云原生NPM与传统NPM的差异

摘要：以eBPF技术为主的NPM监控在市场日趋火热，本文主要以Packet作为处理目标展开对传统NPM与云原生NPM的差异化分析，带领大家了解二者的优劣势。

网络性能监控 (Network Performance Monitoring - NPM) 是一种用来采集、监控、诊断网络相关的技术和方法，可以帮助IT运维人员方便观察所管理网络的运行状态，了解潜在的故障点和风险，并有助于快速定位故障原因。此外，也能为最大化/调优网络性能、可用性和服务质量提供支撑。

为了更好的监控网络运行状态，NPM产品会采用多种方法来采集多种指标和数据，如SNMP、NetFlow / sFlow、Packet Capture等。这些数据中，SNMP指标需要采集设备主动向被管理的设备去请求，Flow信息由网络设备采样和推送，而Packet通常由独立设备通过网络设备的镜像端口进行流量获取。可见，Packet的方式能提供更多和更完整的网络真实面貌，但是对采集设备的要求也更多，不仅要处理大流量，计算各种网络指标，还需要能深度解析各种网络协议，从而提取更多的信息。因此，市场上不同的NPM产品，主要的竞争差异也是对包的处理，比较先进的NPM产品，从网络包中提取大量的信息之后，通过机器学习和AI的方式，实现自动风险识别，事件提醒等高级功能。

因此，本文主要以Packet 作为处理目标来分析传统NPM与云原生NPM的差异。虽然传统网络和云原生的基础设施环境不一样，但是NPM的目标是一样的：更好地了解网络实时运行状态，为扩容/缩容提供依据，为快速故障诊断提供支持，等等。但也正是IT基础设施环境的不一样，导致了两种环境下NPM的巨大差异，主要体现在以下几方面：

1) 部署方式

传统NPM需要独立硬件连接网络设备的镜像端口，此外，为了能进行多段分析（同一个网络包通过多个网络设备之后，需要计算每个网络设备的转发时延），就需要有多台物理设备连接不同网络设备的镜像端口，如果不同网络设备的物理位置比较近，可以连接至同一个NPM设备的不同抓包端口。

云原生NPM通常以纯软件方式形式存在，部署在业务系统的主机内，如果业务系统已经采用Docker, K8S等集群方式，那么部署起来将更加方便。由于每个主机都会进行部署，因此天生就可以从多处采集不同的流量，实现类似传统NPM中的多段分析。

2) 采集的流量内容

传统NPM可以采集到所有的物理网络流量，包括网络设备之间的路由协议数据。

云原生NPM主要采集所在(虚拟)主机的网络流量，包括主机与外部的通信流量，也包括主机内部通过虚拟网络设备互相连接的容器。

3) 业务影响

从1）中可知，传统NPM使用专用硬件设备来处理和分析网络数据，因此完全不会影响原先的系统运行。

云原生NPM运行在原有的系统中，会占用原有系统的资源，如果NPM占用太多的资源，很有可能会影响系统的运行。

4) 优/劣势

传统NPM可以捕获到更多种类的网络流量，不仅可以分析路由协议，观察网络转发的性能；也可以分析业务的流量，评估客户端和服务端的网络处理性能。另外，传统NPM可以使用更多的资源，对捕获的数据包做更详细的分析；甚至可以将所有捕获的数据进行存储，便于事后更丰富的分析和调查取证使用。相比于软件部署的云原生NPM，硬件成本比较高，升级维护也没那么方便。

云原生NPM部署在业务系统主机内，不仅可以捕获主机与外界的通信流量，还可以捕获主机内部的网络流量，尤其微服务架构流行的时代，主机内部的通信流量也日益增多。缺点是要保持实现的轻量，以免消耗过多的资源，影响业务系统。另外，一般部署的节点较多，对NPM的管理也有较高要求。

5) 实现技术

传统NPM大多采用一台配置较高的服务器硬件，甚至在特别大的流量场景下会使用专业的抓包网卡来捕获数据包，专业网卡一般还会提供高精度的网络包时间戳功能，为计算网络时延、抖动等功能提供帮助。有时，还会配备大容量的磁盘阵列，用于存储捕获的数据包。在软件层面，目前使用DPDK技术捕获数据包比较流行。

云原生NPM大多采用libpcap/winpcap抓包技术，近年来基于eBPF的XDP技术也很受关注。

加入乘云伙伴群

乘云数字是一家可观测软件服务商，专注于为企事业用户提供一站式的IT性能监测与人工智能运维分析服务。云原生环境作为目前主流的基础设施发展方向，我们也十分重视在云原生场景中采集各种主机、容器、POD等各种维度的数据，其中NPM相关的指标和数据也是我们重点关注的一个方向，这些数据被用来观测复杂的云原生网络环境的动态，同时也帮助快速定位网络相关的故障和性能问题。乘云数字的NPM功能，不仅采集操作系统提供的详细指标数据，还结合了旁路抓包的深度流量解析技术和基于eBPF的系统可观测技术。以较少的资源开销，将应用层与网络层进行关联，将网络故障和事件定位至具体的应用，极大地缩短了定位网络异常的时间。