸等。

RDMA接口驅動層：負責RDMA硬件的配置管理，負責隊列和內存的管理，負責工作請求添加到工作隊列中，負責完成請求的處理等。

Verbs API層：接口驅動的封裝。管理連接狀態、管理內存和隊列訪問、提交工作給RDMA硬件、從RDMA硬件獲取工作和事件。

ULP層：OFED ULP（Upper Layer Protocol，上層協議）軟件庫，提供了各種軟件協議的RDMA verbs支持，讓上層應用可以無縫移植到RDMA平臺。

應用層：分為兩類，RDMA原生的應用，基于RDMA verbs API開發；另外，OFA提供了可以無縫兼容已有應用的OFED協議棧，讓已有的應用可以無縫的使用RDMA功能。

圖2 RoCEv2分層

1.3 RDMA接口

RDMA并沒有約束嚴格的軟硬件接口，各家的實現各有不同，只需要支持RDMA的隊列機制即可。Verbs API則是開源的標準的接口，具體的軟硬件接口實現需要通過驅動對接到Verbs API。

a.RDMA工作隊列

軟件驅動和硬件設備的交互通?；谏a者消費者模型，這樣能夠實現異步的交互，實現軟件和硬件的解耦。RDMA接口中驅動和設備的交互也是如此，RDMA軟硬件共享的隊列數據結構稱為工作隊列（Work Queue）。

如圖3所示，工作隊列是軟件驅動和硬件RDMA交互的共享Queue。驅動負責把工作請求（Work Request）添加到工作隊列，成為工作隊列中的一項，稱為工作隊列項（Work Queue Element）。RDMA硬件設備會負責WQE在內存和硬件之間的傳輸，并且通過RDMA網絡最終把WQE送到接收方的工作隊列中去。最后，接收方RDMA硬件會反饋確認信息給到發送方RDMA硬件，發送方RDMA硬件會根據確認信息生成完成隊列項（Completion Queue Element）發送到內存的完成隊列（Completion Queue）。

圖3 RDMA數據傳輸模型——工作隊列

RDMA Queue類型有：

發送隊列（Send Queue）：用于發送數據消息。

接收隊列（Receive Queue）：用于接收輸入的數據消息。

完成隊列（Completion Queue）：完成隊列主要是用于實現RDMA操作異步的實現。

隊列對（Queue Pair）：發送隊列和接收隊列組成一組隊列對。

b.Verbs API操作

RDMA Verbs是提供給應用程序使用的最底層的RDMA功能抽象，RoCEv2中的Verbs操作主要有兩類：

Send/Recv。類似于Client/Server結構，發送操作和接收操作協作完成，在發送方連接之前，接收方必須處于偵聽狀態；發送方不知道接收方的虛擬內存位置，接收方也不知道發送方的虛擬內存地址。不同的是RDMA Send/Recv因為是直接對內存操作，因此需要提前注冊用于傳輸的內存區域。

Write/Read。與Client/Server架構不同，Write/Read是請求方處于主動，響應方處于被動。請求方執行Write/Read操作，響應方不需要做任何操作。為了能夠操作響應方的內存，請求方需要提前獲得響應方的地址和鍵值。

1.4 RDMA總結

計算機網絡中的通信延遲主要是指：處理延遲和網絡傳輸延遲。處理延遲開銷指的就是消息在發送和接收階段的處理時間。網絡傳輸延遲指的就是消息在發送和接收之間的網絡中傳輸的時間。在通常的南北向網絡流量場景，基本都是遠距離傳輸，網絡傳輸延遲占了絕大部分，因此處理延遲問題并沒有凸顯。

隨著云計算技術的發展，需要頻繁的在集群服務器之間傳遞數據流量，數據中心中的東西向網絡流量激增。在數據中心的短距離傳輸下，網絡傳輸延遲大幅度縮小，處理延遲問題開始凸顯。另外，東西向流量本身就是流量大、延遲敏感的應用場景，這要求進一步的優化處理延遲。如圖4，RDMA不僅僅是一種高效的用于數據傳輸的軟硬件接口，更是一種通過硬件實現網絡數據傳輸加速的軟硬件整體解決方案。

圖4 RDMA傳輸模型

跟傳統的TCP/IP網絡技術相比，RDMA技術的優勢體現在：

更高效的協議棧：InfiniBand相比傳統的TCP/IP網絡協議棧更加高效，RoCEv2使用了UDP，相比TCP更高效一些。因為是用于局域網的數據傳輸，數據的丟包率會低很多，UDP有更優的性能。

協議棧硬件卸載：整個RDMA協議棧處理完全由硬件完成，進一步提升性能，并且降低CPU資源消耗。

直接內存操作：內存一旦注冊，數據就可以直接在內存和內存之間拷貝，不需要經過內核協議棧層的發送接收方各一次的拷貝；

操作系統 Bypass：沒有了內核協議棧，用戶空間驅動直接繞過內核，減少了操作系統模式切換的開銷；

異步操作：一次事務操作分為發送Request（請求）和接收Completion（完成），這樣就不會阻塞傳輸。

2 高性能網絡優化

在基礎網絡、硬件加速以及網絡接口都確定的情況下，為了更充分的利用網絡容量，達到網絡的高性能的同時防止性能抖動，就需要進行網絡擁塞控制。

a.網絡擁塞控制簡介

網絡中如果存在太多的數據包，會導致數據包的延遲，并且會因為超時而丟失，從而降低了傳輸性能，這種情況稱為擁塞(Congestion) 。高性能網絡非常重要的一個方面，就是在充分利用網絡容量，提供低延遲網絡傳輸的同時，盡可能的避免網絡擁塞。

如圖5(a)所示，當主機發送到網絡的數據包數量在其承載能力范圍之內時，送達的數據包數與發送的數據包數成正比例增長。隨著負載接近網絡承載能力，偶爾突發的網絡流量會導致擁塞崩潰。如圖 8.16(b)所示，為加載的數據包和延遲的函數關系，可以看到，當加載的數據包增加到接近承載上限的時候，其延遲時間是急劇上升的。

(a) 實際吞吐率的擁塞崩潰 (b) 延遲成指數上升

圖5 網絡擁塞導致的吞吐率和延遲問題

說明：擁塞控制和流量控制不是一回事：擁塞控制的目標是確保網絡能夠承載所有到達的流量，這是一個全局性的問題；相對的，流量控制只與特定的發送方和特定的接收方之間的點到點流量有關，流量控制的目標是確保一個快速的發送方不會持續地以超過接收方接收能力的速率傳輸數據。

針對擁塞所采取的辦法有很多種，根據解決方案效果的從慢到快，介紹如下：

避免擁塞的最基本方法是建立一個與流量匹配的網絡，需要根據流量的利用率增長趨勢提前升級網絡；

充分利用現有網絡容量，根據不同時刻的流量模式度身定制路由，這稱為流量感知的路由；

增加網絡容量需要時間，因此解決擁塞的最直接的辦法就是降低負載。比如拒絕新連接的建立，這稱為準入控制；

當擁塞即將到來前，網絡可以給造成擁塞問題的源端傳遞反饋信息，要求源端抑制它們的流量；

當一切努力均失敗，網絡不得不丟棄它無法傳遞的數據包，這稱為負載脫落。

擁塞控制算法的目標是：

更加易于避免擁塞，即找到一種優化的帶寬分配方法。一個優化的帶寬分配方法能帶來更好的性能，因為它能充分利用所有的可用帶寬卻能避免擁塞；

并且，此帶寬分配算法對于所有傳輸是公平的，既能保證大流量數據流的快速傳輸，又能保證小流量數據流的及時傳輸；

最后，擁塞控制算法能夠快速收斂到公平高效的帶寬分配。

b.阿里云HPCC，RDMA擁塞控制優化

在過去的十年中，數據中心網絡的端口帶寬已從1 Gbps增長到100 Gbps，并且這種增長還在持續。越來越多的應用程序要求更低的延遲和更高的帶寬，在數據中心，有兩個重要的趨勢驅動著對高性能網絡的需求：

第一個趨勢是新的數據中心架構。例如資源解構和異構計算：在資源解構中，CPU需要與GPU、內存和磁盤等遠程資源進行高速網絡互聯；在CPU和加速器解構的異構計算環境中，不同的計算芯片也需要（通過網絡）高速互連，并且延遲越小越好。

第二個趨勢是新的應用程序。例如運行于高速IO介質（如NVMe）上的存儲，以及在GPU和ASIC之類的加速計算設備上進行大規模機器學習訓練。這些應用程序會定期的傳輸大量數據，其存儲和計算速度非?？?，性能的瓶頸通常是網絡傳輸。

傳統的基于軟件的網絡堆棧不再能夠滿足關鍵的延遲和帶寬要求，將網絡堆棧卸載到硬件中是高速網絡中的必然方向。在數據中心中的部署RoCEv2，通過RDMA進行網絡傳輸，是當前主要的硬件卸載解決方案。不幸的是，大規模的RDMA網絡在平衡低延遲、高帶寬利用率和高穩定性方面面臨根本的挑戰。經典的RDMA擁塞機制，例如DCQCN和TIMELY算法，具有一些局限性：

收斂緩慢。對于粗粒度的反饋，例如ECN（Explicit Congestion Notification，顯式擁塞通知）或RTT（Round-Trip Time，傳輸往返時間），擁塞方案無法確切知道增加或降低發送速率的程度，使用啟發式方法推測速率更新，迭代收斂到穩定的速率。

不可避免的數據包排隊。DCQCN利用ECN標記來判斷擁塞風險，TIMELY使用RTT增加來檢測擁塞。兩個算法都是在隊列建立后，發送方才開始降低流量，這些堆積的隊列會大大增加網絡延遲。

復雜的參數調整。例如，DCQCN有15個參數可以調整，操作員在日常RDMA網絡維護中要面對復雜且耗時的參數調整，這會大大增加配置錯誤的風險，這些錯誤配置會導致不穩定或性能下降。

HPCC（High Precision Congestion Control，高精度擁塞控制）背后的關鍵思想是利用INT（In-Network Telemetry，網絡內遙測）提供的精確的鏈路負載信息來計算準確的流量更新，HPCC在大多數情況下僅需要一個速率更新步驟。HPCC發送方可以快速提高流量以實現高利用率，或者降低流量以避免擁塞；HPCC發送者可以快速調整流量，以使每個鏈接的輸入速率略低于鏈接的容量，保持高鏈接利用率；由于發送速率是根據交換機直接測量的結果精確計算得出的，HPCC僅需要3個獨立參數即可調整公平性和效率。

如圖6，HPCC實現為由發送者驅動的擁塞控制框架。接收方確認發送方發送的每個數據包。數據包從發送方傳輸到接收方的過程中，路徑上的每個交換機都利用INT功能插入一些元數據，這些數據報告了數據包出口的當前負載。當接收方收到數據包后，它將所有的元數據復制到ACK消息中。發送方根據ACK信息決定如何調整流量。

圖6 HPCC框架示意圖

圖7為基于FPGA可編程NIC上的HPCC實現，NIC提供了一個FPGA芯片，并且用了基礎的PCIe以及MAC模塊，PCIe連接到主機內存，MAC模塊連接到以太網。HPCC模塊位于PCIe和MAC之間，實現發送方和接收方的角色。擁塞控制（CC）模塊實現了發送方擁塞控制算法，它接收RX方向返回的ACK信息，根據這些信息調整發送窗口和速率，并且更新新的發送窗口和速率到流量調度器。

圖7 支持HPCC的FPGA NIC實現

通過測試平臺實驗和大規模仿真，與DCQCN、TIMELY等方案相比，HPCC對可用帶寬和擁塞的反應更快，并保持接近零的隊列。在32臺服務器測試平臺中，在50％的流量負載下HPCC在中位數保持隊列大小為零，當負載達到99%的情況下，隊列大小為22.9KB（僅需要7.3μs的排隊延遲）。與DCQCN相比，它使99％負載情況下的延遲減少了95％，而不會犧牲吞吐量。在320臺服務器的測試中，即使DCQCN和TIMELY方案頻繁發生PFC（Priority Flow Control，基于優先級的流量控制）風暴的情況下，HPCC也不會觸發PFC暫停。

c.AWS的SRD和EFA

EFA（Elastic Fabric Adapter，彈性互聯適配器）是AWS EC2實例的一種網絡接口，EFA性能改進主要通過三項關鍵技術：

應用程序繞過操作系統內核直接與硬件對話，這提高了應用程序性能的穩定性；

持續開發和調整ENA和設備驅動程序以適應新的高帶寬實例類型；

新的以云為中心的可靠性協議層，稱為SRD（Scalable Reliable Datagram，可擴展可靠數據報）。

如圖8，EFA定制的操作系統旁路硬件接口增強了實例間通信的性能。借助EFA，使用消息傳遞接口（MPI）的高性能計算（HPC）應用程序和使用NVIDIA集體通信庫（NCCL）的機器學習（ML）應用程序可以擴展到數千個CPU或GPU，并且，將獲得本地HPC集群的應用程序性能以及AWS云的按需彈性和靈活性。

圖8 基于EFA的HPC網絡協議棧

SRD是專為AWS設計的可靠的、高性能的、低延遲的網絡傳輸。這是數據中心網絡數據傳輸的一次重大改進，已實現為AWS第三代NITRO芯片的一個重要功能。SRD受InfiniBand可靠數據報的啟發，與此同時，考慮到大規模的云計算場景下的工作負載，SRD也經過了很多的修改和改進。SRD利用了云計算的資源和特點（例如AWS的復雜多路徑主干網絡）來支持新的傳輸策略，為其在緊耦合的工作負載中發揮價值。SRD的主要功能包括：

亂序交付：取消按順序傳遞消息的約束，消除了行首阻塞，AWS在EFA用戶空間軟件堆棧中實現了數據包重排序處理引擎。

等價多路徑路由（ECMP）:兩個EFA實例之間可能有數百條路徑，使用大型多路徑網絡的一致性流哈希的屬性，以及SRD對網絡狀況的快速反應能力，找到消息的最有效路徑。數據包噴涂（Packet Spraying）可防止擁塞熱點，并可以從網絡故障中快速而無感地恢復。

快速的丟包響應：SRD對丟包的響應比任何高層級的協議都快得多。偶爾的數據包丟失是正常網絡操作的一部分，這不是異常情況。

可擴展的傳輸卸載：使用SRD，與其他可靠協議（如InfiniBand可靠連接IBRC）不同，一個進程可以創建并使用一個隊列對與任何數量的對等方進行通信。

表1為SRD和TCP、InfiniBand網絡的功能特征對比：

表1 TCP、InfiniBand以及SRD的特征比較

如圖9所示，EFA非常明顯的提高了帶寬利用率（接近于線速100 Gbps），同時還明顯的減少單數據包延遲，并且基于SRD的鏈接失效的處理，其性能抖動也變得非常的小。

(a) EFA的帶寬性能對比 (b) EFA的延遲性能對比

(c) SRD與TCP的性能抖動對比

圖9 EFA/SRD的HPC性能

審核編輯 ：李倩