GPU虚拟机创建时间深度优化
桔妹导读：GPU虚拟机实例创建速度慢是公有云面临的普遍问题，由于通常情况下创建虚拟机属于低频操作而未引起业界的重视，实际生产中还是存在对GPU实例创建时间有苛刻要求的业务场景。本文将介绍滴滴云在解决该问题时的思路、方法、并展示最终的优化成果。
从公有云服务商那里购买过虚拟主机的资深用户，一般会发现这么个规律：创建一台CPU虚拟主机是比较快的，但是要创建一台包含GPU卡的虚拟主机通常需要等比较长的时间，整个创建过程短则数十秒钟，长则数分钟。对于绝大多少的用户来说，虚拟主机的创建时间长一点对他们影响并不大，因为创建虚拟机属于相对低频操作。但是也会有一些特定的用户由于其业务场景交互性比较强，会对虚拟主机的创建时间有相对苛刻的要求，因为过长的创建时间会导致其业务用户体验很差。本文将从虚拟化的角度来介绍GPU虚拟主机创建时间长背后的原因，以及相关的优化方法。
通过分析Libvirt, QEMU以及Guest 内的相关日志及对应的时间戳，可以获取GPU虚拟主机在创建过程中的耗时情况，这里我们主要关心几个关键的时间点: a) Libvirt 开始创建QEMU 进程；b) Libvirt 执行 Resume启动VCPU ; c) Guest kernel 打印第一条日志. 在本文中，我们把a和 b 之间的时间间隔称为QEMU初始化时间, 把b 和c 之间的时间间隔称为 BIOS执行时间。以下数据是在滴滴云的线上环境中采集到的创建一台包含8个CPU核虚拟机实例的相关数据：
从上面的数据可以看到，对于规格相同的虚拟机实例，带1块P40卡的GPU实例相比同规格的CPU实例在QEMU初始化及BIOS执行部分的时间都明显要长, 在带4块P40卡以及更大内存规格的场景下，需要的时间会进一步拉长。通过实验我们发现在主机配置和GPU卡型号确定的前提下，GPU实例的创建时间长短主要取决于两个因素：虚拟机的内存大小和GPU卡的数量。
为什么GPU实例的创建过程要比CPU实例的创建过程耗时长？多消耗的时间到底花在哪里？要搞清楚原因需要深入的分析，比较直观的办法就是通过perf采样来生成火焰图，以此来分析虚拟机在创建过程中的热点函数。下图是在滴滴云环境里抓取到的GPU虚拟机启动过程中QEMU进程的火焰图。
通过对代码调用关系的分析，可以得知热点发生在系统分配内存和对内存页面清零的过程中，是由QEMU中的vfio_dma_map函数在执行VFIO_IOMMU_MAP_DMA ioctl 系统调用所触发，该调用会Pin住所有分配给VM当做RAM使用的内存。在Pin 内存的过程中，如果虚拟内存对应的物理页面尚未分配，会先进行物理内存分配并对内存页面内容进行清零。在Linux kernel 中，对分配给应用程序的内存进行清零主要是基于安全方面的考虑，避免Host 内存中的内容泄漏给用户空间的应用程序。这里之所以要将内存Pin 住，目的是为了保证IOMMU IO页表和 host HVA->HPA 映射的一致性，否则Guest 内设备的DMA操作可能会访问到错误的内存页面。
VFIO DMA 映射处理慢可以在一定程度上解释为什么内存的大小和GPU卡的数量会影响到GPU实例的创建时间。虚拟机实例内存规格越大，需要映射和Pin住的内存量也就越大，相关处理的耗时和内存量成正比。另外GPU卡上通常会包含一块比较大的MMIO区域，对MMIO的映射也会耗费较多的时间，卡的数量越多，耗时就会越长。相比之下，CPU实例的创建过程没有VFIO DMA 映射的相关处理流程，因此会比较快。
针对以上的热点，有什么办法可以消除或者缓解呢？已经有业内的同行们提到过这个问题并给出了对应的解决方案，其思路是对分配给VM 用作RAM使用的内存区域做一个标记，在内核中跳过对标记的内存页面进行清零，而将清零的动作留给QEMU来做，在QEMU 中可以利用多线程以及更高效的指令进行清零动作，从而加速Pin内存的过程。该方案的缺陷主要有两点: 一是存在安全性风险，其他应用程序可以利用设定的标记来窥探host 内存中的信息；二是在VM实例的VCPU个数比较少的情况下，优化效果不是很好。
我们采用了另外一种方案，通过修改Host kernel的内存管理部分， 我们实现了一种对Host 上空闲物理内存提前进行清零的机制，清零动作可以在系统空闲的时候进行，当某个内存页面被清零后，将其对应的 struct page 进行标记，这样在需要对内存进行清零的时候，可以通过检查该标记来判断是否要执行清零动作，如果清零的标记已经被设置，就可以跳过清零的步骤。该方案避免了上述方案中的两个主要问题，同时还有其它方面的好处，主要包括以下几点：a.可以提高缺页异常处理效率，尤其是透明大页的缺页异常处理效率；b. 可以加速需要Pin内存及需要通过mlock 来锁住内存的应用场景，例如使用RDMA, QAT 硬件加速等场合；c. 可以加速内核中其他需要对内存进行清零的场景。相关补丁的RFC版本，我们已经提交到了Linux kernel 社区。
另一个加速Pin内存的有效方法是采用大页，通过开启透明大页可以显著减少缺页处理的调用次数并加速Pin内存的过程。下图展示了开启透明大页以及启用空闲内存预清零机制对GPU实例创创建时间的影响。
以上的数据表明，在开启透明大页以及空闲内存预清零功能后，可以显著的的优化QEMU的初始化时间，但是BIOS部分的耗时依然偏长。通过进一步的分析我们发现主要的时间消耗还是在VFIO 映射DMA的处理过程当中，主要有几个方面的原因：a. 映射DMA Pin内存需要逐页查询页表，开销较大；b. QEMU 存在对部分IOVA区域的反复映射及解除映射的操作。于是我们尝试在这两个方向上进行优化，通过采用批量处理的方法减少查询页表的开销，另外在QEMU中加入VFIO DMA映射区域的管理，有效的规避了效率低下的反复映射及解除映射操作，最终大幅度降低了VFIO DMA映射的时间消耗。
在解决完上述问题后我们并没有止步，对虚拟机实例创建过程中的可优化的其它地方，我们也做了相关的处理，例如关闭BIOS boot menu ，优化VFIO PCI 设备reset 的流程，去掉对GPU实例来说不必要的操作，最终将GPU实例创建过程中虚拟化部分的时间开销减少了90%以上，下面这张图展示了单卡小内存规格实例优化前后的耗时对比：
大内存规格和多GPU卡的效果更加显著，时间减少了95%以上，相关数据如下图：
专注于系统虚拟化研究，负责解决滴滴云底层虚拟化相关技术问题。曾就职于Intel 开源软件中心虚拟化组，具备丰富的底层系统软件开发经验。
内容编辑 | Charlotte
联系我们 | DiDiTech@didiglobal.com
![]()
本文分享自微信公众号 - 滴滴技术（didi_tech）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
