长文解析：作为容器底层技术的半壁江山， cgroup如何突破并发创建瓶颈？
简介： io_uring 作为一种新型高性能异步编程框架，代表着 Linux 内核未来的方向，当前仍处于快速发展中。阿里云联合 InfoQ 发起《io_uring 介绍及应用实践》的技术公开课，围绕 OpenAnolis 龙蜥社区 Anolis OS 8 全方位解析高性能存储场景。
写在前面
cgroup 作为容器底层技术的半壁江山，很多文章已经介绍并总结得很好了，关于 cgroup 是什么、有什么用以及一些相关概念，这些内容并不是本文的重点所以也将不再赘述。
友情提醒：以下内容默认读者已经初步了解 task、cgroup、subsys、hierarchy 是什么及它们之间的关系。
我们为啥关注 cgroup 控制平面性能？
云原生目前是云计算领域的重点发展方向，其中的函数计算场景中，函数执行的速度是重要的性能指标，要求能够快速、高并发地创建和销毁实例。在此场景下的隔离特性普遍都会涉及到大量 cgroup 的相关操作，而现有的cgroup框架设计并发性很差，或许在设计之初并未考虑到大规模的控制平面操作（例如：创建和销毁）。而随着技术的演进，大规模的控制平面操作场景逐渐增多，也促使我们开始更加关注控制平面的性能。
本文的阐述是基于4.19版本的内核源代码，旨在分析cgroup提供给用户的接口背后的实现原理，并基于实现原理给出一些用户态使用cgroup的建议，最后在文章的结尾分享了一些内核态优化的思路。
原理分析
图一
图二
以上两张图，是4.19版本的内核中cgroup中最主要的几个数据结构之间的连接关系和cgroup层次结构的连接关系。
cgroup：字面意思
cgroup_root：hierarchy
cgroup_subsys: 子系统，缩写的变量一般为ss
cgroup_subsys_state: 当指向某个subsys时，代表该subsys在某个cgroup中一个实体
css_set、cset_cgrp_link：用于建立task_struct和cgroup之间多对多的关系
这些数据结构抽象之后是这张图：
图三
其实也很好理解，本质上cgroup框架要解决的是：一个cgroup管哪些task，一个task归哪些cgroup管的问题，在实现上可通过cset作为中介来建立这层关系。相比于task和cgroup直连，这种做法可以简化复杂的关系。这是因为在实际使用的场景中，task基本都以组为单位进行管理，对某一组task的资源管控方案都大概率是一致的。
对于cgroup的各类操作围绕着这三类实体展开：
- 创建：在图二所示的树形结构中增加一个叶节点
- 绑定：本质上是迁移，子进程被fork出来时连接父进程指向的cset，绑定即是从一个cset（如果不再有task指向则删除）迁移到了另一个cset（如果指向的是新的cgroup集合则新创建）
- 删除：在图二所示的树形结构中删除一个不管控任何task的叶节点
对于cgroup的各类操作的访问控制也围绕这三类实体的展开：
- task: cgroup_threadgroup_rwsem锁
- cset: css_set_lock锁
- cgroup: cgroup_mutex锁
具体的这三类锁有什么作用，将在优化思路里进行分析。
优化方案
问题出在哪？
问题在于三个锁上：cgroup_mutex、cgroup_threadgroup_rwsem、css_set_lock。
cgroup_mutex保护cgroup的整个层级结构。cgroup的层级结构是一个森林，我们需要用这个一个锁来保护整个森林。改变层级结构比如常见的mount、mkdir、rmdir就不必多说了，肯定是需要持有这个锁的；除此之外对cgroup的任何一个其他的操作也需要持有这个锁，比如attach task、以及其他的读或写cgroup提供的接口。同时，因为rmdir的操作是随时都有可能发生的，任何操作都需要与rmdir都互斥。
css_set_lock保护和css_set相关的一切操作。任意进程随时都有可能exit，导致某个css_set释放，从而影响css_set的哈希表。除此之外，对cgroup的绝大多数的操作也会涉及到css_set_lock，这是因为对cgroup的绝大多数的操作（创建除外）都会引起css_set的变化。
cgroup_threadgroup_rwsem保护和cgroup相关的线程组操作，现实中随时都有可能的fork和exit操作导致线程组发生变化。这里用读写锁的原因是，进程自身的行为可能包括改变线程组的组成和持有读锁，这是可以并行的；当进程attach的时候，需要一个稳定的线程组视图，此时如果进程在fork或者exit的话会导致线程组的改变，而attach又是可以以线程组为单位的，不可并行。这里用读写锁并不是说是真的在读什么或写什么，只是恰好符合读者并行，写者需与其他写者互斥这个特性而已。也就是说，fork、exec、exit之间可以并行，类似于读者；attach与其他的都互斥，类似于写者。
这三个锁会受到进程fork和exit的影响，并且也会导致对cgroup的任何操作之间几乎不可并行。笔者在对cgroup进行深入的研究前，觉得是最开始的设计者偷懒，使用如此大粒度的锁，直到把cgroup的框架摸索明白后才发现，临界区就是有这么大，各种会异步发生的事件都需要操作这些数据，所以这些锁被设计成这样也很合理。
这里试着对问题进行抽象，思考一下问题的本质在哪。
对于cgroup_mutex，问题本质是树形（节点是cgroup）结构的并发访问。
对于css_set_lock，问题其实是二部图（一边是css_set，一边是cgroup）结构的并发访问。
对于cgroup_threadgroup_rwsem，问题其实是集合（线程组作为集合的元素）结构的并发访问。
问题的定义已经清楚了，怎么解决呢？以我目前的能力，我没法解。
是的，分析了这么多给的结论是此题无解，或者说暂时无解，可以有的解法也会对cgroup的框架造成刮骨疗毒式的改动。这背后的风险、稳定性的影响、投入产出比的痛能不能承受的住，我给不出一个确定的结论。如果读者有什么想法，欢迎在留言区提出，一起交流。
虽然治本难治，但治标还是可以有点想法的。
用户态优化：减少cgroup操作
这个方案很好理解，提前把cgroup创建和配置好，等需要用的时候直接取就行。这个方案效果极好，简直是降维打击。这里贴一下实验数据，这里的测试模拟袋鼠容器启动时的创建与读写——
| 线程数 | 循环次数 | 优化后时间/s | 优化前时间/s |
| 1 | 2000 | 0.09 | 2.18 |
| 10 | 200 | 0.08 | 1.78 |
| 40 | 50 | 0.12 | 1.89 |
| 200 | 10 | 0.14 | 2.22 |
这个方案达到了90%以上的优化率，将本来需要创建配置后attach进程最后删除的情况变成了只需要attach，工作量少了，自然也就变快了。
但这个方案存在一些弊端。一方面，池子里不用的cgroup对于系统来讲依然是可见的，需要进行管理，因此会存在一定的负载；另一方面是数据残留问题，并不是所有的subsys都提供类似于clear的操作接口，如果对监控数据有要求的话cgroup就是用一次就废，需要对池子进行补充，增加控制逻辑的同时又出现了竞争，效果会打折扣。最后便是需要明确cgroup的层次结构，毕竟要提前创建和配置，如果对运行时的层次结构无法掌控的话，池子都没法建立。
减少cgroup数量
systemd在默认情况下会把大多数subsys都挂在独立的一个hierarchy下，如果业务的进程都需要受同一些subsys管控的话，可以把这些subsys都挂载在同一个hierarchy下，比如把cpu、memory、blkio挂载在一起。
这时候可能有同学要问了，原本在cpu、memory、blkio下各创建一个cgroup，和在cpu_memory_blkio下创建一个cgroup能有多少区别？该有的逻辑都得有，一个都跑不了，最多就是少了几个cgroup自身这个结构体，能有多少区别？
这里要回归到最开始的场景，cgroup的问题出在场景是高并发，而本质上各类操作却是串行的。我们知道，衡量性能有主要的两个维度：吞吐和延迟。cgroup本质的串行无法直接提高吞吐，各个subsys独立在hierarchy下等于是被拆解成子任务，反而提高了延迟。
下面是测试数据：
| 线程数 | 循环次数 | 优化后时间/s | 优化前时间/s |
| 1 | 2000 | 0.99 | 2.18 |
| 10 | 200 | 0.89 | 1.78 |
| 40 | 50 | 0.98 | 1.89 |
| 200 | 10 | 1.00 | 2.22 |
内核态优化
对上述三把锁动不了，只能对临界区内的那部分内容下手了。想要缩小临界区，那就需要找出临界区内耗时的部分进行优化。
下图是各个子系统创建cgroup时各个部分的耗时：
这里简单解释下各个部分做了些什么：
- cgroup：创建和初始化cgroup结构体
- kernfs：创建cgroup的目录
- populoate：创建cgroup控制用的文件接口
- cssalloc：分配css
- cssonline：css在各个子系统中的online逻辑
- csspopulate：创建子系统控制用的文件接口
从图中可以发现cpu、cpuacct、memory的耗时相对于其他的子系统延迟高很多，其中css alloc和css populate占大头。下面我们将研究一下这个“主要矛盾“究竟在做些什么。
通过分析我们发现，css alloc上延迟高是因为给一些percpu的成员分配内存，这一过程比较耗时。css populate上是因为部分子系统的接口文件比较多，需要依次一个个地创建从而消耗更多的时间。
分析过后发现，这些逻辑都是必须没有冗余，怎么优化？做缓存呗。percpu成员变量记录下地址不释放下次重复使用，子系统接口文件在释放时以文件夹为单位移到一个指定的地方，需要时再移回来，只涉及目录文件上一个目录项的读写，开销低且是常数。
通过两种方式，各个创建cgroup的延时优化结果如下：
cpu子系统css alloc部分依然比较耗时的原因在于初始化操作比较多，但相比于原先的160us，延时已经降到了50us。
缩小临界区后虽然并不能对并发度有什么影响，但至少延迟降下来了，下面是测试数据。
t个线程并发，每个线程在cpu、cpuacct、cpuset、memory、blkio下创建n个cgroup：
| t | n | 使用缓存平均时间 | 不使用缓存平均时间 | 优化率 |
| 20 | 100 | 0.23s | 0.71s | 67.6% |
| 20 | 1000 | 2.66s | 8.12s | 67.3% |
| 200 | 10 | 0.18s | 0.54s | 66.7% |
| 200 | 100 | 2.00s | 7.30s | 72.4% |
| t | n | 使用缓存长尾时间 | 不使用缓存长尾时间 | 优化率 |
| 20 | 100 | 0.29s | 0.88s | 67.1% |
| 20 | 1000 | 3.25s | 9.37s | 65.3% |
| 200 | 10 | 0.32s | 0.94s | 66.0% |
| 200 | 100 | 3.40s | 9.53s | 64.3% |
一些假想
如果无视各种限制因素，抛弃现有的框架，不考虑向下兼容，实现一个用于管控进程资源且支持高并发的框架，可以怎么设计？
现在cgroup的机制提供了相当高的灵活性，子系统之间的关系可以随意绑定，task可以随意绑在任意一个cgroup上，如果牺牲一下这些灵活性，对问题的解释是不是就可以变得简单点，下面谈谈我的几个想法。
第一，前文提到的为了减少cgroup数量，把所有的子系统都绑定在一起的想法，是否可以固化在内核当中，或者说不提供子系统独立挂载和绑定挂载的特性？这样，进程组与cgroup变成了一一对应的关系，cset就没有了存在的意义，css_set_lock带来的问题也不攻自破。但是对应的弊端是，一个进程组内的所有进程在每个子系统上资源控制都是一致的。
第二，cgroup层级结构是否有存在的必要？现在cgroup以树形结构组织，确实在逻辑上更加符合现实。比如，在第一层给业务分配总资源，在第二层给业务的各个组件分配资源。但在操作系统分配资源的视角上，以及业务进程具体获得资源的视角上，第一层的存在并没什么作用，只是给用户提供了逻辑更清晰的运维管理。如果把cgroup v2提出的no internal process特性也应用上，可以把cgroup层级扁平化到只有一层。
cgroup只有一层的好处是，可以很方便地把cgroup_mutex粒度细化，细化到每个cgroup一把锁，不会存在好几层的树形结构——改动一个cgroup需要从祖先开始持锁的问题。锁的粒度细化后，在并发启动容器实例的时候，因为对应不同的cgroup，也就不会存在竞争的问题。
第三，cgroup的删除能否加以限制？现在是用户异步手动删除空的cgroup，如果可以在cgroup不再管理进程（exit，move）时隐藏，后续找个时机触发删除，便可以少一个竞争场景。这种方法会造成空的cgroup没法再利用，现在有对空cgroup再利用的需求吗？
最后，绑定进程能否加以限制？task绑定cgroup的本质是移动，从一个cgroup到另一个cgroup。cgroup_mutex粒度细化后会存在ABBA的死锁问题。有一个问题是，task存在绑定到一个cgroup后再绑定的需求吗？理想情况是绑定一个后顺利运行然后退出。基于这种假设就可以做一个限制，只允许task在绑定时，src与dst内必须包含default cgroup、default cgroup起一个跳板作用。
上面这些都是我一些不成熟的想法，欢迎讨论。
原文链接
本文为阿里云原创内容，未经允许不得转载。
