GPU虛擬機創建時間深度優化

2020 年 8 月 26 日
筆記

桔妹導讀：GPU虛擬機實例創建速度慢是公有雲面臨的普遍問題，由於通常情況下創建虛擬機屬於低頻操作而未引起業界的重視，實際生產中還是存在對GPU實例創建時間有苛刻要求的業務場景。本文將介紹滴滴雲在解決該問題時的思路、方法、並展示最終的優化成果。

從公有雲服務商那裡購買過虛擬主機的資深用戶，一般會發現這麼個規律：創建一台CPU虛擬主機是比較快的，但是要創建一台包含GPU卡的虛擬主機通常需要等比較長的時間，整個創建過程短則數十秒鐘，長則數分鐘。對於絕大多少的用戶來說，虛擬主機的創建時間長一點對他們影響並不大，因為創建虛擬機屬於相對低頻操作。但是也會有一些特定的用戶由於其業務場景交互性比較強，會對虛擬主機的創建時間有相對苛刻的要求，因為過長的創建時間會導致其業務用戶體驗很差。本文將從虛擬化的角度來介紹GPU虛擬主機創建時間長背後的原因，以及相關的優化方法。

通過分析Libvirt, QEMU以及Guest 內的相關日誌及對應的時間戳，可以獲取GPU虛擬主機在創建過程中的耗時情況，這裡我們主要關心幾個關鍵的時間點: a) Libvirt 開始創建QEMU 進程；b) Libvirt 執行 Resume啟動VCPU ; c) Guest kernel 列印第一條日誌. 在本文中，我們把a和 b 之間的時間間隔稱為QEMU初始化時間, 把b 和c 之間的時間間隔稱為 BIOS執行時間。以下數據是在滴滴雲的線上環境中採集到的創建一台包含8個CPU核虛擬機實例的相關數據：

從上面的數據可以看到，對於規格相同的虛擬機實例，帶1塊P40卡的GPU實例相比同規格的CPU實例在QEMU初始化及BIOS執行部分的時間都明顯要長, 在帶4塊P40卡以及更大記憶體規格的場景下，需要的時間會進一步拉長。通過實驗我們發現在主機配置和GPU卡型號確定的前提下，GPU實例的創建時間長短主要取決於兩個因素：虛擬機的記憶體大小和GPU卡的數量。

為什麼GPU實例的創建過程要比CPU實例的創建過程耗時長？多消耗的時間到底花在哪裡？要搞清楚原因需要深入的分析，比較直觀的辦法就是通過perf取樣來生成火焰圖，以此來分析虛擬機在創建過程中的熱點函數。下圖是在滴滴雲環境里抓取到的GPU虛擬機啟動過程中QEMU進程的火焰圖。

通過對程式碼調用關係的分析，可以得知熱點發生在系統分配記憶體和對記憶體頁面清零的過程中，是由QEMU中的vfio_dma_map函數在執行VFIO_IOMMU_MAP_DMA ioctl 系統調用所觸發，該調用會Pin住所有分配給VM當做RAM使用的記憶體。在Pin 記憶體的過程中，如果虛擬記憶體對應的物理頁面尚未分配，會先進行物理記憶體分配並對記憶體頁面內容進行清零。在Linux kernel 中，對分配給應用程式的記憶體進行清零主要是基於安全方面的考慮，避免Host 記憶體中的內容泄漏給用戶空間的應用程式。這裡之所以要將記憶體Pin 住，目的是為了保證IOMMU IO頁表和 host HVA->HPA 映射的一致性，否則Guest 內設備的DMA操作可能會訪問到錯誤的記憶體頁面。

VFIO DMA 映射處理慢可以在一定程度上解釋為什麼記憶體的大小和GPU卡的數量會影響到GPU實例的創建時間。虛擬機實例記憶體規格越大，需要映射和Pin住的記憶體量也就越大，相關處理的耗時和記憶體量成正比。另外GPU卡上通常會包含一塊比較大的MMIO區域，對MMIO的映射也會耗費較多的時間，卡的數量越多，耗時就會越長。相比之下，CPU實例的創建過程沒有VFIO DMA 映射的相關處理流程，因此會比較快。

針對以上的熱點，有什麼辦法可以消除或者緩解呢？已經有業內的同行們提到過這個問題並給出了對應的解決方案，其思路是對分配給VM 用作RAM使用的記憶體區域做一個標記，在內核中跳過對標記的記憶體頁面進行清零，而將清零的動作留給QEMU來做，在QEMU 中可以利用多執行緒以及更高效的指令進行清零動作，從而加速Pin記憶體的過程。該方案的缺陷主要有兩點: 一是存在安全性風險，其他應用程式可以利用設定的標記來窺探host 記憶體中的資訊；二是在VM實例的VCPU個數比較少的情況下，優化效果不是很好。

我們採用了另外一種方案，通過修改Host kernel的記憶體管理部分，我們實現了一種對Host 上空閑物理記憶體提前進行清零的機制，清零動作可以在系統空閑的時候進行，當某個記憶體頁面被清零後，將其對應的 struct page 進行標記，這樣在需要對記憶體進行清零的時候，可以通過檢查該標記來判斷是否要執行清零動作，如果清零的標記已經被設置，就可以跳過清零的步驟。該方案避免了上述方案中的兩個主要問題，同時還有其它方面的好處，主要包括以下幾點：a.可以提高缺頁異常處理效率，尤其是透明大頁的缺頁異常處理效率；b. 可以加速需要Pin記憶體及需要通過mlock 來鎖住記憶體的應用場景，例如使用RDMA, QAT 硬體加速等場合；c. 可以加速內核中其他需要對記憶體進行清零的場景。相關修補程式的RFC版本，我們已經提交到了Linux kernel 社區。

另一個加速Pin記憶體的有效方法是採用大頁，通過開啟透明大頁可以顯著減少缺頁處理的調用次數並加速Pin記憶體的過程。下圖展示了開啟透明大頁以及啟用空閑記憶體預清零機制對GPU實例創創建時間的影響。

以上的數據表明，在開啟透明大頁以及空閑記憶體預清零功能後，可以顯著的的優化QEMU的初始化時間，但是BIOS部分的耗時依然偏長。通過進一步的分析我們發現主要的時間消耗還是在VFIO 映射DMA的處理過程當中，主要有幾個方面的原因：a. 映射DMA Pin記憶體需要逐頁查詢頁表，開銷較大；b. QEMU 存在對部分IOVA區域的反覆映射及解除映射的操作。於是我們嘗試在這兩個方向上進行優化，通過採用批量處理的方法減少查詢頁表的開銷，另外在QEMU中加入VFIO DMA映射區域的管理，有效的規避了效率低下的反覆映射及解除映射操作，最終大幅度降低了VFIO DMA映射的時間消耗。

在解決完上述問題後我們並沒有止步，對虛擬機實例創建過程中的可優化的其它地方，我們也做了相關的處理，例如關閉BIOS boot menu ，優化VFIO PCI 設備reset 的流程，去掉對GPU實例來說不必要的操作，最終將GPU實例創建過程中虛擬化部分的時間開銷減少了90%以上，下面這張圖展示了單卡小記憶體規格實例優化前後的耗時對比：