本文通過實驗論證：Unixbench的Pipe-based Context Switching用例受操作系統(tǒng)調(diào)度算法的影響波動很大，甚至出現(xiàn)了虛擬機跑分超過物理機的情況。在云計算時代，當前的Unixbench已不能真實地反映被測系統(tǒng)的真實性能，需要針對多核服務器和云計算環(huán)境進行完善。

簡單的說，視操作系統(tǒng)多核負載均衡策略的差異，該用例可能表現(xiàn)出兩種截然不同的效果：

1?在惰性的調(diào)度策略環(huán)境下，測試得分較高，但是會導致系統(tǒng)中任務調(diào)度延遲，最終可能引起業(yè)務性能抖動。例如，在視頻播放、音頻處理的業(yè)務環(huán)境中，引起視頻卡頓、音頻視頻不同步等問題。

2?在積極的調(diào)度策略環(huán)境下，測試得分偏低，但是系統(tǒng)中任務運行實時性更高，業(yè)務運行更流暢。

后文將詳細說明Pipe-basedContext Switching用例的設計原理，測試其在不同系統(tǒng)中的運行結果，并提出測試用例改進建議。

1測試背景

近期，團隊在進行服務器選型的時候，需要對兩款服務器進行性能評估，其中一款服務器采用64核Xeon CPU，另一臺則采用16核Atom CPU。詳細配置信息如下：

根據(jù)硬件廠商的評測，Xeon服務器的綜合性能是Atom服務器的3倍。

我們采用了久負盛名的Unixbench性能測試套件，為我們最終的選擇提供參考。

Xeon的性能碾壓Atom是毋庸置疑的，畢竟Atom 更專注于功耗而不是性能，Atom服務器甚至沒有3級緩存，并且StoreBuffer、Message Queue的深度更低，流水線級數(shù)更少。

出于業(yè)務需求，在整個測試過程中我們更關注單核的性能。為了排除軟件的影響，兩臺服務器均安裝Centos 7操作系統(tǒng)。

測試命令很簡單，在控制臺中執(zhí)行如下命令：

./Run -c 1 -v

執(zhí)行時間比較久，我們可以到一邊去喝點燒酒。一杯燒酒下肚，神清氣爽:-)可以看看結果是否符合咱們的預期：

總分整體符合預期：Xeon服務器單核性能是Atom服務器的2.36倍(1390/588.4)

但是，這里出現(xiàn)了一個異常，細心的讀者應該已經(jīng)發(fā)現(xiàn)：Pipe-based Context Switching測試用例的結果比較反常！從上表可以看出，無論是總分還是單項分數(shù)，Xeon服務器均遠遠超過Atom服務器。其中也包括Pipe Throughput這項用例。然而“Pipe-based Context Switching”這項指標顯得有點與眾不同：在這項指標中，Xeon服務器的優(yōu)勢并不明顯，僅領先25%左右。

為了排除測試誤差，我們反復進行了幾次測試，均發(fā)現(xiàn)同樣的規(guī)律?！癙ipe-based Context Switching”項的分數(shù)差異并不明顯，沒有體現(xiàn)出Xeon服務器的性能優(yōu)勢。

這一問題引起了我們的興趣，Unixbench這樣的權威測試軟件的結果居然和廠商宣稱的出入這么大。為了找出原因，我們使用其他測試環(huán)境，進行了一系列的對比測試。首先，我們找了更多物理機進行對比分析。

1.1物理機對比測試

為此，我們使用另一組服務器進行對比測試，其型號分別為：HP ProLiantDL360p Gen8?DELL PowerEdge R720xd。配置如下：

分別在兩臺服務器的控制臺中輸入如下命令，單獨對“Pipe-based Context Switching”用例進行測試：

./Run index2 -c1

得到該測試項的分數(shù)為：

測試結果與上面相似，硬件參數(shù)明顯占優(yōu)的DELLL跑分僅領先HP不到20%:-(

1.2物理機VS虛擬機

測試似乎陷入了迷途，然而我們一定需要將加西亞的信送到目的地，并且堅信“柳暗花明又一村”的那一刻終究會到來。

為此，我們使用三組云虛擬機來進行測試。這三組虛擬機配置如下：

這三款虛擬機與此前的物理機參數(shù)相差不大，如果不出意外的話，分數(shù)應當介于300~400之間。

然而測試結果出人意料，以至于筆者的鏡片摔了一地：

特別令人吃驚的是：第二組虛擬機的測試分數(shù)，竟然是物理主機的1.5倍，并且是第一組虛擬機和第三組虛擬機的5.4倍。

1.3單核和多核對比測試

為此，我們認真分析不同系統(tǒng)中的CPU占用率。發(fā)現(xiàn)一個特點：在Pipe-based Context Switching用例運行期間，在得分高的環(huán)境中，兩個context線程基本上運行在同一CPU上。而在得分低的環(huán)境中中，兩個context線程則更多的運行在不同的CPU上。這說明：測試結果差異可能與Guest OS中的調(diào)度算法及CPU負載均衡策略有關。

我們不得不啟用了排除法，先看單核和多核之間的差異。

為了驗證猜想是否正確，我們臨時修改了Guest OS中內(nèi)核調(diào)度算法。修改原理是：在喚醒線程時，不管其他CPU核是否空閑，優(yōu)先將被喚醒任務調(diào)度到當前CPU中運行。這樣的調(diào)度算法，其缺點是：被喚醒任務將不能立即運行，必須等待當前線程釋放CPU后才能獲得CPU，這將導致被喚醒線程的實時性較弱。

經(jīng)過測試，在打上了Linux內(nèi)核調(diào)度補丁的系統(tǒng)中，Pipe-based Context Switching在虛擬機和物理機上，得分大大提升。實際測試的結果如下：

很顯然，我們不能將上述補丁直接應用到生產(chǎn)環(huán)境中，因為該補丁會影響任務運行的實時性。因此我們將Linux內(nèi)核調(diào)度補丁回退，并修改“Pipe-based ContextSwitching”測試用例的代碼，強制將context線程綁定到CPU 0中運行，這樣可以避免Guest OS中的調(diào)度算法及CPU負載均衡算法的影響。測試結果如下：

我們再次修改“Pipe-based Context Switching”測試用例的代碼，強制將context線程分別綁定到CPU 0和CPU 1中運行，這樣也可以避免Guest OS中的調(diào)度算法及CPU負載均衡算法的影響。測試結果如下：

可以看到，應用了新的“Pipe-basedContext Switching”補丁之后，所有測試結果都恢復了正常，離真相越來越近了。

2原因分析： CPU拓撲差異導致Unixbench分數(shù)異常

通過前面針對“Pipe-based Context Switching”單實例用例的測試，帶給我們?nèi)缦乱蓡枺?/p>

為什么在該用例中，虛擬機B得分接近600，遠高于虛擬機A、虛擬機C，甚至高于虛擬機A所在的物理機？

為了分析清楚該問題，我們分析了Pipe-based Context Switching用例, 這個用例的邏輯是：測試用例創(chuàng)建一對線程A/B，并創(chuàng)建一對管道A/B。線程A寫管道，線程B讀A管道；并且線程B寫B(tài)管道，線程A程讀B管道。兩個線程均同步執(zhí)行。

經(jīng)過仔細分析，虛擬機A和虛擬機B在該用例上的性能差異的根本原因是：在虛擬機環(huán)境下，底層Host OS向Guest OS透傳的cpu拓撲不同，導致虛擬機系統(tǒng)中的調(diào)度行為不一致, 最終引起很大的性能差異。其中虛擬機A是按照Host主機的實際情況，將真實的CPU拓撲傳遞給Guest OS。而虛擬機B的主機則沒有將真實的物理主機CPU拓撲傳遞給Guest OS。這會導致虛擬機內(nèi)所見到的CPU拓撲和共享內(nèi)存布局有所不同。

在真實的物理服務器上，每個物理核會有各自的FLC和MLC，同一個Core上的CPU共享LLC。這樣的CPU拓撲允許同一Core上的CPU之間更積極的進行線程遷移，而不損失緩存熱度，并且能夠提升線程運行的實時性。這個特性，更利于視頻播放這類實時應用場景。

下圖是虛擬機A和虛擬機B中看到的CPU視圖：

拓撲結構的差異地方在LLC的共享方式，虛擬機A使用的拓撲結構與物理機一致，同一個Core內(nèi)CPU共享LLC。而虛擬機B的配置是同一個Core內(nèi)CPU不共享LLC。不共享LLC的場景下，Linux將每個CPU在LLC層次的調(diào)度域設置為空。這樣，虛擬機B的Guest OS會認為同一物理CPU內(nèi)的兩個超線程是兩個獨立的CPU，處于不同的域之間（這與實際的物理機配置不一致），因此其負載均衡策略會更保守一些。喚醒一個進程時，內(nèi)核會為其選擇一個運行的目標CPU，linux的調(diào)度策略會考慮親和性（提高cache命中率）和負載均衡。在Linux 3.10這個版本下，內(nèi)核會優(yōu)先考慮親和性，親和性的目標是優(yōu)先選取同一個調(diào)度域內(nèi)的CPU。虛擬機A共享LLC，所有的CPU都在同一個調(diào)度域內(nèi)，內(nèi)核為其選擇的是同一調(diào)度域內(nèi)的空閑CPU。而虛擬機B因為LLC層次的調(diào)度域為空，在進入親和性選擇時，無法找到同一個調(diào)度域內(nèi)的其它空閑CPU，這樣就直接返回了正在進行喚醒操作的當前CPU。

最終，在虛擬機B中，除了偶爾進行的CPU域間負載均衡以外，兩個測試線程基本上會一直在同一個CPU上運行。而虛擬機A的兩個進程會并發(fā)的運行在兩個不同的CPU上。

這一特征下的運行時間軸如下：

虛擬機B場景引入的開銷是喚醒和等待運行開銷，虛擬機A場景引入的開銷是喚醒和切換運行開銷。

在正常的工作負載下面，進程運行的時間會遠大于進程切換的開銷，而Pipe-based Context Switching用例模擬的是一個極限場景，一個線程在喚醒對端到進入睡眠之間只執(zhí)行很簡單的操作，實際等待運行的開銷遠小于切換運行的開銷。

此外，在虛擬化場景下，兩種方式喚醒操作中也存在差異，在虛擬機A這個場景下，喚醒的開銷也遠大于虛擬機B場景中的喚醒開銷。最終出現(xiàn)虛擬機B上該用例的得分遠高于虛擬機A、虛擬機C，甚至高于物理機上的得分。

為了進一步驗證我們的分析是否正確。我們在HOST OS中，分別向虛擬機A的GuestOS和虛擬機B的Guest OS按照不同方式傳遞CPU拓撲。測試發(fā)現(xiàn)：在同樣的CPU拓撲結構下，二者的測試分數(shù)是一致的。換句話說，導致該項測試分數(shù)差異的原因，在于不同的HOST OS向Guest OS傳遞的CPU拓撲存在差異，進而導致Guest OS中任務調(diào)度行為的差異。

3 結論：Unixbench需要針對多核服務器和云環(huán)境進行優(yōu)化

unixbench的Pipe-based Context Switching用例受操作系統(tǒng)調(diào)度算法的影響比較大。視操作系統(tǒng)多核負載均衡策略的差異，可能表現(xiàn)出兩種截然不同的效果：

1?在多核負載均衡策略不積極的系統(tǒng)中，測試線程更多的運行在同一個CPU中，線程之間的切換開銷更低。因此測試得分更高，但是會導致系統(tǒng)中任務調(diào)度延遲。在實時性要求比較高的系統(tǒng)中，這會引起業(yè)務抖動。例如，在視頻播放、音頻處理的業(yè)務環(huán)境中，這可能引起視頻卡頓、音頻視頻不同步等問題。

2?在多核負載均衡策略更積極的系統(tǒng)中，測試線程更多的運行在不同的CPU中，線程之間的切換開銷更高。因此測試分值更低，但是系統(tǒng)中任務調(diào)度延遲更低，業(yè)務的性能不容易產(chǎn)生波動。

換句話說：當前的Unixbench已不能真實地反映被測系統(tǒng)的真實性能，需要針對多核服務器和云計算環(huán)境進行完善。

4 修改建議

我們建議調(diào)整unixbench測試用例，將測試用例的線程綁定到Guest OS的CPU上。這樣就可以避免受到Guest OS調(diào)度策略和CPU負載均衡策略的影響。具體來說，有兩種方法：

1?將context1和context2兩個線程綁定在同一個CPU核上面。這樣可以反應出被測試系統(tǒng)在單核上的執(zhí)行性能。

2?將context1和context2兩個線程分別綁定到不同CPU核上面。這樣可以反應出被測試系統(tǒng)在單核的執(zhí)行性能，以及多核之間的核間通信性能。

(完)