Open5GS项目中UPF数据平面性能优化实践
2025-07-05 03:39:06作者:薛曦旖Francesca
背景介绍
在Open5GS项目的用户平面功能(UPF)实现中,数据包处理性能一直是关键指标。近期社区成员发现了一个潜在的性能优化点,涉及数据包缓冲区(ogs_pkbuf)的复制操作。
问题发现
在Open5GS的PFCP用户平面处理函数ogs_pfcp_up_handle_pdr中,存在一个可能影响性能的实现细节。该函数在处理接收到的数据包时,会对接收缓冲区(recvbuf)执行一次完整的复制操作(ogs_pkbuf_copy),生成发送缓冲区(sendbuf)。
这种设计虽然保证了数据处理的独立性,但在高吞吐量场景下,内存复制操作会成为性能瓶颈。根据社区测试数据,这一复制操作会导致约15-18%的性能下降。
优化方案
经过深入分析,开发团队确认可以安全地移除这一复制操作,直接使用原始接收缓冲区作为发送缓冲区。这种优化基于以下技术考虑:
- 数据平面处理通常是线性的,不需要保留原始数据包的多个副本
- 移除复制操作后,减少了内存分配和拷贝的开销
- 不会影响数据处理的正确性,因为后续处理流程不会修改原始数据包内容
优化后的代码实现非常简单,只需将复制操作替换为指针赋值:
/* 原实现:需要复制缓冲区 */
// sendbuf = ogs_pkbuf_copy(recvbuf);
/* 优化后:直接使用原缓冲区 */
sendbuf = recvbuf;
性能影响
根据实际测试数据,这一优化带来了显著的性能提升:
- 吞吐量提升约15-18%
- 减少了内存分配和拷贝操作
- 降低了CPU使用率
- 提高了数据包处理速度
实现细节
在具体实现上,开发团队采取了谨慎的步骤:
- 首先在issues3306分支进行验证性实现
- 邀请社区成员进行测试验证
- 确认无副作用后合并到主分支
- 保持对数据平面稳定性的持续监控
技术考量
这一优化虽然简单,但涉及几个重要的技术考量点:
- 缓冲区生命周期管理:移除复制操作后,需要确保原始缓冲区的生命周期足够长
- 线程安全性:确认在并发场景下不会出现竞争条件
- 错误处理:简化后的实现不会引入新的错误处理路径
- 兼容性:不影响现有接口和协议处理逻辑
总结
Open5GS项目通过这一看似简单的优化,显著提升了UPF数据平面的处理性能。这体现了开源社区协作的优势,也展示了在核心网络功能实现中,持续性能优化的重要性。开发团队在保持代码稳定性的前提下,通过合理简化数据处理流程,为高吞吐量场景提供了更好的支持。
对于部署Open5GS UPF的用户来说,这一优化将直接转化为更高的数据处理能力和更低的资源消耗,特别是在5G高带宽应用场景中效果更为明显。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217