Linux TCP吞吐性能缺陷

admin

TCP滑动窗口的停-等限制了吞吐适配带宽，这是协议层面上的缺陷，除非重构TCP协议本身，任何实现都于事无补。

Linux内核协议栈实现的TCP(简称Linux TCP)是实际部署最多的TCP实现，遗憾的是，抛开协议本身的缺陷，Linux TCP还有自身实现的缺陷，实现层面的缺陷更直观可见。

至于其它家操作系统的协议栈实现，我没有亲见，不便多谈。

TCP是一个全双工协议，真的吗？可同时发送和接收数据吗？至少，数据发送和确认可同时进行吗？
对于Linux TCP，答案都是不能。因此必然会损耗吞吐性能。这背后有不可调和的矛盾：

进程希望发送和接收被同一个CPU处理，因此必须串行。
全双工要求不同CPU处理发送和接收，因此才能并行。
Linux TCP通过Socket API来操作，有个问题需要回答：

Socket API到底适不适合作为TCP的操作界面？
我认为是不适合的。

Socket API是操作系统进程抽象的VFS接口，它是一个文件描述符。文件是内容的载体，内容的读写需要同步互斥看起来理所当然。然而TCP并不能看作一个合情理的文件，它是两个管道，用一个文件抽象代表一个双向独立的两个管道，显然就有问题了。

离开形而上，来看下实现。

Linux TCP socket系统调用对于send和receive是互斥的：
[mw_shl_code=applescript,true]int tcp_sendmsg(struct sock *sk, struct msghdr *msg, size_t size)
{
        int ret;

        lock_sock(sk);
        ret = tcp_sendmsg_locked(sk, msg, size);
        release_sock(sk);

        return ret;
}
int tcp_recvmsg(struct sock *sk, struct msghdr *msg, size_t len, int nonblock,
                int flags, int *addr_len)
{
        ...
        lock_sock(sk);
        ret = tcp_recvmsg_locked(sk, msg, len, nonblock, flags, &tss,
                                 &cmsg_flags);
        release_sock(sk);
        ...
}
[/mw_shl_code]
由于需要lock socket，Linux TCP无法同时读写，退化成了半双工。协议层面TCP是全双工的，Linux TCP实现成了半双工。

除了Socket显式读写API层面被半双工化，TCP协议核心也被半双工化。Linux TCP用软中断处理数据接收以及ACK，在tcp_v4_rcv中，软中断处理不会和Socket读写并行：
[mw_shl_code=applescript,true]// softirq接收例程
void softirq_recv(struct skb *skb, struct sock *sk)
{
        spin_lock(sk->lock1);
        if (owner == false) {
                tcp_recv_data(skb);
                tcp_process_ack(skb);
                tcp_write_xmit(sk);
        } else {
                add_backlog(skb, sk);
        }
        spin_unlock(sk->lock1);
}
// 进程读写TCP
int send/recv(struct sock *sk, char *buff)
{
        spin_lock(sk->lock1);
        sk->owner = true;
        spin_unlock(sk->lock1);
        process_data_send/recv(sk, buff);
        spin_lock(sk->lock1);
        process_backlog(sk);
        sk->owner = false;
        spin_unlock(sk->lock1);
}
// 在进程退出读写前处理softirq pending的事务
void process_backlog(struct sock *sk)
{
        for_each_skb(sk->backlog) {
                tcp_recv_data(skb);
                tcp_process_ack(skb);
                tcp_write_xmit(sk);
        }
}
[/mw_shl_code]
因此TCP ACK处理，拥塞控制，反馈激励发包等TCP拥塞状态机核心因此被串行化：

在tcp_ack完成后，tcp_write_xmit才可发包。
综上，Linux TCP有以下互斥关系：

socket发数据和socket收数据互斥。
软中断处理和反馈激励发包互斥。
软中断处理和socket收数据互斥。
软中断处理和socket发数据互斥。
上述互斥关系影响接收性能。在另一端，取决于实现，pureACK频率将会对Linux TCP发送端产生影响。

总结25Gbps网卡直连单向流的测试结果：

下面是测试中可能用到的一些简单命令：
[mw_shl_code=applescript,true]# 接收端配置QUICKACK，x.x.x.x为数据发送端地址，y.y.y.y可通过ip route get x.x.x.x/32获取
ip route add x.x.x.x/32 via y.y.y.y quickack 1

# 接收端每2个pureACK丢1个的配置
iptables -A OUTPUT -d $sender -p tcp -m length  --length 52 --sport 5001 -m statistic --mode nth --every 2 --packet 0  -j DROP
# 后面每pending一条，意味着允许通过的pureACK数量为(1/2)^n，n为iptables规则总条目数

# pureACK/Data比通过bpftrace k:tcp_ack，k:__tcp_transmit_skb计数观察，也可以通过下面的命令：
ssar -n DEV 1
[/mw_shl_code]
分析上表，有以下结论：

pureACK数量对吞吐影响可观测，成比例。
Linux TCP跑满25Gbps得益于LRO，LRO减少了pureACK总量。
发送端丢pureACK对吞吐无影响，软中断影响超过ACK处理影响。
发送端TSO对吞吐影响不大。
大量pureACK导致软中断增加是吞吐下降原因，热点就是软中断和xmit串行化。以上结论有下列推论：

10ms+级别RTT环境，软中断中ACK/xmit串行化影响和RTT相比可忽略，在广域网传输环境，Linux TCP缺陷影响并不显著。(因此无人在意)
10us级别RTT环境，Linux TCP缺陷无人关注的原因在于该环境下Linux TCP早被诟病，因此普遍采用用户态协议栈。
Linux TCP长期将RTO_MIN定为HZ/5，DELAY_ACK定为HZ/25，说明Linux TCP的典型适用场景不是IDC超短肥环境。
作为接收端，MacOS的ACK/Data比几乎1:1，若未刻意调优，安卓手机大概率要比iPhone表现良好。
在IDC场景，由于Linux TCP的DelayACK大于HZ/25，此量约RTT百倍，大大减少了pureACK数量，以至于可忽略ACK/xmit串行处理影响，这让Linux TCP实际表现还不错。
Linux TCP饱受诟病，但核心原因大多数人并未认识到。核心原因就是串行化处理，无论是收发串行化还是ACK/Data串行化，均会伤害TCP吞吐，对于典型的单向传输，ACK/Data串行化带来的伤害更是无以复加。串行化处理破坏了TCP ACK时钟的平滑流逝，这种破坏在下面场景下伤害尤甚：

WiFi场景下典型的ACK聚集，大量到来的ACK确认大量的Data，导致ACK时钟节奏抖动。
pureACK丢失导致ACK时钟刻度空缺，ACK处理和反馈激励发送全局同步，时钟节奏受损。
以全双工的视角，正确的做法，将收和发两个方向独立处理，仅操作两方共享数据时将操作原子化，典型的共享数据包括不限于：

拥塞窗口。拥塞控制算法写，发送及重传流程读，拥塞窗口可作为发送及重传流程的令牌因子。
通告窗口。ACK处理流程写，发送流程读，通告窗口可作为发送流程的令牌因子。
状态机统计信息。诸如inflight，sack数量，lost数量，retrans数量。
连接统计信息。tcp_info结构体。
以进程的视角，全双工视角下正确的做法恰好是错误的。进程倾向于同一个CPU处理发送和接收数据，数据的起点和终点均为进程，此举可最优化cache利用。

全双工和进程是两个视角，这两个视角之间的矛盾是协议栈实现的根本难题，以至于QUIC依然存在这个问题：

QUIC的诸实现，单个Nginx worker，要么收，要么发。
DelayACK可大大减少pureACK的数量，直接降低了发送端CPU利用率，节省的CPU可发送更多数据包。关掉DelayACK是不明智的，除非确信DelayACK和发送端Nagle之间有副作用。上述分析可见，QUICKACK将大大降低吞吐。

我曾经想增加永久sysctl配置永久禁用DelayACK，后来作罢。

有破有立。和同事闲聊，跃跃欲试想分离Linux TCP的收发，至少分离ACK和xmit，但了解到需要重构整个socket层时，就放弃了。

前段时间埃里克的一个patch似乎在这件事上做了一个引子：
https://git.kernel.org/pub/scm/l ... 6efdf5967028c154aba

埃里克认为，一旦有进程在读写socket，软中断流程将不得不把skb放入backlog，由进程在release socket前处理backlog中pending的skb。进程处理backlog的过程中，将Data复制到buffer后，kfree_skb将是一个耗时操作，而此时进程尚占有socket，到来的软中断流程会将越来越多的skb放入backlog而不能直接处理，导致额外延时。

由于ACK和xmit是串行的，其中任一环节的耗时操作都是一种HoL阻塞，将这些操作从锁定区域拿出来就是了。

埃里克通过将skb挂在一个list上取代直接free的做法解决了这个问题。free操作将在进程放开socket后进行，or直接在软中断的spinlock临界区之外进行，此举大大提高了吞吐，给埃里克点赞。(不过更好的做法是单独处理，比如单独在一个上下文处理free)

但未竟全功。

埃里克的patch只优化了接收端，对于发送端处理ACK时的行为，也有一个耗时的kfree_skb，即tcp_clean_rtx_queue函数中清理重传队列后的free操作：

[mw_shl_code=applescript,true]static int tcp_clean_rtx_queue(struct sock *sk, u32 prior_fack,
                               u32 prior_snd_una,
                               struct tcp_sacktag_state *sack)
{
        ...
        for (skb = skb_rb_first(&sk->tcp_rtx_queue); skb; skb = next) {
                ...
                tcp_rtx_queue_unlink_and_free(skb, sk);
        }
        ...
[/mw_shl_code]
这个case简单，我的改法如下：

将tcp_rtx_queue_unlink_and_free其中的kfree_skb换成add_list。
在tcp_v4_rcv中添加刷新list的骚操作：
[mw_shl_code=applescript,true]    } else {
            if (tcp_add_backlog(sk, skb))
                    goto discard_and_relse;
            // 软中断路径中，list中超过100个skb才会批量free
            // 然而在进程上下文，批量free阈值会更大，比如2000个skb才free
            sk_defer_rtx_free_flush(sk);        
    }
[/mw_shl_code]
在所有socket系统调用release_sock之后增加sk_defer_rtx_free_flush。
下面是修改前后的吞吐对比：

提升了1Gbps～2Gbps，但依然没有质的提升。埃里克的patch已经我后续的补充诚然有效，但依然属于case by case的见招拆招解法，于本质缺陷无补，但我希望这只是热身，即便继承Linux TCP的实现框架，当耗时操作一点一点拆出来之后，Linux TCP也就趋于极致了。

软中断处理中以ACK作为拥塞控制算法和拥塞状态机的输入，将cwnd作为令牌输出给xmit逻辑，将scoreboard输出给传输队列，才是正确的实现：

但Linux TCP当前的代码逻辑，离这个架构非常遥远(socket接口都不能再用了)。

虽遥远，但非难为。

Linux UDP Socket并没有保持文件语义，Linux UDP仅存在下列互斥：

Socket写与Socket写互斥。
Socket读在reader_queue上互斥。
Softirq在sk_receive_queue上互斥。
曾经Linux UDP并没有reader_queue，仅有sk_receive_queue，这样Socket读和Softirq就不得不互斥，但最终这个互斥通过增加reader_queue被解除了，这是一个典型的拆锁优化思路。于是，如果基于UDP实现一个类TCP协议，反而更容易实现全双工。与此同时，也可以看到，Linux TCP之所以实现成这个样子，背后的缘由并没有多深邃。
Linux TCP实现成这个样子，最初完全因为简单。最初它可以运行，进化到现在它的框架便无法大变。进化的本质目标是生存，而非寻求最优解。如此考虑，Linux TCP的优化便难也不难，简也不简了。