395 lines
13 KiB
Markdown
Executable File
395 lines
13 KiB
Markdown
Executable File
# ZVFS
|
||
|
||
ZVFS 是一个基于 SPDK Blobstore 的用户态文件系统原型，目标是在不改业务代码的前提下，将常见 POSIX 文件 I/O 重定向到用户态高性能存储路径。
|
||
核心思想是复用 Linux 文件管理机制（命名空间/目录/元数据），把文件数据平面放到 ZVFS。
|
||
|
||
- Hook 方式：`LD_PRELOAD`
|
||
- 挂载前缀：`/zvfs`
|
||
- 架构：多进程 Client + 独立 Daemon + SPDK
|
||
- 语义：同步阻塞（请求-响应）
|
||
|
||
---
|
||
|
||
## 1. 项目定位
|
||
|
||
这个项目重点不只是“把 I/O 跑起来”，而是把以下工程问题串起来：
|
||
|
||
1. 在多线程/多进程应用（RocksDB / PostgreSQL）里做透明接管。
|
||
2. 保留 POSIX 语义（open/close/dup/fork/append/sync 等）。
|
||
3. 把 SPDK 资源集中在 daemon 管理，避免每进程重复初始化。
|
||
4. 在同步阻塞语义下，把协议、并发、错误处理做完整。
|
||
|
||
---
|
||
|
||
## 2. 架构设计
|
||
|
||
|
||
|
||
```text
|
||
App (PostgreSQL / RocksDB / db_bench / pgbench)
|
||
-> LD_PRELOAD libzvfs.so
|
||
-> Hook Client (POSIX 拦截 + 本地状态)
|
||
-> Unix Domain Socket IPC (sync/blocking)
|
||
-> zvfs_daemon
|
||
-> 协议反序列化 + 分发
|
||
-> metadata thread + io threads
|
||
-> SPDK Blobstore / bdev
|
||
```
|
||
|
||
### 2.1 透传策略
|
||
|
||
**控制面复用 Linux，数据面走 ZVFS**。
|
||
|
||
- 控制面（Linux 负责）
|
||
- 目录/命名空间管理。
|
||
- 文件节点生命周期与权限语义（create/open/close/stat/rename/unlink 等）。
|
||
- 这些操作在 `/zvfs` 下也会真实执行系统调用，ZVFS 不重复实现目录树管理。
|
||
|
||
- 数据面（ZVFS 负责）
|
||
- 文件内容读写由 blob 承载。
|
||
- `read/write` 的真实数据路径不走 Linux 文件数据面，而走 ZVFS IPC + SPDK。
|
||
|
||
- 关键绑定方式
|
||
- `create`：真实创建 Linux 文件 + 在 ZVFS 创建 blob + 把 `blob_id` 写入文件 xattr。
|
||
- `open`：真实 `open` Linux 文件 + 读取 xattr 获取 `blob_id` + 在 ZVFS 打开 blob。
|
||
- `write`：写入 blob 成功后，使用 `ftruncate` 同步 Linux 视角 `st_size`。
|
||
|
||
- 工程收益
|
||
- 直接减少约 50% 的实现工作量。
|
||
- 兼容性更好，数据库可直接复用现有文件组织方式。
|
||
|
||
### 2.2 分层职责
|
||
|
||
- Client（`src/hook` + `src/spdk_engine/io_engine.c`）
|
||
- 判断是否 `/zvfs` 路径。
|
||
- 拦截 POSIX API 并发起同步 IPC。
|
||
- 维护最小本地状态（`fd_table/path_cache/inode_table`）。
|
||
|
||
- Daemon（`src/daemon`）
|
||
- 独占 SPDK 环境与线程。
|
||
- 统一执行 blob create/open/read/write/resize/sync/delete。
|
||
- 统一管理 handle/ref_count。
|
||
|
||
- 协议层（`src/proto/ipc_proto.*`）
|
||
- 统一头 + per-op body。
|
||
- Request Header：`opcode + payload_len`
|
||
- Response Header：`opcode + status + payload_len`
|
||
|
||
### 2.3 为什么是同步阻塞 IPC
|
||
|
||
- 业务侧兼容成本低，最容易对齐 POSIX 语义。
|
||
- 调试路径更直接（一个请求对应一个响应）。
|
||
- 先解决正确性和语义完整，再考虑异步化。
|
||
|
||
---
|
||
|
||
## 3. 功能覆盖（当前）
|
||
|
||
### 3.1 已接管的核心接口
|
||
|
||
- 控制面协同：`open/openat/creat/rename/unlink/...`（真实 syscall + ZVFS 元数据协同）
|
||
- 数据面接管：`read/write/pread/pwrite/readv/writev/pwritev`
|
||
- 元数据：`fstat/lseek/ftruncate/fallocate`
|
||
- 同步：`fsync/fdatasync/sync_file_range`
|
||
- FD 语义：`dup/dup2/dup3/fork/close_range`
|
||
|
||
### 3.2 语义要点
|
||
|
||
- `write` 默认使用 `AUTO_GROW`。
|
||
- 非 `AUTO_GROW` 写越界返回 `ENOSPC`。
|
||
- `O_APPEND` 语义由 inode `logical_size` 保证。
|
||
- `write` 成功后会同步更新 Linux 文件大小（`ftruncate`），保持 `stat` 视角一致。
|
||
- `mmap` 对 zvfs fd 当前返回 `ENOTSUP`（非 zvfs fd 透传）。
|
||
|
||
### 3.3 映射关系
|
||
|
||
- 文件数据在 SPDK blob 中。
|
||
- 文件到 blob 的映射通过 xattr：`user.zvfs.blob_id`。
|
||
|
||
---
|
||
|
||
## 4. 构建与运行
|
||
|
||
### 4.1 构建
|
||
|
||
```bash
|
||
cd zvfs
|
||
git submodule update --init --recursive --progress
|
||
|
||
cd spdk
|
||
./scripts/pkgdep.sh
|
||
./configure --with-shared
|
||
make -j"$(nproc)"
|
||
|
||
cd ..
|
||
make -j"$(nproc)"
|
||
make test -j"$(nproc)"
|
||
```
|
||
|
||
产物：
|
||
|
||
- `src/libzvfs.so`
|
||
- `src/daemon/zvfs_daemon`
|
||
- `tests/bin/*`
|
||
|
||
### 4.2 启动 daemon
|
||
|
||
```bash
|
||
cd zvfs
|
||
./src/daemon/zvfs_daemon
|
||
```
|
||
|
||
可选环境变量：
|
||
|
||
- `SPDK_BDEV_NAME`
|
||
- `SPDK_JSON_CONFIG`
|
||
- `ZVFS_SOCKET_PATH` / `ZVFS_IPC_SOCKET_PATH`
|
||
|
||
### 4.3 快速验证
|
||
|
||
```bash
|
||
mkdir -p /zvfs
|
||
LD_PRELOAD=./src/libzvfs.so ZVFS_TEST_ROOT=/zvfs ./tests/bin/hook_api_test
|
||
./tests/bin/ipc_zvfs_test
|
||
```
|
||
|
||
---
|
||
|
||
## 5. 性能测试
|
||
|
||
### 5.1 测试目标
|
||
|
||
- 目标场景：低队列深度下阻塞 I/O 性能。
|
||
- 对比对象：`spdk_nvme_perf` 与内核路径（`O_DIRECT`）。
|
||
|
||
### 5.2 工具与脚本
|
||
|
||
- RocksDB：`scripts/run_db_bench_zvfs.sh`
|
||
- PostgreSQL：`codex/run_pgbench_no_mmap.sh`
|
||
|
||
建议：
|
||
|
||
- PostgreSQL 测试时关闭 mmap 路径（shared memory 改为 sysv，避免 mmap 干扰）。
|
||
|
||
### 5.3 历史结果
|
||
|
||
> 以下是历史版本结论，用于说明设计方向。
|
||
|
||
- QD=1 下可达到 `spdk_nvme_perf` 的约 `90%~95%`。
|
||
- 相对同机 `O_DIRECT`，顺序写吞吐可有约 `2.2x~2.3x` 提升。
|
||
- 非对齐写因 RMW 开销，吞吐明显下降。
|
||
|
||
### 5.4 fio
|
||
```shell
|
||
root@ubuntu20-129:/home/lian/share/zvfs# LD_PRELOAD=/home/lian/share/zvfs/src/libzvfs.so fio ./fio_script/zvfs.fio
|
||
test: (g=0): rw=randwrite, bs=(R) 16.0KiB-16.0KiB, (W) 16.0KiB-16.0KiB, (T) 16.0KiB-16.0KiB, ioengine=psync, iodepth=64
|
||
fio-3.16
|
||
Starting 1 thread
|
||
test: Laying out IO file (1 file / 0MiB)
|
||
Jobs: 1 (f=1): [w(1)][100.0%][w=13.4MiB/s][w=857 IOPS][eta 00m:00s]
|
||
test: (groupid=0, jobs=1): err= 0: pid=16519: Sat Mar 14 14:11:27 2026
|
||
Description : ["variable bs"]
|
||
write: IOPS=829, BW=12.0MiB/s (13.6MB/s)(130MiB/10001msec); 0 zone resets
|
||
clat (usec): min=778, max=4000, avg=1199.89, stdev=377.74
|
||
lat (usec): min=779, max=4001, avg=1200.38, stdev=377.78
|
||
clat percentiles (usec):
|
||
| 1.00th=[ 848], 5.00th=[ 898], 10.00th=[ 922], 20.00th=[ 955],
|
||
| 30.00th=[ 979], 40.00th=[ 1004], 50.00th=[ 1029], 60.00th=[ 1074],
|
||
| 70.00th=[ 1221], 80.00th=[ 1500], 90.00th=[ 1614], 95.00th=[ 1975],
|
||
| 99.00th=[ 2606], 99.50th=[ 2966], 99.90th=[ 3359], 99.95th=[ 3425],
|
||
| 99.99th=[ 4015]
|
||
bw ( KiB/s): min=10048, max=15520, per=99.91%, avg=13258.32, stdev=1465.96, samples=19
|
||
iops : min= 628, max= 970, avg=828.63, stdev=91.62, samples=19
|
||
lat (usec) : 1000=38.46%
|
||
lat (msec) : 2=56.79%, 4=4.74%, 10=0.01%
|
||
cpu : usr=5.27%, sys=0.00%, ctx=8499, majf=0, minf=7
|
||
IO depths : 1=100.0%, 2=0.0%, 4=0.0%, 8=0.0%, 16=0.0%, 32=0.0%, >=64=0.0%
|
||
submit : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
|
||
complete : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
|
||
issued rwts: total=0,8295,0,0 short=0,0,0,0 dropped=0,0,0,0
|
||
latency : target=0, window=0, percentile=100.00%, depth=64
|
||
|
||
Run status group 0 (all jobs):
|
||
WRITE: bw=12.0MiB/s (13.6MB/s), 12.0MiB/s-12.0MiB/s (13.6MB/s-13.6MB/s), io=130MiB (136MB), run=10001-10001msec
|
||
|
||
Disk stats (read/write):
|
||
sda: ios=0/118, merge=0/104, ticks=0/66, in_queue=67, util=0.24%
|
||
```
|
||
|
||
#### psync
|
||
```shell
|
||
root@ubuntu20-129:/home/lian/share/zvfs# fio ./fio_script/psync.fio
|
||
test: (g=0): rw=randwrite, bs=(R) 16.0KiB-16.0KiB, (W) 16.0KiB-16.0KiB, (T) 16.0KiB-16.0KiB, ioengine=psync, iodepth=64
|
||
fio-3.16
|
||
Starting 1 thread
|
||
Jobs: 1 (f=1): [w(1)][100.0%][w=39.5MiB/s][w=2528 IOPS][eta 00m:00s]
|
||
test: (groupid=0, jobs=1): err= 0: pid=16831: Sat Mar 14 14:13:39 2026
|
||
Description : ["variable bs"]
|
||
write: IOPS=2468, BW=38.6MiB/s (40.4MB/s)(386MiB/10001msec); 0 zone resets
|
||
clat (usec): min=184, max=16636, avg=401.35, stdev=153.93
|
||
lat (usec): min=184, max=16636, avg=401.86, stdev=153.98
|
||
clat percentiles (usec):
|
||
| 1.00th=[ 247], 5.00th=[ 273], 10.00th=[ 289], 20.00th=[ 318],
|
||
| 30.00th=[ 338], 40.00th=[ 355], 50.00th=[ 375], 60.00th=[ 400],
|
||
| 70.00th=[ 429], 80.00th=[ 469], 90.00th=[ 545], 95.00th=[ 611],
|
||
| 99.00th=[ 783], 99.50th=[ 873], 99.90th=[ 1106], 99.95th=[ 1287],
|
||
| 99.99th=[ 1942]
|
||
bw ( KiB/s): min=31136, max=51008, per=100.00%, avg=39550.32, stdev=4617.82, samples=19
|
||
iops : min= 1946, max= 3188, avg=2471.79, stdev=288.55, samples=19
|
||
lat (usec) : 250=1.32%, 500=83.72%, 750=13.61%, 1000=1.11%
|
||
lat (msec) : 2=0.23%, 4=0.01%, 20=0.01%
|
||
cpu : usr=2.83%, sys=28.58%, ctx=24699, majf=0, minf=0
|
||
IO depths : 1=100.0%, 2=0.0%, 4=0.0%, 8=0.0%, 16=0.0%, 32=0.0%, >=64=0.0%
|
||
submit : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
|
||
complete : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
|
||
issued rwts: total=0,24690,0,0 short=0,0,0,0 dropped=0,0,0,0
|
||
latency : target=0, window=0, percentile=100.00%, depth=64
|
||
|
||
Run status group 0 (all jobs):
|
||
WRITE: bw=38.6MiB/s (40.4MB/s), 38.6MiB/s-38.6MiB/s (40.4MB/s-40.4MB/s), io=386MiB (405MB), run=10001-10001msec
|
||
|
||
Disk stats (read/write):
|
||
sda: ios=0/24384, merge=0/4, ticks=0/7764, in_queue=7764, util=99.10%
|
||
```
|
||
|
||
### 5.5 pgbench
|
||
```shell
|
||
root@ubuntu20:/home/lian/try/zvfs# ./scripts/run_pgbench_no_mmap.sh
|
||
当前配置：
|
||
host=127.0.0.1 port=5432 db=benchdb
|
||
scale=1 clients=1 threads=1 time=15s preload=1
|
||
init_jobs=1 init_steps=dtg skip_init=0
|
||
|
||
[1/2] pgbench 初始化（-i）
|
||
some of the specified options cannot be used in initialization (-i) mode
|
||
root@ubuntu20:/home/lian/try/zvfs# ./scripts/run_pgbench_no_mmap.sh
|
||
当前配置：
|
||
host=127.0.0.1 port=5432 db=benchdb
|
||
scale=1 clients=1 threads=1 time=15s preload=1
|
||
init_jobs=1 init_steps=dtg skip_init=0
|
||
|
||
[1/2] pgbench 初始化（-i）
|
||
dropping old tables...
|
||
NOTICE: table "pgbench_accounts" does not exist, skipping
|
||
NOTICE: table "pgbench_branches" does not exist, skipping
|
||
NOTICE: table "pgbench_history" does not exist, skipping
|
||
NOTICE: table "pgbench_tellers" does not exist, skipping
|
||
creating tables...
|
||
generating data...
|
||
100000 of 100000 tuples (100%) done (elapsed 0.02 s, remaining 0.00 s)
|
||
done.
|
||
[2/2] pgbench 压测（-T）
|
||
starting vacuum...end.
|
||
transaction type: <builtin: TPC-B (sort of)>
|
||
scaling factor: 1
|
||
query mode: simple
|
||
number of clients: 1
|
||
number of threads: 1
|
||
duration: 15 s
|
||
number of transactions actually processed: 1381
|
||
latency average = 10.869 ms
|
||
tps = 92.003503 (including connections establishing)
|
||
tps = 92.206743 (excluding connections establishing)
|
||
```
|
||
---
|
||
|
||
## 6. 关键工程难点与踩坑复盘（重点）
|
||
|
||
### SPDK 元数据回调线程模型
|
||
|
||
问题：把 metadata 操作随意派发到任意线程，容易卡住或回调不回来。metadata的回调默认派发给初始化blobstore的线程。
|
||
|
||
blobstore metadata 操作与创建线程/通道绑定。
|
||
|
||
需要明确 metadata thread 和 io thread 分工。
|
||
|
||
### resize 导致程序卡死
|
||
- `resize/delete/unload` 内部会走 `spdk_for_each_channel()` barrier。大概是让其他的spdk线程同步resize之后的状态才能返回。所以如果要做要尽可能少做resize。
|
||
|
||
如果其他spdk线程持有iochannel，并且没有持续poll，就会导致卡死。
|
||
- 保证持有 channel 的线程持续 poll。
|
||
- 线程退出时严格释放 channel，避免 barrier 永久等待。
|
||
|
||
### PostgreSQL Tablespace 无法命中 Hook
|
||
|
||
现象：建表空间后文件操作路径是 `pg_tblspc/...`，daemon 无请求日志。
|
||
|
||
根因：
|
||
|
||
- PostgreSQL 通过符号链接访问 tablespace。
|
||
- 仅按字符串前缀 `/zvfs` 判断会漏判。
|
||
|
||
修复：
|
||
|
||
- 路径判定增加 `realpath()` 后再判断。
|
||
- `O_CREAT` 且文件尚不存在时，使用 `realpath(parent)+basename` 判定。
|
||
|
||
### PostgreSQL 报 `Permission denied`（跨用户连接 daemon）
|
||
|
||
现象：`CREATE DATABASE ... TABLESPACE ...` 报权限错误。
|
||
|
||
根因：
|
||
|
||
- daemon 由 root 启动，UDS 文件权限受 umask 影响。
|
||
- postgres 用户无法 `connect(/tmp/zvfs.sock)`。
|
||
|
||
修复：
|
||
|
||
- daemon `bind` 后显式 `chmod(socket, 0666)`。
|
||
|
||
### PostgreSQL 报 `Message too long`
|
||
|
||
现象：部分 SQL（尤其 `CREATE DATABASE` 路径）失败，错误为 `Message too long`。
|
||
|
||
根因：
|
||
|
||
- 不是 daemon 解析失败，而是 client 序列化请求时超出 `ZVFS_IPC_BUF_SIZE`。
|
||
- 当前 hook 会把 `writev` 聚合成一次大写请求，容易触发上限。
|
||
|
||
当前处理：
|
||
|
||
- 将 `ZVFS_IPC_BUF_SIZE` 提高到 `16MB`（`src/common/config.h`）。
|
||
|
||
后续优化方向：
|
||
|
||
- 在 client `blob_write_ex` 做透明分片发送（保持同步阻塞语义）。
|
||
|
||
### dup/dup2/fork 语义一致性
|
||
|
||
问题：多个 fd 指向同一 open file description 时，如何保证 handle 引用计数一致。
|
||
|
||
方案：
|
||
|
||
- 协议增加 `ADD_REF` / `ADD_REF_BATCH`。
|
||
- 在 hook 中对 `dup/dup2/dup3/fork` 明确执行引用增加。
|
||
- `close_range` 增加边界保护（避免 `UINT_MAX` 场景死循环）。
|
||
|
||
### pg \c 调用链条
|
||
1. psql \c ...
|
||
2. fork backend
|
||
3. InitPostgres -> ValidatePgVersion ...
|
||
|
||
4. libc fopen
|
||
5. libc 内部 -> __IO_file_fopen -> _IO_file_open -> __open64
|
||
6. kernel openat
|
||
7. fscanf
|
||
8. libc __isoc99_fscanf -> \_IO\_* -> __read
|
||
9. kernel read
|
||
|
||
glic 内部调用走的不是 动态符号定位，可能是一些隐藏别名。可能会绕过hook。需要拦截非常多变体
|
||
---
|
||
|
||
## 7. 当前限制与下一步
|
||
|
||
### 7.1 当前限制
|
||
|
||
- 单请求仍受 `ZVFS_IPC_BUF_SIZE` 约束。
|
||
- `mmap` 暂不支持 zvfs fd。
|
||
- `ADD_REF_BATCH` 当前优先功能，不保证原子性。
|
||
|
||
### 7.2 下一步计划
|
||
|
||
1. 实现 `WRITE` 客户端透明分片，彻底消除单包上限问题。
|
||
2. 持续完善 PostgreSQL 场景（tablespace + pgbench + crash/restart）。
|
||
3. 补齐更系统的性能复测（固定硬件、固定参数、全量报告）。
|