linux tcp在传输数据的时候断网了_选择最合适的协议 让传输数据更灵敏
隨著數(shù)據(jù)的爆發(fā)式增長(zhǎng)以及移動(dòng)互聯(lián)網(wǎng)的快速演進(jìn),存儲(chǔ)并處理海量數(shù)據(jù)正成為企業(yè)業(yè)務(wù)增長(zhǎng)和保持競(jìng)爭(zhēng)力的關(guān)鍵因素。為滿足高性能存儲(chǔ)的高速傳輸需求,英特爾最新推出了Ethernet 800系列網(wǎng)絡(luò)適配器,該產(chǎn)品支持三種基于以太網(wǎng)的NVMe over Fabrics實(shí)現(xiàn),即基于iWARP RDMA的NVMe over Fabrics,基于RoCE v2 RDMA的NVMe-oF和基于TCP的NVMe-oF。
但問(wèn)題是,哪種傳輸方式更適合您的企業(yè)呢?
不同的協(xié)議選項(xiàng)
NVMe over Fabrics(簡(jiǎn)稱NVMe-oF,下同)支持幾種不同的數(shù)據(jù)傳輸協(xié)議,每種都有其各自的優(yōu)勢(shì)。
如上所示,英特爾Ethernet 800系列網(wǎng)卡支持NVMe協(xié)議運(yùn)行在三種以太網(wǎng)協(xié)議之上,分別是iWARP RDMA、RoCE v2 RDMA和TCP(傳輸控制協(xié)議)。需要說(shuō)明的是,基于TCP(傳輸控制協(xié)議)的NVMe-oF也可以通過(guò)應(yīng)用設(shè)備隊(duì)列(Application Device Queues,ADQ)技術(shù)進(jìn)行加速,這一技術(shù)在英特爾Ethernet 800系列產(chǎn)品中得以應(yīng)用。讓我們來(lái)看看基于不同以太網(wǎng)技術(shù)的NVMe-oF實(shí)現(xiàn)的優(yōu)點(diǎn)。
首先,無(wú)論NVMe-oF是基于iWARP還是RoCE v2都支持遠(yuǎn)程直接訪問(wèn)內(nèi)存(Remote Direct MemoryAccess,RDMA)。RDMA可以讓同一網(wǎng)絡(luò)上的兩臺(tái)計(jì)算機(jī)直接交換內(nèi)存而無(wú)需涉及操作系統(tǒng)或處理器,這顯著降低了數(shù)據(jù)延遲。我們發(fā)現(xiàn),擁塞管理對(duì)于RDMA部署至關(guān)重要,其可以最大程度減少丟包,并提高傳輸性能及可伸縮性。英特爾Ethernet800系列網(wǎng)卡支持基于擁塞通知( Congestion Notification,ECN)和往返時(shí)間(Roundtrip Time,RTT)的擁塞控制技術(shù)。
基于iWARP RDMA的NVMe-oF實(shí)現(xiàn)
iWARP基于TCP /IP協(xié)議,通過(guò)TCP傳輸所具有的可靠性來(lái)管理流量擁塞。它具有高度可擴(kuò)展性,可以在以太網(wǎng)上工作,并且其也沒(méi)有數(shù)據(jù)中心橋接(data center bridging,DCB)和優(yōu)先流控制機(jī)制(priority flowcontrol,PFC)的復(fù)雜性,基于這些優(yōu)勢(shì),企業(yè)可以考慮采用iWARP,其更易部署和維護(hù)。此外,iWARP可基于企業(yè)現(xiàn)有基礎(chǔ)設(shè)施,例如現(xiàn)有的交換機(jī)和路由器,同時(shí)還能利用RDMA的高性能和低CPU使用率等優(yōu)勢(shì)。
基于RoCE v2 RDMA的NVMe-oF實(shí)現(xiàn)
RoCE基于UDP/IPv4或IPv6網(wǎng)絡(luò),在融合以太網(wǎng)(Converged Ethernet)上運(yùn)行。融合以太網(wǎng)通過(guò)使用數(shù)據(jù)中心橋接功能(DCB)來(lái)創(chuàng)建無(wú)損以太網(wǎng),并通過(guò)優(yōu)先流控制機(jī)制(PFC)進(jìn)行配置。已更新的RoCE v2可以利用用戶數(shù)據(jù)報(bào)文協(xié)議(UDP)進(jìn)行路由。盡管RoCE v2的可擴(kuò)展性通常不及iWARP,但其充分利用了RDMA的高性能和低CPU使用率等優(yōu)勢(shì),同時(shí)還使用了以太網(wǎng)標(biāo)準(zhǔn)以及定義更明確的控制機(jī)制,從而構(gòu)建更高效的網(wǎng)絡(luò)。未來(lái),隨著越來(lái)越多的融合工作場(chǎng)景如高性能計(jì)算(HPC)向以太網(wǎng)轉(zhuǎn)移,企業(yè)用戶可考慮采用RoCE v2來(lái)為企業(yè)服務(wù)。
具有ADQ加速功能的NVMe over TCP實(shí)現(xiàn)
盡管iWARP和RoCE v2都具有明顯的速度優(yōu)勢(shì),但并非所有企業(yè)都擁有能夠立刻支持RDMA所需的基礎(chǔ)設(shè)施。NVMe/TCP協(xié)議能夠幫助客戶在現(xiàn)有網(wǎng)絡(luò)基礎(chǔ)設(shè)施上實(shí)現(xiàn)NVMe-oF,并通過(guò)現(xiàn)有IP網(wǎng)絡(luò)傳輸數(shù)據(jù)。對(duì)于曾經(jīng)投入過(guò)大量網(wǎng)絡(luò)基礎(chǔ)建設(shè)的企業(yè)來(lái)說(shuō),這是一個(gè)不錯(cuò)的選擇。TCP是數(shù)據(jù)中心主流的技術(shù),可通過(guò)Linux快速構(gòu)建,采用NVMe over TCP技術(shù)將非常易于部署,并具有高可伸縮性特點(diǎn)。
但是,NVMe over TCP在性能方面通常落后于使用了RDMA技術(shù)的解決方案。因此,Intel Ethernet 800系列網(wǎng)卡通過(guò)使用應(yīng)用設(shè)備隊(duì)列(ADQ)技術(shù)進(jìn)行加速,縮小了與使用RDMA技術(shù)的NVMe-oF之間的性能差距,為客戶提供了更有吸引力的選擇。
基于開(kāi)源Linux的 NVMe/TCP,英特爾正致力于加速推進(jìn)ADQ技術(shù)的應(yīng)用更新(在Linux系統(tǒng)相當(dāng)于“補(bǔ)丁”)。在不久前圣塔克拉拉舉行的存儲(chǔ)開(kāi)發(fā)者大會(huì)(StorageDeveloper Conference)上,來(lái)自英特爾云平臺(tái)部門的同事RebeccaWeekly宣布,英特爾將提供開(kāi)源Linux NVMe/TCP更新,使ADQ加速在Linux環(huán)境下可用于RFC(Request for Comments)。并且,用于Target的RFC將在稍后幾周內(nèi)更新,用于主機(jī)(host)的RFC則將在今年底更新。這是基于ADQ加速的NVMe/TCP向所有行業(yè)開(kāi)放的第一步。
正如Lightbits Labs的聯(lián)合創(chuàng)始人兼首席技術(shù)官M(fèi)uliBen-Yehuda所說(shuō),“ Lightbits LightOS基于標(biāo)準(zhǔn)的NVMe/TCP協(xié)議并在標(biāo)準(zhǔn)服務(wù)器上運(yùn)行,為企業(yè)提供分布式存儲(chǔ)解決方案,不但具有高可擴(kuò)展性,同時(shí)還易于部署,并顯著降低延遲。我們預(yù)計(jì),在LightOS服務(wù)器上使用具有ADQ加速技術(shù)的英特爾Ethernet 800系列網(wǎng)卡,將提供更高的性能和更低的延遲,從而讓LightOS在幫助企業(yè)構(gòu)建云原生分布式存儲(chǔ)堆棧上更具吸引力。”
當(dāng)然,為企業(yè)選擇最合適的NVMe-oF只是第一道門檻。要完全推進(jìn)數(shù)據(jù)中心連接的發(fā)展與進(jìn)步,則需要對(duì)數(shù)據(jù)中心進(jìn)行全盤了解。英特爾Ethernet 800系列網(wǎng)卡與第二代英特爾至強(qiáng)可擴(kuò)展處理器、英特爾傲騰DC持久內(nèi)存和英特爾固態(tài)硬盤相結(jié)合,為客戶數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)提供放心的保障。
圍繞數(shù)據(jù),英特爾不僅加快針對(duì)計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)的創(chuàng)新速度,更重要的是,還能夠?qū)⒓夹g(shù)融合在一起,給客戶搭建一個(gè)高效的數(shù)據(jù)服務(wù)平臺(tái)。而且這三者的組合,不僅僅是簡(jiǎn)單的拼接,加上英特爾開(kāi)發(fā)的一些創(chuàng)新技術(shù)特性和軟件,實(shí)現(xiàn)優(yōu)勢(shì)加成,達(dá)到1+1+1>3的效果。
總結(jié)
以上是生活随笔為你收集整理的linux tcp在传输数据的时候断网了_选择最合适的协议 让传输数据更灵敏的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: ROG游戏手机7跑分首曝:二代骁龙8 1
- 下一篇: python统计图教程_Python利用