交流会小结

上周五去北航参加了一个文件系统和存储的交流会,是华为牵头办的,小会议,参会不到30个人。本人水平有限,只能挑一些听懂的留个笔记。


陆游游/

首先是清华大学的陆游游同学讲一个全新设计的基于FLASH存储的文件系统。大概思路是将存储管理和SSD上的FTL合并在一起做成一层,还利用NAND片上每个PAGE的额外存储空间存放一些元数据以在机器断电重启后重新沿链接找回数据(这样就可以不用journal了,似乎也可以认为是把journal放在了PAGE的额外存储空间里),然后在上面架一个新的简化的文件系统做基本的namespace管理。这个思路跟DFS有点像,不过DFS只是上面那一层薄薄的namespace管理,下面就交给Fusionio的firmware了。

华为的谢美伦介绍了手机终端上几种常用文件系统的评测。Android上当然首推ext4,但是后起之秀f2fs更简单且随机写性能不输ext4(这点大家有争论,有人认为这个评测应该写满存储卡再全删掉,再重新测试,也就是要把FTL打乱了再测,会更公正),不过来自阿里云的刘铮表示:google倾向于在服务器和手机上使用统一的文件系统即ext4以方便维护。看来f2fs虽然更贴合NAND,但是大厂支持上还不够丰富。

来自百度的杨勇强介绍了百度的分布式存储和文件系统。这个,互联网的玩法太相似了,主从结构,erasure code,就不累述了。讲到中途的时候,来自华为存储部门的几个工程师问了很多分布式环境下锁的问题,发现互联网由于应用和底层都是自己写,所以可以玩很多花招,比如一个文件只允许一个写进程操作等等,而且,互联网公司不怕内核panic,反正是负载均衡,宕机一台重启就可以了,所以对底层软件的稳定性也没有太多要求。他们深感做企业存储不得不高效的实现整个POSIX,比互联网的分布式存储难做多了。也有工程师向百度提问为什么用ARM服务器?真的那么需要省电吗?百度的谢广军回答说省电是必要的,一台两路服务器光xeon CPU耗电就到了85瓦,换成ARM变成几瓦,还是挺明显的。

最后由来自华为的程菊生博士介绍已经广泛宣传的OceanStore 9000,最大40PB的存储集群。我们几个人马上提问:用的是以太网还是Infiniband?答曰Infiniband,大家相视而笑,这年头,高端一点的企业存储不用Infiniband根本不行,延时降不下来啊。OceanStore 9000里既有硬盘也有SSD,SSD用来做自动分层的缓存层(这大概是为了成本),其中硬盘用RAID 2.0的方式组织,以加快坏盘后的数据恢复速度。


交流会/

纯个人感受,做存储(泛泛而谈,不专指企业存储),底层和架构就是那些,Infiniband啊,主从结构啊,RAID啊,双控啊,各家的都差不太多。就看怎么拼在一起,怎么处理一系列细节问题了,换句话说,看的是各家的节操 🙂

LSF/MM Summit 2014

作者:刘峥

今年LSF/MM会议的内容lwn.net上已经有文章进行详细的介绍了。鉴于我本人分身乏术造成mm track基本没有听,同时会上讨论的有些问题本人理解也十分有限,所以推荐大家还是去lwn.net上看一下上面的文章。这里仅仅是总结我认为比较重要和关注的问题,希望通过这篇文章能让大家了解目前Linux Kernel在文件系统、存储和内存管理方面需要解决的问题。

这次的LSF/MM会议的议题基本可以分为三个大的部分:

  1. Linux Kernel目前存在的问题
  2. 来自业界和社区的分享
  3. 新技术带来的新问题

尽管1中的议题占了会议的大部分时间,但是个人感觉这次LSF/MM最重要的是2、3两部分。而且会对未来一段时间的内核开发带来较大的影响。

1. Linux Kernel目前存在的问题

这一部分包含了如下内容:

  1. Page Cache的相关问题
  2. 测试
  3. blk-mq的相关问题
  4. direct I/O

1) Page Cache的相关问题

这次LSF/MM上关于page cache的讨论有两个,一个是关于32位机器上大空间块设备寻址的历史遗留问题;另一个是支持大于4k内存页的page cache。

32位机器上对于大空间块设备寻址是一个历史遗留问题。这个问题说来很简单,32位机器的内存寻址范围是2^32=4GB,目前Linux Kernel常规内存页大小为4k,因此对于系统page cache来讲,最大可以支持的磁盘设备的容量为4GB x 4KB = 16TB。由于目前嵌入式设备和ARM服务器的广泛使用,出现了32位系统对于超过16TB大容量块设备使用的需求。对于这个问题大家的意见还是就不要解决了,如果用户真的想用,内核会给出信息提示用户这种使用方法的风险。

目前Linux Kernel其实已经有针对Anonymous Page的大页支持了。但是对于page cache,目前Linux Kernel仍然仅支持4k大小。调大page cache的好处是减少内存页管理的开销。目前看,page cache大页支持的关键仍然是防止内存的碎片化,让page cache支持大页并没有想象中那么困难。page的迁移和压缩功能在此前实现Anonymous Page大页时已经基本实现了。目前的问题主要是如何解决那些不能移动的内存页。尽管大家也提出了一些建议,但是似乎问题仍然比解决方法多。

此外,Dave Chinner还提到了让文件系统支持大于page size的block size。目前Linux下主流的Ext4、XFS、Btrfs文件系统的block size大小均为4k。Dave的想法是能否借助目前增大page cache的机会来突破这一限制。同时,这样带来的一个副作用就是buffer_head彻底退出历史舞台。在2.6内核中buffer_head作为IO请求的核心作用已经被bio所取代。但是,目前仍然有大量文件系统的代码,特别是文件系统的元数据信息需要使用buffer_head。buffer_head的使用给文件系统开发者带来了很多不必要的麻烦。问题其实都是老生常谈了,但是真想解决确实难度不小,由于buffer_head的使用涉及诸多文件系统,对它的任何修改都不容易。

最终的结论还是那句很简单的“show me the code”。各位可以关注fsdevel@ 和mm@ 邮件列表,最近会有补丁。

2) 测试

继去年xfstests讨论之后,今年Dave Chinner和Dave Jones继续讨论测试的话题。讨论从xfstests开始,说是讨论不如说是抱怨,很多人在抱怨xfstests目前存在的问题。这些大家直接去看lwn.net上的文章就好了。本人表示比较关心的是Dave Chinner对于目前Redhat内部xfstests对于XFS和Ext4的测试覆盖率的说明。目前Redhat内部对于XFS的测试覆盖率约为75%,而Ext4的测试覆盖率仅为65%。本人表示怪不得有那么多Ext4的bug需要我来修呢。。。其实在后面Ext4 Workshop上依然有关于测试相关的话题,Redhat当时简单说明了他们对于文件系统的测试情况。应该说测试的还是很全面的,所以大家放心。

而James Bottomley提出目前其实社区缺少性能回归测试。本人觉得这是切中要害,目前无论是文件系统还是内存管理的开发者,提交补丁前大部分仅做了功能性测试和压力测试,没有一个很好地性能回归测试对修改前后的性能进行比较。而这也造成了Linux Kernel不同版本之间存在较大性能差异的原因。

3) blk-mq的相关问题

blk-mq本身已经合并到upstream内核中了。这次讨论的是前不久Christoph Hellwig关于scsi-mq的补丁。目前计划是在3.16版本的时候开始合并scsi-mq的相关补丁。现在的问题是还存在一些性能退化的问题和驱动的支持问题。

4) direct I/O

direct I/O绝对是一个老生常谈的问题,Kent Overstreet今年继续讨论如何改进direct I/O。其实大家目前对于direct I/O改进的目标是明确的,即重构代码,不使用buffer_head结构,而是直接使用bio来提交IO请求,从而简化代码路径。今年讨论的是如何实现这一目标。Kent的想法是借鉴目前buffered I/O路径的实现,通过回调函数的方法让文件系统对应磁盘块的分配信息,然后由VFS负责刷新page cache。个人觉得direct I/O去掉buffer_head中最复杂的部分是get_block()这个回调函数。因为有buffer_head的存在,目前文件系统的元数据在从磁盘上读取之后是可以保存在内存中的,而换用bio之后,这些元数据信息要么每次从磁盘读取,要么需要单独的结构来进行保存。而目前文件系统的get_block()函数是同步的,这个性能开销是用户完全不能接受的。所以明显需要一个数据结构来保存曾经访问过的文件系统元数据。

2. 来自业界和社区的分享

这一部分包含了如下内容:

  1. 来自PostgreSQL社区的声音
  2. Facebook目前遇到的问题与挑战

1) 来自PostgreSQL社区的声音

这次请PostgreSQL的开发者来LSF/MM的目的就是听取应用开发对于目前内核开发的一些建议。事情的起因是PostgreSQL最近在新内核上出现的性能退化以及长久以来磁盘IO方面存在的问题。首先要说明的是PostgreSQL目前所有的IO操作都是buffered IO(我一直以为是高大上的direct IO)。这样就出现了PostgreSQL中目前解决的不是很好地问题。PostgreSQL目前使用的WAL会确保数据库事物的正确性。正常情况下,磁盘的带宽可以保证WAL写入的低延迟。但是当PostgreSQL开始回写脏数据的时候,由于大量的脏数据从PostgreSQL中拷贝到系统page cache中并sync写到磁盘,造成磁盘带宽短时间内被占满,从而影响PostgreSQL数据库整体的延迟。当然,大家提出的解决方法也有很多:ionice、cgroup等等,但是最终讨论没有结果。Ted希望PostgreSQL开发者能够出一个简单程序来复现问题,以便内核开发者复现问题。

第二个被讨论的问题是关于double buffering的问题。根源依然是buffered IO。由于PostgreSQL使用buffered IO,造成系统中内存的浪费,因此PostgreSQL开发者希望内核能够提供一个接口指明某个区域的page cache不再需要,从而可以减少内存开销。有人说明可以通过fadvise(2)+DONTNEED来完成。但是PostgreSQL的开发说这样会造成这些内存页被再次读回内存(按理说不应该啊)。

最后PostgreSQL讨论的内容是最近新内核上遇到的性能退化问题。主要是透明大页、NUMA等。但是大家讨论并没有什么结论性的东西。

2) Facebook目前遇到的问题与挑战

Chris首先介绍了一下目前Facebook内核部署情况。其中绝大多数是2.6.38内核;少量是3.2 stable + 250 patches;极少量3.8 stable + 60 patches。在backport的补丁中绝大多数是网络和内核调试相关的补丁。

对于目前Facebook遇到的问题主要在如下几个方面:

  1. 数据库(buffered IO延迟、spinlock抢占、细粒度IO优先级)
  2. Web日志(buffered IO限速)
  3. 内存回收和压缩(高阶内存分配的延迟过大、内存回收策略)
  4. 监控(某些时候仅仅靠dmesg不管用)

Chris指出在Facebook内部最常见的两个问题是Stable page和CFQ。提到这两个本人真是感同身受啊,所以目前阿里内核已经将stable page的补丁revert掉了(Google也这么干了^ ^)。

其实Facebook家尽管也是互联网公司,但是与Google各种高大上的分布式系统不同,构筑起Facebook的基石依然是MySQL数据库,所以数据库的性能对Facebook来讲是十分重要的。数据库这里提到的三个问题在阿里也是存在的,我们的数据库也会碰到buffered IO延迟高甚至某些情况下会将内核hang住的情况。spinlock的抢占对于本人更是印象深刻,去年双十一前压力测试就遇到过类似的问题。

对于buffered IO的延迟问题。其实与PostgreSQL遇到的问题类似,依然是回写数据过多造成磁盘带宽的短时间占满。这块的意见是让writeback线程具备ionice的功能,或者至少可以指定IO优先级,避免回写过多。同时Chris提到Josef已经修改了btrfs来限制buffered IO的速度(看来Facebook已经开始全线换用btrfs了)。

高阶内存分配延迟大、内存回收策略造成某些应用性能差这都是Linux Kernel多年来的老问题了。对于一个通用操作系统来讲,内存回收策略的修改很容易使某些应用性能提升的同时造成某些应用程序的性能退化。

可以说,互联网公司遇到的真的是有很多共通的问题。比如buffered IO延迟和回写带宽控制、内存回收策略、内存回收延迟等等。

3. 新技术带来的新问题

这一部分包含了如下内容:

  1. SMR硬盘的相关讨论
  2. Persistent Memory的相关讨论

1) SMR硬盘的相关讨论

SMR硬盘是未来传统机械硬盘发展的新方向。目前SMR硬盘的产品市面上已经可见。这种硬盘由于内部物理结构的改变,相比传统磁盘,SMR硬盘的随机写性能更差(传统硬盘已经很渣了)。所以为了规避SMR硬盘在随机写操作性能上的问题,目前由WD主推了一种新的SCSI协议ZBC。即通过主机和应用程序来主动控制数据写入的位置,从而避免因随机写引起的性能开销。关于SMR硬盘的具体介绍,请看此处(https://www.cs.cmu.edu/~garth/papers/05_feldman_022-030_final.pdf)。

LSF/MM上有两个议题是关于SMR硬盘的。其中一个是讨论目前的ZBC协议。这个其实没有什么特别需要说明的,只是协议各种细节的讨论...。另外一个议题则值得详细说明。即Ted Ts'o和Dave Chinner主持的关于SMR硬盘在文件系统上优化的议题。Dave Chinner给了一个突破常规的想法。既然目前所有文件系统都需要针对SMR硬盘进行优化,那么是否可以考虑将目前的文件系统进行分层。即分为namespace layer和block allocation layer。在namespace layer中,每个文件系统有自己的磁盘格式。然后通过统一的接口向block allocation layer请求分配磁盘空间。而block allocation layer则可以实现为不同的dm设备。针对不同的设备,实现不同的磁盘块分配算法,实现对不同设备的优化。比如dm-smr、dm-disk、dm-flash、dm-thinp等等。此想法确实新颖,但是问题也不少,首先就是开销问题。特别是对于互联网应用。所有应用程序都希望文件系统尽可能的薄,不要引入不必要的开销。而Dave的想法平白引入了一层,开销必然要增大。其次实现起来也过于复杂,需要为不同设备实现一个算法。最后,此前每个文件系统已经有自己的磁盘块分配算法了,而且可以针对每个文件系统的特点进行有针对性的优化。分开之后是否还能够有非常好的优化效果,目前还难以评估。因此Ted其实对这个想法的可行性持怀疑态度。Dave Chinner的想法可能预示着未来一段时间文件系统开发的一个新的方向。

2) Persistent Memory的相关讨论

对于Persistent Memory的支持本身社区已经有补丁了,并且最近就会被接收。这次主要讨论目前对于Persistent Memory支持中存在的一些问题。Intel的Matthew Wilcox提到了下面的一些问题。首先是msync。目前如果应用程序调用msync,尽管内存地址和长度都会作为参数传递进Linux Kernel。但是内核目前是根本没有处理的,sync的时候直接调用vfs_sync()把整个文件一刷完事。这个修改本身当然并不复杂,但是由于修改了已有API的行为,所以用户程序能否接受才是核心问题。第二个问题是关于mmap(2)的MAP_FIXED。这个标记会要求mmap在指定位置进行映射,但是副作用是映射区域已有的映射会被释放掉。于是Matthew想定义一个新的标记MAP_WEAK来避免这个副作用。当然还有其他一些问题。总之比SMR硬盘遇到的问题小,而且目前看开发进度也很好。

ARM开发者大会2013

上周六去参加了北京的2013年ARM开发者大会。说是大会,其实也就两百来人,不算特别多,我不是搞嵌入式的,参加是纯属好奇。
ARM
先是Allen Zhong做开场白,谈谈ARM开发者的机会。大意是世界范围内中产阶级增长迅速,80亿的世界人口里60亿有手机,这其中10亿是智能手机(去年的数据),所以ARM的技术用途很广泛市场很大,大家如果来学习ARM的开发一定有大把的工作机会,举“捕鱼达人”为例,已经月收入上千万了。(我个人觉得ARM虽然出货量大,但毕竟卖硬件利润低,走丰富软件的道路基本也正确,只是个人软件在国内要赚钱真的好难,用过flashget,netant的老网虫们应该明白我在说什么吧?靠谱的还真就剩在线游戏这类个人软件了)

后面讲解ARM在浏览器处理javascript里的优化,坦白说我没太听懂,过。彭晓波介绍了ARM的开发调试工具 DS-5,能出详细的性能profile图,举个例子:手机游戏开发常用的2D图形库是cocos2dx,用DS-5分析cocos2dx,发现其memcpy占了超过50%的CPU运行时间,后来发现是纹理处理方面的问题,改进后性能大涨(当然,高端智能手机感觉不到这个改进);DS-5还发现过Android的很多性能热点,都已经提给了Google。(会后每人发了件印着"DS-5“的T恤,结果今天文卿看到我的T恤就大喊,”啊,屌丝吾!“)

Neon是ARM下的SIMD指集,类似Intel的SSE系列,为了方便使用,做了个开源的C库叫Ne10,适合矩阵运算、图形处理一类的应用,据说可以把图像缩放加快2.6倍,“美图秀秀”就是用的Ne10。(erasure code的实现依赖于矩阵运算,不知用Ne10能否有帮助)

最后压轴的当然是宋宝华老师,介绍kernel里arm tree的变化。以前各个ARM板子代码相差极大,各有一摊,比如三星的s3c2410,以前学嵌入式的都不知道啥叫ARM,就知道s3c2410,更何况还有“友善之臂“这类公司的soc驱动根本进不了upstream的公司出的板子(听到“友善之臂”我笑了,连我这种从没搞过嵌入式的人都听说过这家公司,去年玩cubieboard没少长见识)。现在好了,合并了。不同arm板子的驱动和firmware归在一起,用类似配置文件来开关,现在一个kernel image就可以在不同的soc上boot起来。合并不同arm板子的驱动代码是社区做的重构,“生命在与运动,代码在于重构。重构是上进程序员每天的进行式.是一项工程而不是靠天份挥洒的艺术”,宋老师引用侯捷的话,颇为触动码农的心。
另外还有ARM的big.little策略:8个ARM核,其中四个是高性能高功耗的A15,另四个是低频率低功耗的A7,可以8个核一起用;也可以在4个高频核和4个低频核之间切换——计算任务小或者不做计算时将task迁移到4个A7核上,一旦计算任务变大,立刻切换到4个A15上,同时只能有4个核在跑。这一切换也是由kernel的CPU scheduler来支持的。
宋宝华

宋宝华老师声音洪亮、讲解清楚
后记:
回来后在网上查了一下“友善之臂”这家公司,哟,这名字居然是从著名的单机游戏《博得之门》里来的,真是勾起我久远的回忆,遥想03年我第一次玩《博得之门》,那真是全身心的投入啊......这公司名字起得好。