首页
/ SPDK项目中NVMf与RDMA的IO挂起问题分析与解决方案

SPDK项目中NVMf与RDMA的IO挂起问题分析与解决方案

2025-06-25 00:42:18作者:明树来

问题背景

在使用SPDK的NVMf over RDMA方案时,我们遇到了一个棘手的问题:在特定场景下,vhost的IO操作会出现挂起现象。这个问题特别值得关注,因为它发生在生产环境中,且难以在测试环境中复现。

现象描述

当问题发生时,会出现以下典型现象:

  1. vhost端的IO操作完全停止响应
  2. 目标端(nvmf target)的控制器状态显示正常
  3. 执行nvme discover命令后,挂起的IO操作会突然恢复
  4. 在IO挂起期间,相关CPU核心的trace日志几乎为空
  5. 当新的admin qpair被调度到CPU核心时,pending_rdma_queue会被重新处理

技术分析

通过对问题的深入分析,我们发现问题的根源可能与以下几个方面有关:

  1. RDMA资源不足:特别是data_wr_pool的大小被硬编码为qdepth*16,这在某些高负载场景下可能不足

  2. 缓冲区管理问题:nvmf_get_stats显示pending_data_buffer值异常增长

  3. 事件处理机制:ibv_poll_cq无法获取cqe,导致nvmf_rdma_qpair_process_pending函数无法被调用

  4. 核心分配问题:admin qpair和io qpair被分配到不同CPU核心,导致keep alive机制失效

解决方案

经过SPDK开发团队的深入研究,提出了以下解决方案:

  1. 动态配置data WR池大小:将原本硬编码的池大小改为可配置参数,允许根据实际负载调整

  2. 空闲轮询处理pending_buf队列:在空闲轮询时处理pending_buf队列,避免资源耗尽

  3. 优化资源分配策略:确保关键资源在不同核心间的合理分配

实施效果

在实际生产环境中应用这些改进后,我们观察到:

  1. pending_data_buffer的增长趋势得到有效控制
  2. 目标端的吞吐量显著提升
  3. IO挂起问题不再复现
  4. 系统整体稳定性大幅提高

经验总结

这个案例给我们带来了宝贵的经验:

  1. 在高性能存储系统中,资源预分配和动态调整同样重要
  2. 对于难以复现的问题,需要结合日志分析和统计数据进行诊断
  3. 核心间的资源协调是分布式系统设计的关键考量
  4. 监控指标的实时采集对于问题定位至关重要

通过这次问题的解决,SPDK社区进一步完善了NVMf over RDMA的实现,为大规模生产部署提供了更可靠的保障。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
kernelkernel
deepin linux kernel
C
22
6
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
ops-mathops-math
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++
519
50
RuoYi-Vue3RuoYi-Vue3
🎉 (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
943
556
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
196
279
openHiTLSopenHiTLS
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
993
396
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
361
12
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
71