本文来自博客园，作者：T-BARBARIANS，博文严禁转载，转载必究！
一、前言
DPDK技术原理相关的文章不胜枚举，但从实战出发，针对DPDK丢包这一类问题进行系统分析的文章还是凤毛麟角。
刚好最近几个月一直在做DPDK的相关性能优化，x86和arm平台都在做。在完整经历了发现问题、分析问题、解决问题的所有阶段后，回顾过去这段时间的来龙去脉，觉得可以将其将形成一篇技术文章，并予以分享。
优化目的只有一个：DPDK零丢包！
零丢包，谈何容易！在整个性能优化期间，查阅过大量资料；调整过大量参数；尝试过多种优化手段。相关的不相关的招都使过，很多时候都是无功而返，优化过程简直就是一个每天都想放弃的过程。
但是俗话说得好：只要功夫深，铁棒磨成针。对任何事物的认知必然是一个由浅入深的过程，DPDK也不例外。通过持续的尝试和总结，x86和国产化平台最后都收到了很好的效果。
接下来就吐血奉献过去一段时间的经历和思考，希望可以为大家提供一些参考和相关问题的解决思路。
篇幅较长，而且信息量有些大，完整阅读加理解大概需要30分钟。
二、背景与问题
与使用DPDK的大多数同行一样，我们也是通过DPDK获取数据面的大规模网络流量，在用户态将流量直接传递给某个应用，最终体现业务价值。
愿景很美好，现实很残酷，DPDK丢包了。
图1
在时间点 [18:02:48.073，18:02:48.100] 之间发生了丢包，丢包个数为：5867636 - 5867597 = 39。这是在很短时间内的丢包数，情况严重时每秒成千上万个包被丢弃，应用层收到的报文残缺不全，这就没法玩了。
··················上 篇··················
一、x86平台优化经历
10Gbps线速网卡，流量也才在2Gbps---3Gbps之间，这也能丢包？
（1）ring环长度尽可能大
各大平台搜索一通，公开的秘籍就是：给我把ring环加大！
ring环就是大家耳熟能详的DPDK无锁队列，收包ring环是DPDK收包流程里最底层的一个队列，直接与DMA打交道，用于存储DMA从网卡搬运至此的网络报文。
在我看来，加大ring环有两个作用，一是增加储存网络报文的容量；二是抗流量突发。
我们把ring环长度由1024干到了16384，同时增加了DPDK队列统计函数：rte_eth_rx_queue_count(uint16_t port_id, uint16_t queue_id)，用于实时统计当前环形队列已使用的描述符个数，即ring环里当前驻留了有多少个未消费的数据包。
图2
加大ring环就不丢包了吗？把队列统计信息通过日志实时打印，继续观察。
图3
很明显，DPDK继续丢包。还丢包那我就继续加，但是DPDK收包ring环的设置是有上限的，uint16_t nb_rx_desc (The number of receive descriptors to allocate for the receive ring)，表明DPDK最大可以将收包ring环设置为65535。
图4
还真设置过最大值，但是无济于事，继续丢包。说明在我们环境上增大ring环容量并不能解决全部问题。这时候陷入了僵局，是什么问题导致了丢包呢？
从图3我们可以看到一个现象，当ring环被打满时，才出现了imissed统计值增长。DMA往ring环里放数据，收包线程从ring环里取数据，现在ring环保持高水位，这充分说明了是上层收包线程未及时的将ring环里的数据包取走呀！根据这个重要线索，我们重新审视了与收包相关的应用层代码。
（2）线程任务尽可能轻量
业务流程逻辑可简化如下图所示。
图5
1、网络数据包通过DMA拷贝到ring1；
2、thread1负责从ring1里接收数据包，同时还要做一些其它任务，例如限速、过滤、数据包初始化等工作，最后将初始化后的描述符传递至ring2；
3、thread2从ring2里获取描述符，进行数据预取，协议解析（eth、ip、tcp、udp等等）等相关工作，最后通过hash算法将描述符散列到对应work线程的接收队列；
4、各work线程从对应的ring环里获取描述符，进行业务处理。
流程结构很清晰，各个线程被安排得明明白白。但是问题恰恰出现在看似没有问题的地方。
回到上一个问题，ring1被打满，只能是thread1未及时消费掉ring1的数据，造成ring1可用buf越来越少，DMA无法将网卡收到的所有网络报文拷贝至ring1里，最终导致了DPDK丢包。
如何证明？屏蔽大法呀！
当我屏蔽掉thread1里的限速和过滤，丢包现象明显减少；当我屏蔽掉数据包初始化流程，再也没有出现过丢包。很明显，问题就出在初始化流程里，它的负荷相对于限速和过滤来说，对thread1造成了更大的影响。后来通过uftrace（有关uftrace的用法可以参考我的另一篇文章，链接：https://www.cnblogs.com/t-bar/p/16898892.html）也发现了“初始化流程”函数的消耗时间比“限速”和“流量过滤”要长，占比更高，也提供了充分的理论支撑，且发现了相对更耗时的罪魁祸首clock_gettime()。
比较了3个时间函数，time()，clock_gettime()，rdtsc()。time和clock_gettime都可以直接获取时间，且time性能更好，但是精度是秒级别，不适用于高精度时间计时；clock_gettime可获取纳秒级精度时间，且性能还不错（相对gettimeofday()而言）；rdtsc其实性能最好，但是获取的是系统启动以来的CPU时钟周期数，还需要一定的转换方法才能转换为时间，对于更高的流量场景，例如20+Gbps，30+Gbps，建议使用rdtsc()。
之所以之前选择clock_gettime一是精度高，二是性能相对较好。但是这里的问题就在于：流量规模上来后，当“收包”，“限速”，”过滤”，“初始化”四个流程组合在一起时，任务过重，clock_gettime又是最耗时的任务，形成了木桶的最短板。
明确了问题所在，如何优化呢？
那就是任务拆分！thread1显然无法在完成限速、过滤、初始化任务的同时，又把ring1消费在低水位。因此有必要把thread1的当前任务进行拆分，即再加一个搬砖线程。
图6
3个线程的分工分别为：
1、thread1只负责从ring1收包，并将数据包传递至ring2；
2、thread2从ring2获取数据包，完成限速、过滤、初始化工作，并将报文传递至ring3；
3、thread3从ring3获取数据报文，完成协议解析（eth、ip、tcp、udp等等）等相关工作，最后通过hash算法将各个Pacekt散列至对应ring队列。
完成上述改造后，ring1再也未出现过因为thread1的不及时消费导致队列被打满的情况。也印证了标题，各线程任务尽量轻量，各司其职。
（3）mbuf的释放有讲究
摸着石头过河往往都会遇到你永远想不到的困难，克服这些困难需要寻找问题线索、解决问题的方法和耐力。
上面程序优化后，兴奋感并没有持续太久，DPDK居然又丢包了，这次直接懵逼了。。。
当我在图6的thread3直接释放packet，即切断各work的输入，屏蔽业务流程后，不再发生丢包，证明之前的优化至少解决了thead1来不及及时消费ring1数据包的问题。
新问题又出在哪里呢？感觉毫无头绪，当前唯一的线索就是打开业务后丢包，屏蔽业务后又不丢包，那大概率问题出在work上，还是看日志吧！
新丢包现象有如下图所示信息：
图7
这次的丢包和前面的丢包有些不一样：imissed发生增长的同时，伴随着rx_nombuf的增长！
rx_nombuf是什么指标？看看DPDK的定义：用于接收报文的mbuf分配失败。
图8
此时脑海里产生了两个想法：一是内存池设置过小，导致thread1收取报文时mbuf不够；二是work线程数较少，业务来不及处理，mbuf产生堆积，最终导致mbuf没有及时归还到内存池。
后来的验证真的很失望，内存池从100万扩大至200万，甚至扩大至600万，还是丢包；work线程数从8个扩大至16个，还是丢包；双管齐下，两个参数都加大，还是丢包！新问题总是接踵而至，感觉好艰难。
运行一段时间后，mbuf不够是事实，可为什么加大了资源还是丢包呢？毫无头绪的时候，又只有把代码重新搬出来再看看。
各个work线程，以及mbuf的释放有如下逻辑图所示：
图9
1、每一个work从对应的ring环消费packet；
2、每一个work thread处理完业务后，作为生产者将packet生产至recycle ring；
3、mbuf free thread作为消费者，从recycle ring消费元素，通过调用rte_pktmbuf_free实现mbuf的释放。
从哪可以获取一些帮助定位丢包问题的信息呢？还是只有通过日志，我们增加了各work线程对应ring环中待处理packet个数，以及mbuf回收线程待处理packet个数的实时统计日志。
图10
从日志可以得到两个信息：
1、一共12个work线程，每一个work线程的ring环中都出线了元素堆积；
2、recycle ring出现了元素堆积，且接近recycle ring的长度极限；
真实原因开始逐渐显现，是因为mbuf free thread来不及消费导致recycle ring堆积，各work也无法及时向recycle ring生产，也导致了work各个ring环堆积！就像高速路上的汽车一样，前方不远处堵车，最终你也得堵车。。。
那为什么recycle ring会堆积呢？那就是mbuf释放太慢了，内存池的mbuf基本所剩无几，最终出现了图7描述的问题 “imissed发生增长的同时，伴随着rx_nombuf的增长！”
问题找到了，如何优化呢？想到了两种方案：
1、再增加一对recycle ring、mbuf释放线程，使一部分work向新的recycle ring生产；
2、取消recycle ring和mbuf释放线程，由各work线程直接调用rte_pktmbuf_free进行mbuf释放。
第一种方案稍微复杂一些，并且会增加资源开销。同时存在一个潜在的问题：多个work作为生产者，同时向同一个ring环生产数据，是会产生竞争的。虽说是所谓的无锁队列，但是DPDK底层还是通过CMPSET原子操作实现的，只能说是将同步带来的开销降到了最低。因此，如果work越多，越有可能触碰ring环的生产极限。
第二种方案更加简单，且减小了资源开销。由之前的mbuf free thread统一释放，还不如各work独自调用rte_pktmbuf_free释放，因为独乐乐不如众乐乐啊。
不服就干！于是乎mbuf的释放方案就再次演进为如下图所示逻辑。
图11
完成对应改造后继续测试，但是还是发现work队列有大量堆积，偶尔还是会出现丢包，并伴随着rx_nombuf的增长。
再次陷入了僵局，感到有些心灰意冷，下班路上的淅沥小雨迎面打在脸上，令我沮丧到了极点。回到家躺在床上也是迟迟不能入睡，思考着每一个细节和下一步的调查手段。第二天清晨醒来，自己又像被打了鸡血一样，发誓要死磕到底！这种心理状态确实是我这段是时间的真实写照：雄心壮志上班，垂头丧气下班，周而复始。
再回头看看业务逻辑：work线程从对应ring环取出mbuf，最后直接调用rte_pktmbuf_free释放mbuf，中间只有业务处理。怀疑业务过慢？好，屏蔽掉业务流程，且work取出packet后立即释放packet。结果居然与业务屏蔽前一致，即还是偶发丢包！好，那就说明这里的瓶颈不在业务流程上，可以怀疑的只有rte_pktmbuf_free了。
描述到这里，才真正到了本小节的核心点：mbuf的释放有讲究！讲究并不是指前面改造的mbuf释放方案，而是指使用rte_pktmbuf_free时，如何避坑！
那就研究一下rte_pktmbuf_free吧。下面不得不用代码的形式来介绍rte_pktmbuf_free，提取了rte_pktmbuf_free内部实现的一部分关键函数做简要说明。
第一步先介绍mbuf释放时，检查当前线程是否存在独享的小内存池cache。
1 #define RTE_PER_LCORE(name) (per_lcore_##name)
2
3 static inline unsigned
4 rte_lcore_id(void)
5 {
6 return RTE_PER_LCORE(_lcore_id);
7 }
8
9 static __rte_always_inline struct rte_mempool_cache *
10 rte_mempool_default_cache(struct rte_mempool *mp, unsigned lcore_id)
11 {
12 if (mp->cache_size == 0)
13 return NULL;
14
15 if (lcore_id >= RTE_MAX_LCORE)
16 return NULL;
17
18 rte_mempool_trace_default_cache(mp, lcore_id,
19 &mp->local_cache[lcore_id]);
20 return &mp->local_cache[lcore_id];
21 }
22
23 static __rte_always_inline void
24 rte_mempool_put_bulk(struct rte_mempool *mp, void * const *obj_table,
25 unsigned int n)
26 {
27 struct rte_mempool_cache *cache;
28 cache = rte_mempool_default_cache(mp, rte_lcore_id());
29 rte_mempool_trace_put_bulk(mp, obj_table, n, cache);
30 rte_mempool_generic_put(mp, obj_table, n, cache);
31 }
概括起来可表述为：
1、通过rte_mempool_default_cache检查当前线程是否存在独享的小内存池cache；
2、如果mp->local_cache[lcore_id]为NULL，则cache为空，表明当前线程不存在这么一个小内存池cache；否则cache是一个有效地址，即当前线程存在这么一个小内存池cache。注意rte_lcore_id()，后面会重点分析。
第二步，介绍mbuf释放时的两种不同逻辑。
1 static __rte_always_inline void
2 rte_mempool_do_generic_put(struct rte_mempool *mp, void * const *obj_table,
3 unsigned int n, struct rte_mempool_cache *cache)
4 {
5 void **cache_objs;
6
7 /* No cache provided */
8 if (unlikely(cache == NULL))
9 goto driver_enqueue;
10
11 /* increment stat now, adding in mempool always success */
12 RTE_MEMPOOL_CACHE_STAT_ADD(cache, put_bulk, 1);
13 RTE_MEMPOOL_CACHE_STAT_ADD(cache, put_objs, n);
14
15 /* The request itself is too big for the cache */
16 if (unlikely(n > cache->flushthresh))
17 goto driver_enqueue_stats_incremented;
18
19 /*
20 * The cache follows the following algorithm:
21 * 1. If the objects cannot be added to the cache without crossing
22 * the flush threshold, flush the cache to the backend.
23 * 2. Add the objects to the cache.
24 */
25
26 if (cache->len + n <= cache->flushthresh) {
27 cache_objs = &cache->objs[cache->len];
28 cache->len += n;
29 } else {
30 cache_objs = &cache->objs[0];
31 rte_mempool_ops_enqueue_bulk(mp, cache_objs, cache->len);
32 cache->len = n;
33 }
34
35 /* Add the objects to the cache. */
36 rte_memcpy(cache_objs, obj_table, sizeof(void *) * n);
37
38 return;
39
40 driver_enqueue:
41
42 /* increment stat now, adding in mempool always success */
43 RTE_MEMPOOL_STAT_ADD(mp, put_bulk, 1);
44 RTE_MEMPOOL_STAT_ADD(mp, put_objs, n);
45
46 driver_enqueue_stats_incremented:
47
48 /* push objects to the backend */
49 rte_mempool_ops_enqueue_bulk(mp, obj_table, n);
50 }
概括起来可表述为：
1、当cache为NULL，直接通过末尾的rte_mempool_ops_enqueue_bulk释放。注意，是每次只释放一个mbuf；
2、若cache不为NULL。当释放的个数小于阈值flushthresh时，将释放的mbuf拷贝至当前线程小内存池cache，并立即返回（不做真正的释放）；当本次释放的mbuf个数与cache池之和即将超过flushthresh时，先一次性批量释放小cache内存池的所有mbuf，再将本次待释放的mbuf拷贝至cache池，再次立即返回。
DPDK为什么设计线程独享的小内存池cache？我想应该是为了更高效的释放mbuf。
好比我们去ATM机上取钱，假设总共取一万元。第一种是每次先插卡、输入密码、输入100、取出100、再拔卡，完成一次操作，反复执行1万次；第二种是先插卡、输入密码、输入10000、听一会钱翻滚的声音，取出1万元、最后拔卡。毋庸置疑，第二种方式的效率实在是高效太多，存钱也是一样的道理。我不禁想到，我不会就是用的第一种方式（每次只还一个mbuf）归还mbuf吧，难道当前每个线程的独享cache池未生效？此时，上面提到的rte_lcore_id()又重新成为了重要线索！
1、通过rte_lcore_id()可以得到什么？
返回的是一个unsigned值，最终用于获得当前线程的cache偏移地址。这个unsigned变量的值，是变量 per_lcore__lcore_id 的值
2、per_lcore__lcore_id变量如何定义的？
是通过 RTE_PER_LCORE 宏定义的。per_lcore_##name，' ## ' 操作符用于将参数name与字符串 per_lcore_ 连接起来，形成新的标识符。由于传递的是_lcore_id，因此有最终定义变量 per_lcore__lcore_id。但是什么时候定义的，还要继续看文章接下来的描述。
3、per_lcore__lcore_id变量在什么时候定义的，是什么时候初始化的？每个线程的独享cache池又是何时初始化的？怎么才能正确使用cache池？
为了弄清楚这三个问题，又追了一遍DPDK源码，而且稍微有些复杂，让我娓娓道来吧。
(a) per_lcore__lcore_id在DPDK为每一个逻辑核创建worker线程时定义并初始化的
1、DPDK初始化调用rte_eal_init过程中，会为当前设备的所有逻辑核创建一个worker线程。语句RTE_LCORE_FOREACH_WORKER是一个循环，RTE_MAX_LCORE为当前设备的逻辑核个数，有多少个逻辑核，就创建多少个worker线程。
2、接下来，在每一次的循环过程中，调用pthread_create，使用回调函数eal_worker_thread_loop创建每个逻辑核的worker线程
3、eal_worker_thread_loop封装了eal_thread_loop，到此我们终于看到了__rte_thread_init，即per_lcore__lcore_id变量定义并初始化的函数
4、RTE_PER_LCORE(_lcore_id) 定义变量per_lcore__lcore_id，整个语句RTE_PER_LCORE(_lcore_id) = lcore_id 完成对per_lcore__lcore_id变量赋值，赋值为当前逻辑核的 id 值，通过lcore_id传参 ！
(b) 每个线程独享的cache池何时初始化的？
答案就是在dpdk创建公共大内存池时完成的，通过rte_pktmbuf_pool_create最终调用rte_mempool_create_empty实现。你看，创建内存池的函数里还为每一个逻辑核创建了一个独享cache池，locore_id就是每个逻辑核的id！这样，每个独立的小cache池就和每个worker线程对应起来了。
(c) 怎么才能正确使用cache池？
兄弟们，走过路过，千万不能错过。秘籍终于来啦！
那就是：需要释放mbuf的线程，也就是会调用rte_pktmbuf_free方法的线程，必须通过rte_eal_remote_launch来创建！
rte_eal_remote_launch的参数 f 就是用户指定的业务回调函数，arg 是 f 的运行参数，worker_id是你希望业务函数 f 所运行的逻辑核id，因为通过正确的worker_id才能和对应的worker线程实现通信！
rte_eal_remote_launch最后通过eal_thread_wake_worker向对应逻辑核的worker线程管道发送一个message，通知worker运行指定函数 f。
最后，对应worker的回调函数eal_thread_loop通过while，循环等待rte_eal_remote_launch发送的message，收到消息后，便开始执行你传递的业务回调函数 f 。
函数 f 里调用rte_pktmbuf_free时，通过rte_lcore_id()可以获取到本worker线程定义并初始化过的per_lcore__lcore_id变量，因此最终成功找到本线程的独享cache池地址！
最后一个问题！为什么我的线程专属cache池未生效？
到这里，终于可以明确回答了，我们的业务线程都是自己调用的pthread_create来创建的业务线程，创建过程中也未调用__rte_thread_init初始化per_lcore__lcore_id变量（虽然我们业务线程也是绑核、独占该线程），导致各线程调用rte_pktmbuf_free释放mbuf时，变量per_lcore__lcore_id都是未定义的！返回的是一个不正确的值，导致cache为NULL，因为找不到这么一个线程专享cache池，所以最终所有线程的mbuf都是逐个释放的！后来改为rte_eal_remote_launch才最终解决问题！
使用pthread_create来直接创建的业务线程，再调用__rte_thread_init初始化per_lcore__lcore_id变量，在释放mbuf时讲道理也能正确获取到线程cache池，不过没有求证过。
到这里，本小节终于讲完了。整理这些信息感觉挺累的，做程序员是真的不容易！
二、x86平台优化总结
回头看x86的优化过程，好比是从头到尾的疏通了一条下水道。
线程任务尽可能轻量--解决了引水，保证水都能进来；mbuf的释放有讲究--既疏通了内部水道，也实现了引水的完整排放。自从水道畅通，10Gbps，20Gbps，40Gbps吞吐都不在话下啦！
除了绑核、线程独占、内存池巨页分配、CPU performance模式设置等基本的性能优化手段，DPDK的实际性能表现还是和你的业务代码框架和实现有很大关系。零件都是好零件，就看自己如何搭，希望大家少踩点坑吧！
看到这，请先喝口水，休息一会吧！接下来的内容也很精彩。
··················下 篇··················
一、arm平台调查优化经历
接下来我们看点不一样的：丢包跟你没关系！瓦特？
相信我XDM：是软件触碰了硬件性能瓶颈。
将x86平台无比丝滑的业务搬到了arm平台，结果惨不忍睹。arm国产化平台我们尝试过“XX”的两款服务器级别CPU，结合我们的业务，数据不仅丢得多，而且丢得非常的莫名其妙。
（1）丢包现象
先看看发生了什么。
图12
首先是丢包，其次是丢包现象与上前文图3有些区别，图3是：丢包时伴随队列que满。
而此时是：发生丢包时，队列que并没有满，且距离队列满还非常遥远（队列已经设置得非常大，32768个描述符空位）。查看其它统计：各worker线程的待处理mbuf很少，没有堆积；也没有出现rx_nombuf，即内存池足够大，不存在内存申请失败。
这就完全不知道从哪开始着手调查了，最难理解的就是：只使用DPDK进行收包（相当于屏蔽了所有业务流程），然后立即释放mbuf，还是会发生丢包，并且其它所有指标居然都是正常的。
这到底是撞了什么鬼？竟然还有如此怪异的现象发生，丢包到底丢在哪里了，实话实说，我是真的不知道！
（2）丢包点追踪
到了说不清，道不明的阶段，混沌了。但是老板不认啊，拿钱办事，你得说个一二三。说不知道就是请出门左转见HR，打工人的卑微。
没办法，继续看起了源码。思考，分析了一段时间，结合理论，陆陆续续才开始产生了一些新的思路和想法。
1、imissed的定义是什么？
Total of Rx packets dropped by the HW。指统计的是被hardware所丢弃包的总和，即硬件丢弃的packet之和。什么硬件？不清楚。
because there are no available buffer (i.e. Rx queues are full)。因为Rx queues没有可用buffer，例如：Rx queues接收队列满。注意这里只提到了“接收队列满”这一种情况，这种描述符合上文图3的现象：丢包时伴随队列满。但是并不符合图12的丢包情形：丢包时队列未满。
2、从物理层到最终的应用层，数据包是如何流转的？
a、网卡收到数据包；
b、由DMA将数据包拷贝到内存中的ring buffer，即DPDK的收包队列Rx queue；
c、应用程序通过轮询的方式将数据包取走，供业务使用。
3、猜测是网卡丢包
结合图3和图12的两种丢包现象分析：
图3：DPDK的Rx queue已经被收上来的数据包填满，无可用buffer，因此DMA也无法将数据包拷贝到Rx queue的地址空间，所以imissed同步增长。
图12：Rx queue统计值未满，很空，imissed却偶尔增长，偶发丢包。
这里假设imissed是基于DPDK Rx queue的统计。那第一种和第二种丢包就会自相矛盾，因为第二种丢包现象发生时，queue根本没有满，那么不可能出现imissed统计增长。因此“imissed是基于DPDK Rx queue的统计”这种假设是不成立的。
DPDK对queue的统计不可靠？不可能的事情。
那第二种丢包到底发生在哪里？先下一个猜测结论：在网卡！4、为什么判断是网卡丢包？
我们使用的是82599 10Gigabit 网卡，且测试流量在6Gbps±，按道理是能覆盖的。
回忆一下前面描述的imissed定义，指的是被硬件所丢弃包的总和。再看看DPDK源码imissed的统计相关代码：
total_missed_rx的统计来源于8个 IXGBE_MPC 寄存器。
统计最终从IXGBE_MPC寄存器完成读取，IXGBE_MPC寄存器是ixgbe网卡的寄存器吗？又下载一份82599 ixgbe网卡手册继续追，总共1000+页，感到崩溃。
只有搜关键字了，“IXGBE_MPC”，“MPC”，“0x03FA0”，还真找着了。ixgbe网卡里叫RXMPC寄存器，也是总共有8个，和DPDK源码里的寄存器地址对上了。
再找找RXMPC寄存器的相关信息。
手册上说，当Rx packet buffer发生overflows时，会丢包！
Missed packet interrupt is activated for each received packet that overflows the Rx packet buffer (overrun)。即当 Rx packet buffer 溢出时，接收的每一个包都会产生一个丢包中断事件，并且记录在“EICR”寄存器的第17bit。
另外，每一个丢包都会被计数增加至寄存器 RXMPC[n] 中。明白了，DPDK的imissed统计数值读取的是网卡的RXMPC计数寄存器！
和DPDK源码关于imissed的定义：统计的是被hardware所丢弃包的总和。这个hardware指的就是网卡，这里与DPDK源码又对上啦！
那 Rx packet buffer 是哪里的buffer，是指的DPDK的Rx queue，还是网卡自身的Rx packet buffer？
看到这里越来越兴奋了，再找一下Rx packet buffer是什么。
手册说是一个可编程的内存接收空间，大小为512KB。再看看详细介绍。
Rx packet buffer也指的是82599网卡自身的包存储缓冲区！总共有512KB。且网卡支持流控，当关闭流控时，所有的512KB会全部用于数据接收。
再找找手册上有没有与数据包接收的相关介绍。
看到这里我已经高兴坏了。因为手册已经说得很清楚了，网卡收到数据包后会先将数据包存储至网卡的receive data FIFO（即512KB的Rx packet buffer），然后再通过DMA将数据包投递至指定的本主机的接收队列里。receive queue，才是指的DPDK的Rx queue！
上面所有的关键信息总结起来就是：
a、82599网卡有一个数据包接收的FIFO队列缓冲区，最大为512KB；
b、当512KB的Rx packet buffer发生overflow时，网卡会丢包；
c、网卡发生丢包时，将丢包计数到 RXMPC寄存器，同时会产生丢包中断事件，且事件信息记录在网卡EICR寄存器的第17 bit。
（3）网卡丢包证明
接下来就是该证实上面的猜测了。记得证实猜测的前一个晚上很兴奋，一直没睡好，总想着第二天赶紧去把它坐实了！
我们在ixgbe imissed的统计函数ixgbe_dev_stats_get，模拟读取imissed的统计值，增加读取EICR寄存器变量的逻辑，最终通过日志实时打印EICR寄存器值。
一起来见证精彩时刻：
图13
图13可总结为：
1、当第一次发生imissed时，EICR寄存器的十进制值为131072，que未满；
2、第二次、第三次发生imissed时，EICR也为131072，que也未满；
3、其它时刻，未发生丢包，EICR值均为0。
日志里的“131072”代表了什么？就是EICR寄存器第17bit被置1时的十进制值。真相大白，真的是网卡发生了丢包啊！
兴奋之情，实在是无以言表！我居然也体会到了：提出猜想，并验证猜想的快乐！
到这里我们就可以把网卡imissed丢包归类为两种情况了：
1、DPDK的环形接收队列Rx queue溢出时，会发生imissed；
很明显，DPDK的Rx queue溢出，代表上层来不及收包，Rx queue无多余空闲空间，那DMA也无法将网卡队列的数据包及时拷贝至Rx queue，最终导致网卡的 FIFO 队列溢出，出现丢包。这种情形是大家最常见的！
2、DPDK的环形接收队列Rx queue空闲，而网卡的FIFO队列Rx packet buffer独自溢出时，也会发生imissed。
这种情况是不多见的，但是我们arm平台刚好碰到了这种情况！
两种丢包情形，其实本质都是因为网卡的缓冲区溢出导致，一个是间接导致，一个是直接导致。这个结论在这之前是不是没见过？哈哈。我搜遍了内外网反正是没看见过。
（4）网卡缓冲区为什么会独自溢出？
回答这个问题前，我们先来看看网络数据是如何达到内存的。
简单描述为：
1、网络数据包到达网卡；
2、DMA将数据包从网卡经由PCIE通道传递至与CPU直连的内存中。
那在硬件上至少有3个地方可能存在性能瓶颈，一个是PCIE通道带宽；第二个是内存频率；第三个是CPU。
PCIE，协商出来的带宽是4GB/s，10Gbps收包，即使加上业务I/O速率，远远低于这个值，因此应该不存在性能瓶颈。
内存频率，我们x86也是使用一样的内存条，按理也不存在性能瓶颈。
那就只剩CPU了，为何怀疑CPU存在性能瓶颈呢？我们再看一个图。
如果有同行以前看到过这个图，其实就知道arm平台的这款芯片名字了。
从官方给的CPU结构图看，PEU（可以理解为是PCIE与CPU的接口）与numa0直接相连，且只与numa0相连。我个人理解：这种架构比较容易触碰性能瓶颈，因为整个CPU的所有I/O数据，包括网络I/O、磁盘I/O都必须经过numa0，numa0表现的带宽就会成为整个CPU的性能瓶颈。而且其它numa的I/O数据只能通过numa0的QPI总线传递和转发。
因此，怀疑是网卡单独溢出的原因是：I/O增大时，数据规模达到numa0的数据带宽，多种数据形成竞争关系，导致DMA不足以及时的将网卡缓冲区数据传递至内存，最终导致网卡缓冲区溢出丢包。
不过这里我只是猜测，也没有办法去证实了。如果有这方面的专家，还望不吝赐教。
再看看intel某款芯片的CPU架构图：
PCIE总线不与任何核心直接相连，节点相连，且各numa或者core获取 I/O 数据不需要任何其它numa或者core来中转，可以极大的提高总线带宽。
（5）还有性能优化空间吗？
arm平台碰到的丢包问题完全超出了业务开发人员的能力范畴。不过还好分析出了丢包点和丢包原因，俗称甩锅。
但是任何东西，包括人，有时候榨一榨就还能得到点什么，懂的都懂。
继续做了以下几点优化：
1、DPDK收包相关线程工作在同一个numa上；
2、DPDK内存池分配在收包线程所在的numa节点上；
3、尽可能的加大内存池规模。
你还别说，又提升了2个Gbps，应该是DPDK减小资源竞争获得的收益。不过至此以后真的再也没有任何提升手段了。
哦，差点忘了，arm平台的DPDK还有一个坑，也是无意中发现的：收包函数rte_eth_rx_burst的第四个参数nb_pkts，一定要是2的指数幂，即2 ^ 10 = 1024，2 ^ 14 = 16384，2 ^ 15 = 32768这种形式。如果指定任意2的非指数幂整数，DPDK会将向量化收包（neon，arm平台的SIMD技术）替换为非向量化收包函数，极大的降低收包性能。例如将ixgbe_recv_pkts_vec替换为ixgbe_recv_pkts_bulk_alloc。
二、arm平台优化总结
arm平台碰到了很罕见的丢包现象，通过查阅源码和网卡手册，最终定位到是网卡自身发生了丢包，跟DPDK没有太大关系。如果非要说有关系，那就是DPDK占用的数据通道带宽挤压了DMA的数据传递。
另外一个大的收获就是确定了imissed一定是基于网卡的统计。发生imissed时，一种是我们常见的间接原因导致imissed（上层不能及时收包，导致DPDK ring满，然后导致DMA无法投递至ring环，最终网卡缓冲区溢出）；另一种就是我们在arm平台碰到的直接原因导致的imissed（资源竞争直接导致DMA无法及时将数据包投递至DPDK ring环，导致网卡缓冲区溢出，且DPDK ring环非常空闲）。
最后通过减小DPDK资源竞争的方法（一是减少垮numa内存访问，二是DPDK加速获取报文接收的mbuf。我理解可以减少数据在多种资源下的传输吧），提升了一丢丢性能。
好了，前前后后写了一个月，本次就分享到这里吧！谢谢阅读！
技术是不断实践积累的，在此分享出来与大家一起共勉！
如果文章对你有些许帮助，还请各位技术爱好者登录点赞呀，非常感谢！
本文来自博客园，作者：T-BARBARIANS，博文严禁转载，转载必究！
标签：rte,丢包,cache,那些,线程,lcore,网卡,DPDK From： https://www.cnblogs.com/t-bar/p/17630652.html