BCC项目中TC(流量控制)挂接功能的实现解析
2025-05-10 18:40:59作者:郦嵘贵Just
在Linux内核网络编程领域,BCC(BPF Compiler Collection)是一个强大的工具集,它允许开发者使用BPF(Berkeley Packet Filter)技术来扩展内核功能。其中网络数据包的处理是一个重要应用场景,本文将深入探讨BCC中TC(Traffic Control)子系统的挂接实现。
XDP与TC的对比
XDP(eXpress Data Path)和TC(Traffic Control)都是Linux内核中处理网络数据包的重要钩子点,但它们工作在不同的网络栈层次:
- XDP工作在网卡驱动层,是最早接触数据包的地方,性能极高
- TC工作在网络协议栈的更上层,位于网络设备队列之后
BCC项目提供了attach_xdp()函数来方便地挂接XDP程序,但并没有直接提供同名的attach_tc()函数。这是因为TC子系统的复杂性更高,需要更细致的配置。
TC挂接的实现方式
虽然BCC没有直接提供attach_tc()函数,但通过其Python接口可以完整实现TC程序的挂接。核心步骤包括:
- 创建BPF程序:使用BCC的BPF模块编译eBPF代码
- 配置TC分类器:设置ingress/egress方向
- 创建qdisc:使用
tc命令或直接通过netlink接口 - 添加filter:将BPF程序附加到TC钩子点
一个典型的实现示例如下:
from bcc import BPF
bpf = BPF(src_file="tc_example.c")
fn = bpf.load_func("tc_main", BPF.SCHED_CLS)
# 使用tc命令配置网络接口
os.system("tc qdisc add dev eth0 clsact")
os.system(f"tc filter add dev eth0 ingress bpf da obj {bpf.o} sec tc_main")
为什么没有直接提供attach_tc()
TC子系统相比XDP更为复杂,主要体现在:
- 多层级结构:TC支持多级队列和分类
- 丰富的动作:支持重定向、丢弃、修改等多种操作
- 复杂的匹配规则:可以基于多种包头字段进行过滤
这些特性使得设计一个通用的attach_tc()接口变得困难,而通过现有的BPF接口结合tc命令行工具已经能够满足需求,且提供了更大的灵活性。
实际应用建议
对于需要在TC层挂接BPF程序的开发者,建议:
- 充分理解TC子系统的架构和工作原理
- 先使用命令行工具验证BPF程序功能
- 在Python脚本中集成必要的tc命令调用
- 考虑错误处理和资源清理
通过这种方式,虽然没有直接的attach_tc()函数,但仍然可以高效地实现TC层的网络包处理功能,发挥eBPF的强大能力。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146