面對(duì)高性能計(jì)算、大數(shù)據(jù)分析和浪涌型IO高并發(fā)、低時(shí)延應(yīng)用，現(xiàn)有TCP/IP軟硬件架構(gòu)和應(yīng)用高CPU消耗的技術(shù)特征根本不能滿足應(yīng)用的需求。這要有體現(xiàn)在處理延時(shí)過(guò)大，數(shù)十微秒；多次內(nèi)存拷貝、中斷處理，上下文切換、復(fù)雜的TCP/IP協(xié)議處理、網(wǎng)絡(luò)延時(shí)過(guò)大、存儲(chǔ)轉(zhuǎn)發(fā)模式和丟包導(dǎo)致額外延時(shí)。接下來(lái)我們繼續(xù)討論RDMA技術(shù)、原理和優(yōu)勢(shì)，看完文章你就會(huì)發(fā)現(xiàn)為什么RDMA可以更好的解決這一系列問(wèn)題。

RDMA是一種遠(yuǎn)端內(nèi)存直接訪問(wèn)技術(shù)，詳細(xì)介紹請(qǐng)參看RDMA(遠(yuǎn)程直接內(nèi)存訪問(wèn))技術(shù)淺析文章。RDMA最早專屬于Infiniband架構(gòu)，隨著在網(wǎng)絡(luò)融合大趨勢(shì)下出現(xiàn)的RoCE和iWARP，這使高速、超低延時(shí)、極低CPU使用率的RDMA得以部署在目前使用最廣泛的以太網(wǎng)上。

RDMAC(RDMA Consortium)和IBTA(InfiniBand Trade Association)主導(dǎo)了RDMA發(fā)展，RDMAC是IETF的一個(gè)補(bǔ)充并主要定義的是iWRAP和iSER，IBTA是infiniband的全部標(biāo)準(zhǔn)制定者，并補(bǔ)充了RoCE v1 v2的標(biāo)準(zhǔn)化。IBTA解釋了RDMA傳輸過(guò)程中應(yīng)具備的特性行為，而傳輸相關(guān)的Verbs接口和數(shù)據(jù)結(jié)構(gòu)原型是由另一個(gè)組織OFA(Open Fabric Alliance)來(lái)完成。

相比傳統(tǒng)DMA的內(nèi)部總線IO，RDMA通過(guò)網(wǎng)絡(luò)在兩個(gè)端點(diǎn)的應(yīng)用軟件之間實(shí)現(xiàn)Buffer的直接傳遞；相比比傳統(tǒng)的網(wǎng)絡(luò)傳輸，RDMA又無(wú)需操作系統(tǒng)和協(xié)議棧的介入。RDMA可以輕易實(shí)現(xiàn)端點(diǎn)間的超低延時(shí)、超高吞吐量傳輸，而且基本不需要CPU、OS等資源介入，也不必再為網(wǎng)絡(luò)數(shù)據(jù)的處理和搬移耗費(fèi)過(guò)多其他資源。 

InfiniBand通過(guò)以下技術(shù)保證網(wǎng)絡(luò)轉(zhuǎn)發(fā)的低時(shí)延(亞微秒級(jí))，采用Cut-Through轉(zhuǎn)發(fā)模式，減少轉(zhuǎn)發(fā)時(shí)延；基于Credit的流控機(jī)制，保證無(wú)丟包；硬件卸載；Buffer盡可能小，減少報(bào)文被緩沖的時(shí)延 。

iWARP(RDMA over TCP/IP) 利用成熟的IP網(wǎng)絡(luò)；繼承RDMA的優(yōu)點(diǎn)；TCP/IP硬件實(shí)現(xiàn)成本高，但如果采用傳統(tǒng)IP網(wǎng)絡(luò)丟包對(duì)性能影響大。

RoCE性能與IB網(wǎng)絡(luò)相當(dāng)；DCB特性保證無(wú)丟包；需要以太網(wǎng)支持DCB特性；以太交換機(jī)時(shí)延比IB交換機(jī)時(shí)延要稍高一些。

RoCEv2針對(duì)RoCE進(jìn)行了一些改進(jìn)，如引入IP解決擴(kuò)展性問(wèn)題，可以跨二層組網(wǎng)；引入U(xiǎn)DP解決ECMP負(fù)載分擔(dān)等問(wèn)題。

基于InfiniBand的RDMA是在2000年發(fā)布規(guī)范，屬于原生RDMA；基于TCP/IP的RDMA稱作iWARP，在 2007年形成標(biāo)準(zhǔn)，主要包括MPA/ DDP/ RDMAP三層子協(xié)議；基于Ethernet的RDMA叫做RoCE，在2010年發(fā)布協(xié)議，基于增強(qiáng)型以太網(wǎng)并將傳輸層換成IB傳輸層實(shí)現(xiàn)。

擴(kuò)展RDMA API接口以兼容現(xiàn)有協(xié)議/應(yīng)用，OFED(Open Fabrics Enterprise Distribution)協(xié)議棧由OpenFabric聯(lián)盟發(fā)布，分為L(zhǎng)inux和windows版本，可以無(wú)縫兼容已有應(yīng)用。通過(guò)使已有應(yīng)用與RDMA結(jié)合后，性能成倍提升。

應(yīng)用和RNIC(RDMA-aware Network Interface Controller)之間的傳輸接口層(Software Transport Interface)被稱為Verbs。OFA(Open Fabric Alliance)提供了RDMA傳輸?shù)囊幌盗蠽erbs API，開發(fā)了OFED(Open Fabric Enterprise Distribution)協(xié)議棧，支持多種RDMA傳輸層協(xié)議。

OFED向下除了提供RNIC(實(shí)現(xiàn) RDMA 和LLP( Lower Layer Protocol))基本的隊(duì)列消息服務(wù)外，向上還提供了ULP(Upper Layer Protocols)，通過(guò)ULP上層應(yīng)用不需直接和Verbs API對(duì)接，而是借助于ULP與應(yīng)用對(duì)接，這樣使得常見(jiàn)的應(yīng)用不需要做修改就可以跑在RDMA傳輸層上。

在Infiniband/RDMA的模型中，核心是如何實(shí)現(xiàn)應(yīng)用之間最簡(jiǎn)單、高效和直接的通信。RDMA提供了基于消息隊(duì)列的點(diǎn)對(duì)點(diǎn)通信，每個(gè)應(yīng)用都可以直接獲取自己的消息，無(wú)需操作系統(tǒng)和協(xié)議棧的介入。

消息服務(wù)建立在通信雙方本端和遠(yuǎn)端應(yīng)用之間創(chuàng)建的Channel-IO連接之上。當(dāng)應(yīng)用需要通信時(shí)，就會(huì)創(chuàng)建一條Channel連接，每條Channel的首尾端點(diǎn)是兩對(duì)Queue Pairs(QP)，每對(duì)QP由Send Queue(SQ)和Receive Queue(RQ)構(gòu)成，這些隊(duì)列中管理著各種類型的消息。QP會(huì)被映射到應(yīng)用的虛擬地址空間，使得應(yīng)用直接通過(guò)它訪問(wèn)RNIC網(wǎng)卡。除了QP描述的兩種基本隊(duì)列之外，RDMA還提供一種隊(duì)列Complete Queue(CQ)，CQ用來(lái)知會(huì)用戶WQ上的消息已經(jīng)被處理完。

RDMA提供了一套軟件傳輸接口，方便用戶創(chuàng)建傳輸請(qǐng)求Work Request(WR)，WR中描述了應(yīng)用希望傳輸?shù)紺hannel對(duì)端的消息內(nèi)容，WR通知QP中的某個(gè)隊(duì)列Work Queue(WQ)。在WQ中，用戶的WR被轉(zhuǎn)化為Work Queue Ellement(WQE)的格式，等待RNIC的異步調(diào)度解析，并從WQE指向的Buffer中拿到真正的消息發(fā)送到Channel對(duì)端。

 RDMA中SEND/RECEIVE是雙邊操作，即必須要遠(yuǎn)端的應(yīng)用感知參與才能完成收發(fā)。READ和WRITE是單邊操作，只需要本端明確信息的源和目的地址，遠(yuǎn)端應(yīng)用不必感知此次通信，數(shù)據(jù)的讀或?qū)懚纪ㄟ^(guò)RDMA在RNIC與應(yīng)用Buffer之間完成，再由遠(yuǎn)端RNIC封裝成消息返回到本端。在實(shí)際中，SEND /RECEIVE多用于連接控制類報(bào)文，而數(shù)據(jù)報(bào)文多是通過(guò)READ/WRITE來(lái)完成的。

對(duì)于雙邊操作為例，主機(jī)A向主機(jī)B(下面簡(jiǎn)稱A、B)發(fā)送數(shù)據(jù)的流程如下

1. 首先，A和B都要?jiǎng)?chuàng)建并初始化好各自的QP，CQ

2. A和B分別向自己的WQ中注冊(cè)WQE，對(duì)于A，WQ=SQ，WQE描述指向一個(gè)等到被發(fā)送的數(shù)據(jù)；對(duì)于B，WQ=RQ，WQE描述指向一塊用于存儲(chǔ)數(shù)據(jù)的Buffer。

3. A的RNIC異步調(diào)度輪到A的WQE，解析到這是一個(gè)SEND消息，從Buffer中直接向B發(fā)出數(shù)據(jù)。數(shù)據(jù)流到達(dá)B的RNIC后，B的WQE被消耗，并把數(shù)據(jù)直接存儲(chǔ)到WQE指向的存儲(chǔ)位置。

4.AB通信完成后，A的CQ中會(huì)產(chǎn)生一個(gè)完成消息CQE表示發(fā)送完成。與此同時(shí)，B的CQ中也會(huì)產(chǎn)生一個(gè)完成消息表示接收完成。每個(gè)WQ中WQE的處理完成都會(huì)產(chǎn)生一個(gè)CQE。

雙邊操作與傳統(tǒng)網(wǎng)絡(luò)的底層Buffer Pool類似，收發(fā)雙方的參與過(guò)程并無(wú)差別，區(qū)別在零拷貝、Kernel Bypass，實(shí)際上對(duì)于RDMA，這是一種復(fù)雜的消息傳輸模式，多用于傳輸短的控制消息。

對(duì)于單邊操作，以存儲(chǔ)網(wǎng)絡(luò)環(huán)境下的存儲(chǔ)為例(A作為文件系統(tǒng)，B作為存儲(chǔ)介質(zhì))，數(shù)據(jù)的流程如下

1. 首先A、B建立連接，QP已經(jīng)創(chuàng)建并且初始化。

2. 數(shù)據(jù)被存檔在A的buffer地址VA，注意VA應(yīng)該提前注冊(cè)到A的RNIC，并拿到返回的local key，相當(dāng)于RDMA操作這塊buffer的權(quán)限。

3. A把數(shù)據(jù)地址VA，key封裝到專用的報(bào)文傳送到B，這相當(dāng)于A把數(shù)據(jù)buffer的操作權(quán)交給了B。同時(shí)A在它的WQ中注冊(cè)進(jìn)一個(gè)WR，以用于接收數(shù)據(jù)傳輸?shù)腂返回的狀態(tài)。

4. B在收到A的送過(guò)來(lái)的數(shù)據(jù)VA和R_key后，RNIC會(huì)把它們連同存儲(chǔ)地址VB到封裝RDMA READ，這個(gè)過(guò)程A、B兩端不需要任何軟件參與，就可以將A的數(shù)據(jù)存儲(chǔ)到B的VB虛擬地址。

5. B在存儲(chǔ)完成后，會(huì)向A返回整個(gè)數(shù)據(jù)傳輸?shù)臓顟B(tài)信息。

單邊操作傳輸方式是RDMA與傳統(tǒng)網(wǎng)絡(luò)傳輸?shù)淖畲蟛煌�，只需提供直接訪問(wèn)遠(yuǎn)程的虛擬地址，無(wú)須遠(yuǎn)程應(yīng)用的參與其中，這種方式適用于批量數(shù)據(jù)傳輸。

簡(jiǎn)單總結(jié) 

Infiniband的成功取決于兩個(gè)因素，一是主機(jī)側(cè)采用RDMA技術(shù)，可以把主機(jī)內(nèi)數(shù)據(jù)處理的時(shí)延從幾十微秒降低到幾微秒，同時(shí)不占用CPU；二是InfiniBand網(wǎng)絡(luò)的采用高帶寬(40G/56G)、低時(shí)延(幾百納秒)和無(wú)丟包特性

隨著以太網(wǎng)的發(fā)展，也具備高帶寬和無(wú)丟包能力，在時(shí)延方面也能接近InfiniBand交換機(jī)的性能，所以RDMA over Ethernet(RoCE)成為必然，且RoCE組網(wǎng)成本更低。未來(lái)RoCE、iWARP和Infiniband等基于RDMA技術(shù)產(chǎn)品都會(huì)得到長(zhǎng)足的發(fā)展。

(來(lái)源：微信公眾號(hào) 架構(gòu)師技術(shù)聯(lián)盟、作者：Hardy/)

本文鏈接：http://m.51huadong.com/cloundnews/11004562.html