[转载] 打通IO栈：一次编译服务器性能优化
我在 Linux阅码场 微信公众号发表的文章，由于版权原因，通过转载分享到博客，原文链接为：
《打通IO栈：一次编译服务器性能优化实战》：https://mp.weixin.qq.com/s/cX1ciAsYZ0WZm6baFDl-NA
背景
随着企业SDK在多条产品线的广泛使用，随着SDK开发人员的增长，每日往SDK提交的补丁量与日俱增，自动化提交代码检查的压力已经明显超过了通用服务器的负载。于是向公司申请了一台专用服务器，用于SDK构建检查。
$ cat /proc/cpuinfo | grep ^proccessor | wc -l
48
$ free -h
total used free shared buffers cached
Mem: 47G 45G 1.6G 20M 7.7G 25G
-/+ buffers/cache: 12G 35G
Swap: 0B 0B 0B
$ df
文件系统 容量 已用 可用 已用% 挂载点
......
/dev/sda1 98G 14G 81G 15% /
/dev/vda1 2.9T 1.8T 986G 65% /home
这是KVM虚拟的服务器，提供了CPU 48线程，实际可用47G内存，磁盘空间约达到3TB。
由于独享服务器所有资源，设置了十来个worker并行编译，从提交补丁到发送编译结果的速度杠杠的。但是在补丁提交非常多的时候，速度瞬间就慢了下去，一次提交触发的编译甚至要1个多小时。通过top看到CPU负载并不高，难道是IO瓶颈？找IT要到了root权限，干起来！
由于认知的局限性，如有考虑不周的地方，希望一起交流学习
整体认识IO栈
如果有完整的IO栈的认识，无疑有助于更细腻的优化IO。循着IO栈从上往下的顺序，我们逐层分析可优化的地方。
在网上有Linux完整的IO栈结构图，但太过完整反而不容易理解。按我的认识，简化过后的IO栈应该是下图的模样。
-
用户空间：除了用户自己的APP之外，也隐含了所有的库，例如常见的C库。我们常用的IO函数，例如
open()/read()/write()是系统调用，由内核直接提供功能实现，而fopen()/fread()/fwrite()则是C库实现的函数，通过封装系统调用实现更高级的功能。 -
虚拟文件系统：屏蔽具体文件系统的差异，向用户空间提供统一的入口。具体的文件系统通过
register_filesystem()向虚拟文件系统注册挂载钩子，在用户挂载具体的文件系统时，通过回调挂载钩子实现文件系统的初始化。虚拟文件系统提供了inode来记录文件的元数据，dentry记录了目录项。对用户空间，虚拟文件系统注册了系统调用，例如SYSCALL_DEFINE3(open, const char __user *, filename, int, flags, umode_t, mode)注册了open()的系统调用。 -
具体的文件系统：文件系统要实现存储空间的管理，换句话说，其规划了哪些空间存储了哪些文件的数据，就像一个个收纳盒，A文件保存在这个块，B文件则放在哪个块。不同的管理策略以及其提供的不同功能，造就了各式各样的文件系统。除了类似于vfat、ext4、btrfs等常见的块设备文件系统之外，还有sysfs、procfs、pstorefs、tempfs等构建在内存上的文件系统，也有yaffs，ubifs等构建在Flash上的文件系统。
-
页缓存：可以简单理解为一片存储着磁盘数据的内存，不过其内部是以页为管理单元，常见的页大小是4K。这片内存的大小不是固定的，每有一笔新的数据，则申请一个新的内存页。由于内存的性能远大于磁盘，为了提高IO性能，我们就可以把IO数据缓存在内存，这样就可以在内存中获取要的数据，不需要经过磁盘读写的漫长的等待。申请内存来缓存数据简单，如何管理所有的页缓存以及如何及时回收缓存页才是精髓。
-
通用块层：通用块层也可以细分为
bio层和request层。页缓存以页为管理单位，而bio则记录了磁盘块与页之间的关系，一个磁盘块可以关联到多个不同的内存页中，通过submit_bio()提交bio到request层。一个request可以理解为多个bio的集合，把多个地址连续的bio合并成一个request。多个request经过IO调度算法的合并和排序，有序地往下层提交IO请求。 -
设备驱动与块设备：不同块设备有不同的使用协议，而特定的设备驱动则是实现了特定设备需要的协议以正常驱使设备。对块设备而言，块设备驱动需要把request解析成一个个
设备操作指令，在协议的规范下与块设备通信来交换数据。
形象点来说，发起一次IO读请求的过程是怎么样的呢？
用户空间 通过虚拟文件系统 提供的统一的IO系统调用，从用户态切到内核态。虚拟文件系统通过调用具体文件系统注册的回调，把需求传递到 具体的文件系统 中。紧接着 具体的文件系统 根据自己的管理逻辑，换算到具体的磁盘块地址，从页缓存 寻找块设备的缓存数据。读操作一般是同步的，如果在 页缓存 没有缓存数据，则向通用块层发起一次磁盘读。 通用块层合并和排序所有进程产生的的IO请求，经过 设备驱动 从 块设备 读取真正的数据。最后是逐层返回。读取的数据既拷贝到用户空间的buffer中，也会在页缓存中保留一份副本，以便下次快速访问。
如果 页缓存 没命中，同步读会一路通到 块设备 ，而对于 异步写，则是把数据放到 页缓存 后返回，由内核回刷进程在合适时候回刷到 块设备 。
根据这个流程，考虑到我没要到KVM host的权限，我只能着手从Guest端的IO栈做优化，具体包括以下几个方面：
- 交换分区（swap）
- 文件系统（ext4）
- 页缓存（Page Cache）
- Request层（IO调度算法）
由于源码以及编译的临时文件都不大但数量极其多，对随机IO的要求非常高。要提高随机IO的性能，在不改变硬件的情况下，需要缓存更多数据，以实现合并更多的IO请求。
咨询ITer得知，服务器都有备用电源，能确保不会掉电停机。出于这样的情况，我们可以尽可能优化速度，而不用担心掉电导致数据丢失问题。
总的来说，优化的核心思路是尽可能多的使用内存缓存数据，尽可能减小不必要的开销，例如文件系统为了保证数据一致性使用日志造成的开销。
交换分区
交换分区的存在，可以让内核在内存压力大时，把内核认为一些不常用的内存置换到交换分区，以此腾出更多的内存给系统。在物理内存容量不足且运行吃内存的应用时，交换分区的作用效果是非常明显的。
然而本次优化的服务器反而不应该使用交换分区。为什么呢？服务器总内存达到47G，且服务器除了Jenkins slave进程外没有大量吃内存的进程。从内存的使用情况来看，绝大部分内存都是被cache/buffer占用，是可丢弃的文件缓存，因此内存是充足的，不需要通过交换分区扩大虚拟内存。
# free -h
total used free shared buffers cached
Mem: 47G 45G 1.6G 21M 18G 16G
-/+ buffers/cache: 10G 36G
交换分区也是磁盘的空间，从交换分区置入置出数据可也是要占用IO资源的，与本次IO优化目的相悖，因此在此服务器中，需要取消swap分区。
查看系统状态发现，此服务器并没使能swap。
# cat /proc/swaps
Filename Type Size Used Priority
#
文件系统
用户发起一次读写，经过了虚拟文件系统(VFS)后，交给了实际的文件系统。
首先查询分区挂载情况：
# mount
...
/dev/sda1 on on / type ext4 (rw)
/dev/vda1 on /home type ext4 (rw)
...
此服务器主要有两个块设备，分别是 sda和 vda。sda 是常见的 SCSI/IDE 设备，我们个人PC上如果使用的机械硬盘，往往就会是 sda 设备节点。vda 是 virtio 磁盘设备。由于本服务器是 KVM 提供的虚拟机，不管是 sda 还是 vda，其实都是虚拟设备，差别在于前者是完全虚拟化的块设备，后者是半虚拟化的块设备。从网上找到的资料来看，使用半虚拟化的设备，可以实现Host与Guest更高效的协作，从而实现更高的性能。在此例子中，sda 作为根文件系统使用，vda 则是用于存储用户数据，在编译时，主要看得是 vda 分区的IO情况。
vda 使用 ext4 文件系统。ext4 是目前常见的Linux上使用的稳定的文件系统，查看其超级块信息：
# dumpe2fs /dev/vda1
...
Filesystem features: has_journal dir_index ...
...
Inode count: 196608000
Block count: 786431991
Free inodes: 145220571
Block size: 4096
...
我猜测ITer使用的默认参数格式化的分区，为其分配了块大小为4K，inode数量达到19660万个且使能了日志。
块大小设为4K无可厚非，适用于当前源文件偏小的情况，也没必要为了更紧凑的空间降低块大小。空闲 inode 达到 14522万，空闲占比达到 73.86%。当前 74% 的空间使用率，inode只使用了26.14%。一个inode占256B，那么10000万个inode占用23.84G。inode 实在太多了，造成大量的空间浪费。可惜，inode数量在格式化时指定，后期无法修改，当前也不能简单粗暴地重新格式化。
我们能做什么呢？我们可以从日志和挂载参数着手优化
日志是为了保证掉电时文件系统的一致性，(ordered日志模式下)通过把元数据写入到日志块，在写入数据后再修改元数据。如果此时掉电，通过日志记录可以回滚文件系统到上一个一致性的状态，即保证元数据与数据是匹配的。然而上文有说，此服务器有备用电源，不需要担心掉电，因此完全可以把日志取消掉。
# tune2fs -O ^has_journal /dev/vda1
tune2fs 1.42.9 (4-Feb-2014)
The has_journal feature may only be cleared when the filesystem is
unmounted or mounted read-only.
可惜失败了。由于时刻有任务在执行，不太好直接umount或者-o remount,ro，无法在挂载时取消日志。既然取消不了，咱们就让日志最少损耗，就需要修改挂载参数了。
ext4挂载参数: data
ext4有3种日志模式，分别是ordered，writeback，journal。他们的差别网上有很多资料，我简单介绍下：
- jorunal：把元数据与数据一并写入到日志块。性能差不多折半，因为数据写了两次，但最安全
- writeback: 把元数据写入日志块，数据不写入日志块，但不保证数据先落盘。性能最高，但由于不保证元数据与数据的顺序，也是掉电最不安全的
- ordered：与writeback相似，但会保证数据先落盘，再是元数据。折中性能以保证足够的安全，这是大多数PC上推荐的默认的模式
在不需要担心掉电的服务器环境，我们完全可以使用writeback的日志模式，以获取最高的性能。
# mount -o remount,rw,data=writeback /home
mount: /home not mounted or bad option
# dmesg
[235737.532630] EXT4-fs (vda1): Cannot change data mode on remount
沮丧，又是不能动态改，干脆写入到/etc/config，只能寄希望于下次重启了。
# cat /etc/fstab
UUID=... /home ext4 defaults,rw,data=writeback...
ext4挂载参数：noatime
Linux上对每个文件都记录了3个时间戳
| 时间戳 | 全称 | 含义 |
|---|---|---|
| atime | access time | 访问时间，就是最近一次读的时间 |
| mtime | data modified time | 数据修改时间，就是内容最后一次改动时间 |
| ctime | status change time | 文件状态(元数据)的改变时间，比如权限，所有者等 |
我们编译执行的Make可以根据修改时间来判断是否要重新编译，而atime记录的访问时间其实在很多场景下都是多余的。所以，noatime应运而生。不记录atime可以大量减少读造成的元数据写入量，而元数据的写入往往产生大量的随机IO。
# mount -o ...noatime... /home
ext4挂载参数：nobarrier
这主要是决定在日志代码中是否使用写屏障(write barrier)，对日志提交进行正确的磁盘排序，使易失性磁盘写缓存可以安全使用，但会带来一些性能损失。从功能来看，跟writeback和ordered日志模式非常相似。没研究过这方面的源码，说不定就是一回事。不管怎么样，禁用写屏障毫无疑问能提高写性能。
# mount -o ...nobarrier... /home
ext4挂载参数：delalloc
delalloc是 delayed allocation 的缩写，如果使能，则ext4会延缓申请数据块直至超时。为什么要延缓申请呢？在inode中采用多级索引的方式记录了文件数据所在的数据块编号，如果出现大文件，则会采用 extent 区段的形式，分配一片连续的块，inode中只需要记录开始块号与长度即可，不需要索引记录所有的块。这除了减轻inode的压力之外，连续的块可以把随机写改为顺序写，加快写性能。连续的块也符合 局部性原理，在预读时可以加大命中概率，进而加快读性能。
# mount -o ...delalloc... /home
ext4挂载参数：inode_readahead_blks
ext4从inode表中预读的indoe block最大数量。访问文件必须经过inode获取文件信息、数据块地址。如果需要访问的inode都在内存中命中，就不需要从磁盘中读取，毫无疑问能提高读性能。其默认值是32，表示最大预读 32 × block_size 即 64K 的inode数据，在内存充足的情况下，我们毫无疑问可以进一步扩大，让其预读更多。
# mount -o ...inode_readahead_blks=4096... /home
ext4挂载参数：journal_async_commit
commit块可以不等待descriptor块，直接往磁盘写。这会加快日志的速度。
# mount -o ...journal_async_commit... /home
ext4挂载参数：commit
ext4一次缓存多少秒的数据。默认值是5，表示如果此时掉电，你最多丢失5s的数据量。设置更大的数据，就可以缓存更多的数据，相对的掉电也有可能丢失更多的数据。在此服务器不怕掉电的情况，把数值加大可以提高性能。
# mount -o ...commit=1000... /home
ext4挂载参数汇总
最终在不能umount情况下，我执行的调整挂载参数的命令为：
mount -o remount,rw,noatime,nobarrier,delalloc,inode_readahead_blks=4096,journal_async_commit,commit=1800 /home
此外，在/etc/fstab中也对应修改过来，避免重启后优化丢失
# cat /etc/fstab
UUID=... /home ext4 defaults,rw,noatime,nobarrier,delalloc,inode_readahead_blks=4096,journal_async_commit,commit=1800,data=writeback 0 0
...
页缓存
页缓存在FS与通用块层之间，其实也可以归到通用块层中。为了提高IO性能，减少真实的从磁盘读写的次数，Linux内核设计了一层内存缓存，把磁盘数据缓存到内存中。由于内存以4K大小的 页 为单位管理，磁盘数据也以页为单位缓存，因此也称为页缓存。在每个缓存页中，都包含了部分磁盘信息的副本。
如果因为之前读写过或者被预读加载进来，要读取数据刚好在缓存中命中，就可以直接从缓存中读取，不需要深入到磁盘。不管是同步写还是异步写，都会把数据copy到缓存，差别在于异步写只是copy且把页标识脏后直接返回，而同步写还会调用类似fsync()的操作等待回写，详细可以看内核函数generic_file_write_iter()。异步写产生的脏数据会在“合适”的时候被内核工作队列writeback进程回刷。
那么，什么时候是合适的时候呢？最多能缓存多少数据呢？对此次优化的服务器而言，毫无疑问延迟回刷可以在频繁的删改文件中减少写磁盘次数，缓存更多的数据可以更容易合并随机IO请求，有助于提升性能。
在/proc/sys/vm中有以下文件与回刷脏数据密切相关：
| 配置文件 | 功能 | 默认值 |
|---|---|---|
| dirty_background_ratio | 触发回刷的脏数据占可用内存的百分比 | 0 |
| dirty_background_bytes | 触发回刷的脏数据量 | 10 |
| dirty_bytes | 触发同步写的脏数据量 | 0 |
| dirty_ratio | 触发同步写的脏数据占可用内存的百分比 | 20 |
| dirty_expire_centisecs | 脏数据超时回刷时间（单位：1/100s） | 3000 |
| dirty_writeback_centisecs | 回刷进程定时唤醒时间（单位：1/100s） | 500 |
对上述的配置文件，有几点要补充的：
- XXX_ratio 和 XXX_bytes 是同一个配置属性的不同计算方法，优先级 XXX_bytes > XXX_ratio
- 可用内存并不是系统所有内存，而是free pages + reclaimable pages
- 脏数据超时表示内存中数据标识脏一定时间后，下次回刷进程工作时就必须回刷
- 回刷进程既会定时唤醒，也会在脏数据过多时被动唤醒。
- dirty_background_XXX与dirty_XXX的差别在于前者只是唤醒回刷进程，此时应用依然可以异步写数据到Cache，当脏数据比例继续增加，触发dirty_XXX的条件，不再支持应用异步写。
更完整的功能介绍，可以看内核文档Documentation/sysctl/vm.txt，也可看我写的一篇总结博客《Linux 脏数据回刷参数与调优》
对当前的案例而言，我的配置如下：
dirty_background_ratio = 60
dirty_ratio = 80
dirty_writeback_centisecs = 6000
dirty_expire_centisecs = 12000
这样的配置有以下特点：
- 当脏数据达到可用内存的60%时唤醒回刷进程
- 当脏数据达到可用内存的80%时，应用每一笔数据都必须同步等待
- 每隔60s唤醒一次回刷进程
- 内存中脏数据存在时间超过120s则在下一次唤醒时回刷
当然，为了避免重启后丢失优化结果，我们在/etc/sysctl.conf中写入：
# cat /etc/sysctl.conf
...
vm.dirty_background_ratio = 60
vm.dirty_ratio = 80
vm.dirty_expire_centisecs = 12000
vm.dirty_writeback_centisecs = 6000
Request层
在异步写的场景中，当脏页达到一定比例，就需要通过通用块层把页缓存里的数据回刷到磁盘中。bio层记录了磁盘块与内存页之间的关系，在request层把多个物理块连续的bio合并成一个request，然后根据特定的IO调度算法对系统内所有进程产生的IO请求进行合并、排序。那么都有什么IO调度算法呢？
网上检索IO调度算法，大量的资料都在描述Deadline，CFQ，NOOP这3种调度算法，却没有备注这只是单队列上适用的调度算法。在最新的代码上（我分析的代码版本为 5.7.0），已经完全切换到multi-queue的新架构上了，支持的IO调度算法就成了mq-deadline，BFQ，Kyber，none。
关于不同IO调度算法的优劣，网上有非常多的资料，本文不再累述。
在《Linux-storage-stack-diagram_v4.10》 对 Block Layer 的描述可以形象阐述单队列与多队列的差异。
单队列的架构，一个块设备只有一个全局队列，所有请求都要往这个队列里面塞，这在多核高并发的情况下，尤其像服务器动则32个核的情况下，为了保证互斥而加的锁就导致了非常大的开销。此外，如果磁盘支持多队列并行处理，单队列的模型不能充分发挥其优越的性能。
多队列的架构下，创建了Software queues和Hardware dispatch queues两级队列。Software queues是每个CPU core一个队列，且在其中实现IO调度。由于每个CPU一个单独队列，因此不存在锁竞争问题。Hardware Dispatch Queues的数量跟硬件情况有关，每个磁盘一个队列，如果磁盘支持并行N个队列，则也会创建N个队列。在IO请求从Software queues提交到Hardware Dispatch Queues的过程中是需要加锁的。理论上，多队列的架构的效率最差也只是跟单队列架构持平。
咱们回到当前待优化的服务器，当前使用的是什么IO调度器呢？
# cat /sys/block/vda/queue/scheduler
none
# cat /sys/block/sda/queue/scheduler
noop [deadline] cfq
这服务器的内核版本是
# uname -r
3.13.0-170-generic
查看Linux内核git提交记录，发现在 3.13.0 的内核版本上还没有实现适用于多队列的IO调度算法，且此时还没完全切到多队列架构，因此使用单队列的 sda 设备依然存在传统的noop，deadline和cfq调度算法，而使用多队列的 vda 设备(virtio)的IO调度算法只有none。为了使用mq-deadline调度算法把内核升级的风险似乎很大。因此IO调度算法方面没太多可优化的。
但Request层优化只能这样了？既然IO调度算法无法优化，我们是否可以修改queue相关的参数？例如加大Request队列的长度，加大预读的数据量。
在/sys/block/vda/queue中有两个可写的文件nr_requests和read_ahead_kb，前者是配置块层最大可以申请的request数量，后者是预读最大的数据量。默认情况下，
nr_request = 128
read_ahead_kb = 128
我扩大为
nr_request = 1024
read_ahead_kb = 512
优化效果
优化后，在满负荷的情况下，查看内存使用情况：
# cat /proc/meminfo
MemTotal: 49459060 kB
MemFree: 1233512 kB
Buffers: 12643752 kB
Cached: 21447280 kB
Active: 19860928 kB
Inactive: 16930904 kB
Active(anon): 2704008 kB
Inactive(anon): 19004 kB
Active(file): 17156920 kB
Inactive(file): 16911900 kB
...
Dirty: 7437540 kB
Writeback: 1456 kB
可以看到，文件相关内存（Active(file) + Inactive(file) ）达到了32.49GB，脏数据达到7.09GB。脏数据量比预期要少，远没达到dirty_background_ratio和dirty_ratio设置的阈值。因此，如果需要缓存更多的写数据，只能延长定时唤醒回刷的时间dirty_writeback_centisecs。这个服务器主要用于编译SDK，读的需求远大于写，因此缓存更多的脏数据没太大意义。
我还发现Buffers达到了12G，应该是ext4的inode占用了大量的缓存。如上分析的，此服务器的ext4有大量富余的inode，在缓存的元数据里，无效的inode不知道占比多少。减少inode数量，提高inode利用率，说不定可以提高inode预读的命中率。
优化后，一次使能8个SDK并行编译，走完一次完整的编译流程（包括更新代码，抓取提交，编译内核，编译SDK等），在没有进入错误处理流程的情况下，用时大概13分钟。
这次的优化就到这里结束了，等后期使用过程如果还有问题再做调整。
