Kubernetes Service 用于实现集群中业务之间的互相调用和负载均衡，目前社区的实现主要有userspace，iptables和IPVS三种模式。IPVS模式的性能最好，但依然有优化的空间。该模式利用IPVS内核模块实现DNAT，利用nf_conntrack/iptables实现SNAT。nf_conntrack是为通用目的设计的，其内部的状态和流程都比较复杂，带来很大的性能损耗。
腾讯云 TKE 团队 开发了新的IPVS-BPF模式，完全绕过nf_conntrack的处理逻辑，使用eBPF完成SNAT功能。对最常用的POD访问ClusterIP场景，短连接性能提升40%，p99时延降低31%；NodePort场景提升更多。详情见下表和性能测量章节。
一、容器网络现状
iptables模式
存在的问题：
1．可扩展性差。随着service数据达到数千个，其控制面和数据面的性能都会急剧下降。原因在于iptables控制面的接口设计中，每添加一条规则，需要遍历和修改所有的规则，使得其控制面性能是O(n²)。在数据面，规则是用链表组织的，使得其数据面的性能是O(n)。
2．LB调度算法仅支持随机转发。
IPVS模式
IPVS 是专门为LB设计的。它用hash table管理service，对service的增删查找都是O(1)的时间复杂度。不过IPVS内核模块没有SNAT功能，因此借用了iptables的SNAT功能。IPVS 针对报文做DNAT后，将连接信息保存在nf_conntrack中，iptables据此接力做SNAT。该模式是目前Kubernetes网络性能最好的选择。但是由于nf_conntrack的复杂性，带来了很大的性能损耗。
二、IPVS-BPF方案介绍
eBPF 介绍
eBPF是Linux内核中软件实现的虚拟机。用户把eBPF程序编译为eBPF指令，然后通过bpf()系统调用将eBPF指令加载到内核的特定挂载点，由特定的事件来触发eBPF指令的执行。在挂载eBPF指令时内核会进行充分验证，避免eBPF代码影响内核的安全和稳定性。另外内核也会进行JIT编译，把eBPF指令翻译为本地指令，减少性能开销。
内核在网络处理路径上中预置了很多eBPF的挂载点，例如xdp, qdisc, tcp-bpf, socket等。eBPF程序可以加载到这些挂载点，并调用内核提供的特定API来修改和控制网络报文。eBPF程序可以通过map数据结构来保存和交换数据。
基于eBPF的IPVS-BPF优化方案
针对nf_conntrack带来的性能问题，腾讯TKE团队设计实现了IPVS-BPF。核心思想是绕过nf_conntrack，减少处理每个报文的指令数目，从而节约CPU，提高性能。其主要逻辑如下:
- 在IPVS内核模块中引入开关，支持原生IPVS逻辑和IPVS-BPF逻辑的切换
- 在IPVS-BPF模式下，将IPVS hook点从LOCALIN前移到PREROUTING，使访问service的请求绕过nf_conntrack
- 在IPVS新建连接和删除连接的代码中，相应的增删eBPF map中的session信息
- 在qdisc挂载eBPF的SNAT代码，根据eBPF map中的session信息执行SNAT
此外，针对icmp, fragmentation均有专门处理，详细背景和细节，会在后续的QCon在线会议上介绍，欢迎一起探讨。
优化前后报文处理流程的对比
可以看到，报文处理流程得到了极大简化。
为什么不直接采用全eBPF方式
很多读者会问，为什么还要用IPVS模块跟eBPF相结合，而不是直接使用eBPF把Service功能都实现了呢？
我们在设计之初也仔细研究了这个问题, 主要有以下几点考虑：
- nf_conntrack对CPU指令和时延的消耗，大于IPVS模块，是转发路径的头号性能杀手。而IPVS本身是为高性能而设计的，不是性能瓶颈所在
- IPVS有接近20年的历史，广泛应用于生产环境，性能和成熟度都有保障
- IPVS内部通过timer来维护session表的老化，而eBPF不支持timer, 只能通过用户空间代码来协同维护session表
- IPVS支持丰富的调度策略，用eBPF来重写这些调度策略，代码量大不说，很多调度策略需要的循环语句，eBPF也不支持
我们的目标是实现代码量可控，能落地的优化方案。基于以上考虑，我们选择了复用IPVS模块，绕过nf_conntrack，用eBPF完成SNAT的方案。最终数据面代码量为：500+行BPF代码， 1000+行IPVS模块改动（大部分为辅助SNAT map管理的新增代码）。
三、性能测量
本章节通过量化分析的方法，用perf工具读取CPU性能计数器，从微观的角度解释宏观的性能数据。本文采用的压测程序是wrk和iperf。
测试环境
复现该测试需要注意两点：
- 不同的集群和机器，即使机型都一样，也可能因为各自母机和机架的拓扑不同，造成性能数据有背景差异。为了减少这类差异带来的误差，我们对比IPVS模式和IPVS-BPF模式时，是使用同一个集群，同样一组后端Pod, 并且使用同一个LB节点。先在IPVS模式下测出IPVS性能数据，然后把LB节点切换到IPVS-BPF模式, 再测出IPVS-BPF模式的性能数据。(注：切换模式是通过后台把控制面从kube-proxy切换为kube-proxy-bpf来实现的，产品功能上并不支持这样在线切换)
- 本测试的目标是测量LB上软件模块优化对于访问service性能的影响，不能让客户端和RS目标服务器的带宽与CPU成为瓶颈。所以被压测的LB节点采用1核机型，不运行后端Pod实例；而运行后端服务的节点采用8核机型
NodePort
为了采集CPI等指标，这里LB节点(红色部分)采用黑石裸金属机器，但通过hotplug只打开一个核，关闭其余核。
ClusterIP
这里LB节点(左边的Node)采用SA2 1核1G机型。
测量结果
IPVS-BPF模式相对IPVS模式，Nodeport短连接性能提高了64%，clusterIP短连接性能提高了40%。
NodePort优化效果更明显，是因为NodePort需要SNAT，而我们的eBPF SNAT比iptables SNAT更高效，所以性能提升更多。
如上图所示，iperf带宽测试中IPVS-BPF模式相对IPVS mode性能提升了22%。
上图中，wrk测试表明nodePort service 短连接p99延迟降低了47%.
上图中，wrl测试表明clusterIP service短连接的p99延迟降低了31%。
指令数和CPI
上图中从Perf工具看，平均每个请求耗费的CPU指令数, IPVS-BPF模式下降了38%。这也是性能提升的最主要原因。
IPVS-BPF 模式下CPI略有增加，大概16%。
测试总结
| Service类型 | 短连接cps | 短连接p99延迟 | 长连接吞吐 |
|---|---|---|---|
| clusterIP | +40% | -31% | 无，见下文 |
| nodePort | +64% | -47% | +22% |
如上表，IPVS-BPF模式相对原生IPVS模式，Nodeport处理短连接性能提升了64%，p99延迟降低了47%，处理长连接带宽提升了22%；ClusterIP处理短连接吞吐量提升了40%, p99延迟降低了31%。
测试ClusterIP长连接吞吐时，iperf本身消耗了99% 的CPU，使得优化效果不容易直接测量。另外我们还发现IPVS-BPF模式下CPI有增加，值得进一步研究。
四、其他优化，特性限制和后续工作
在开发IPVS-BPF方案过程中，顺便解决或优化了一些其他问题
conn_reuse_mode = 1时新建性能低以及no route to host问题
这个问题是当client发起大量新建TCP连接时，新的连接被转发到terminating的pod上，导致持续丢包。此问题在IPVS conn_reuse_mode=1的情况下不会有。但是conn_reuse_mode=1时，有另外的新建连接性能急剧下降的bug, 故一般都设置成了conn_reuse_mode=0。我们在TencentOS内核中彻底修复了该问题，代码在ef8004f8, 8ec35911, 07a6e5ff63同时也正在向内核社区提交修复。
-
iptables SNAT分配lport到调用插入nf_conntrack，这中间是采用乐观锁机制。这中间如果发生竞争，相同的lport和五元组同时插入nf_conntrack会导致丢包。在IPVS-BPF模式下，SNAT选择lport的过程和插入hash table的过程在同一个循环中，循环次数最大为5次，从而减少了该问题的概率。
externalIp优化造成clb健康检查失败问题
特性限制
- Pod访问自身所在的service，IPVS-BPF模式会把请求转发给其他Pod，不会把请求转发给Pod自己
后续工作
- 借鉴Cilium提出的方法，利用eBPF进一步优化clusterIP性能
- 研究IPVS-BPF模式下CPI上升的原因，探索进一步提升性能的可能性
五、如何在TKE启用IPVS-BPF模式
如下图，在腾讯云TKE控制台创建集群时，高级设置下的Kube-proxy代理模式选项，选择 ipvs-bpf即可。
目前该特性需要申请白名单。请通过申请页提交申请。
六、相关专利
本产品产生的相关专利申请如下：
2019050831CN 一种报文传输的方法及相关装置
2019070906CN 负载均衡方法、装置、设备及存储介质
2020030535CN 一种利用eBPF技术探测网络服务应用闲置的方法
2020040017CN 宿主机实时负载感知的自适应的负载均衡调度算法
有疑问加站长微信联系（非本文作者）
