深入理解Lustre文件系统-第10篇 LNET：Lustre网络

LNET是一个消息传递API，源自Sandia Portals。虽然它们俩有一些共同点，但是它们俩是不同的东西。我们将探讨LustreLNET，但是不会深入研究这两者的不同。

10.1   核心概念

首先，我们需要澄清一些在本节接下来的部分使用的一些术语，特别是进程ID、匹配项、匹配位和内存描述符。

LNET进程ID

LNET使用LNET进程ID来区分它的peer们，定义如下：

typedef struct {

      lnet_nid_t nid;

      lnet_pid pid;

}lnet_process_id_t;

nid标识节点ID，而pid标识了节点上的进程。例如，对于套接字LND（和对于所有现有的LNETLNDs），在内核空间只运行了一个LNET实例，所以进程id使用一个预留的ID（12345）来标识自己。

ME：匹配项（Matching Entry）

portal由一个匹配项（ME）的列表组成。每个ME和一个缓冲相联系，缓冲由内存描述符（memory descriptor,MD）描述。ME本身定义了匹配位和忽略位，它们是64比特的标识符，用来确定达到的消息是否可以使用对应的缓冲空间。Figure9.1画出了Lustre LNET的寻址方案。

typedef structlnet_me {

      struct list_head me_list;

      lnet_libhandle_t me_lh;

      lnet_process_id_t me_match_id;

      unsigned int me_portal;

      __u64 me_match_bits;

      __u64 me_ignore_bits;

      lnet_unlink_t me_unlink;

      struct lnet_libmd *me_md;

} lnet_me_t;

与portal相关联的所有ME都由me_list链接起来。me_match_id定义了哪个远程LNETpeer允许访问这个ME，而这可以用来作为允许开放访问的通配符（wildcard?外卡？）。

MD：内存描述符

在上层创建一个MD之后，LENT层使用结构体lnet_md_t来引用MD。而在LNET内部，则是通过structlnet_libmd_t来表示的。根据我们的理解，这样做的目的是使得lnet_libmd_t对客户端不透明，从而使得它们不能干扰LNET的内部状态。它俩共有一些字段，但是LNET为内部管理（housekeeping）维护了更多状态。

typedef struct {

      void *start;

      unsigned int length;

      int threshold;

      int max_size;

      unsigned int options;

      void *user_ptr;

      lnet_handle_eq_t eq_handle;

} lnet_md_t;

如果由MD描述的内存缓冲是连续的，那么start地址指向内存的开始，否则它指向一些I/O向量的开端。I/O向量有两种：如果内存已经映射到实虚拟内存中，它由struct iovec；否则，它由lnet_kiov_t描述，这有可能也有可能不被映射到虚拟内存中，而从定义上看，它只是一个内存页。MD选项（options）描述了I/O向量的类型。它要么是LNET_MD_IOVEC要么是LNET_MD_KIOV。同样，如果MD是一个非连续的内存空间，length就描述了数组中的项数。

如上所述，struct lnet_libmd_t被LNET内部用来描述MD，其中加入了其他一些记录字段：

typedef structlnet_libmd {

      struct list_head md_list;

      lnet_libhandle_t md_lh;

      lnet_me_t *md_me;

      unsigned int md_length;

      unsigned int md_offset;

      unsigned int md_niov;

      union {

             struct iovec iov[LNET_MAX_IOV];

             lnet_kiov_t kiov[LNET_MAX_IOV];

      } md_iov;

      ...

}

显而易见的是，md_me是与当前MD相关联的的ME项的地址，而它可以是NULL。md_length是MD描述的所有部分的总字节数，而md_offset是跳过的字节数。对于一个非连续的内存，假想它们都组合到一个虚拟的连续数组，而你有一个用以进入其中的逻辑偏移量。而md_niov是I/O向量的有效项数，I/O向量由union结构体中的iov或者kiov描述。md_list是一个以句柄（md_ld）作为关键字用来定位MD的哈希表。

偏移量的使用实例

在初始化时，服务器将发布请求缓冲（为请求portal），缓冲是用来容纳接收到的客户端请求的。我们进一步假设请求缓冲大小是4KB，而每个请求最多是1KB。当第一个消息到达时，偏移量增加到1KB，而当第二个消息到达时，偏移量设置为2KB，如此继续。所以，本质上说，偏移量是为避免覆盖写而用来追踪写位置的，而这就是默认的情况。在另外一种情况下，偏移量有不同的用法，我们将在讨论完MD选项之后对之进行描述。

MD选项

如果MD的设置了LNET_MD_MANAGE_REMOTE标志，那么客户端可以为了执行GET或者PUT操作，而向MD指定偏移量。在接下来的API讨论中，我们将描述GET和PUT API的偏移量选项，我们现在描述两种使用情形：

• 路由器发布一个包含nid的缓冲，以给感兴趣的客户端读，该缓冲设置了LNET_MD_MANAGE_REMOTE和LNET_MD_OP_GET标志。所有的客户端将会得到偏移量为零的这个缓冲，因为他们得到了路由器上nid的完整列表。

• 在使用自适应的超时机制时，对于提早的服务器回复的情况，客户端在发出请求之前，发布一个回复缓冲。服务器首先以偏移量为零，发送一个提早的回复。其含义是：“我收到你的请求啦，现在耐心等待吧”。然后，服务器端以一个合适的偏移量，向同一的缓冲发送实际的回复。

与MD相关的另外一个属性类型定义了在MD上允许的操作。例如，如果MD只设置了取得标志LNET_MD_OP_GET，那么就不允许向MD写入。这与只读模式等价。而LNET_MD_OP_PUT则意味着MD允许PUT操作，但是如果没有GET标志，那么就变成只写了。

当出现到达的消息比当前MD缓冲大的情况下，有两个标志用来处理这种情况。LNET_MD_TRUNCATE标志允许存储这个消息，但是要截短。当客户端不关心回复的内容时，这个标识是有用的。举个例子，让给我们假设一个客户端ping路由器来来查看它是否还活着。路由器回复了一个它的nid的列表。客户端不关需其内容，也不解释这些nid，所以一个设置了截短标志的小缓存就足够了。第二个标志是LNET_MD_MAX_SIZE，它告知LNET丢掉那些接收到的超出允许大小的消息。

事件队列

每个MD都有一个事件队列，事件都向事件队列传送。每个事件队列可以用回调函数，或者可以被调查。

10.2   Portal RPC：LNET的客户端

Portal RPC设计为对每个定义的服务有多个portal，它们是请求、回复和块portal。我们使用一个例子来解释着一点。假设客户端想要向服务器读十块数据。它首先向服务器发送一个RPC请求，表明它想读取十个块，而它已经准备好了块传输（即已经准备好了块缓冲）。这时，服务器初始化块传输。当服务器完成传输后，它通过发送一个请求来告知客户端。通过这个数据流，我们清楚了客户端需要准备两个缓冲：一个是为块RPC提供的与bulkPortal相关联的缓冲，一个是与恢复Portal相关联的缓冲。

这就是Lustre怎样使用Portal RPC的。在上述情形中，它使用两个portal，因为Portal RPC对两个portal使用同样的ME匹配位。然而，只要两个缓冲的匹配位不同，使用同一个portal来发布两个缓冲就不会有问题。

Get和Put混淆

• 大多数情况下，客户端调用LNetPut来向服务器请求一些东西，或者请求向服务器发送一给些东西。然后服务器将使用LnetPut来向客户端发送一个回复，或者像块传输里一样，使用LnetGet来从客户端读取一些东西。

• 客户端调用LNetGet的一个情况是路由pinger；客户端将从一个广为人知的服务器portal取得一个NID列表，以此作为确定路由还活着的方法。

处在中心的路由

我使用LNET PUT作为例子来解释这个情景。让我们假设客户端C有一些需要发往最终目的服务器S的有效载荷，而R则是发送所需要经过的处于中心的路由器，如Figure 13所示。LNET取得有效载荷，并填以PUT头，PUT头中包含诸如最终服务器NID、匹配位、偏移量等信息。现在这是一个完整的LNET消息。当LNET将该消息和路由NID一起传给LND层。LND将这些消息放在传输线上，消息传往R。

路由LND层接收到这个消息，并将之传到路由LNET层。需要从消息的PUT头中取得两部分信息。一个是消息的大小，这样路由才能分配（或者预分配）空间来存储接收到的消息，注意这里的空间和我们之前谈及的MD不同，它只是一块缓冲。第二个信息是目的NID。在消息完全接受完后，路由LNET将把这个消息和NID一起传送给合适的LND（可能是另外一个LND，如果这个一个混杂的路由环境中）来将之传送到传输线上。

 

10.2.1       第一轮：客户端服务器端的合作

假设服务器端想要向它的客户端发布一个缓冲，如下对是在两者中出现的步骤的简要描述：

1. 服务器连接ME和MD，使它们成为某个已知portal的一部分。

2. 服务器确保MD选项设置是正确的：对于这种情况下的远程管理，只允许取（get-only）。现在服务器准备好了。

3. 如果客户端准备本地ME和本地MD，为回复请求做准备。

4. 客户端按照peer地址、portal、匹配位来调用LNET GET。

5. 服务器收到GET消息，检查它是否有效（正确的portal、正确的匹配位，对MD的正确操作）。

6. 服务器调用MD上注册的回调函数来告知高层。在我们早前提及的路由ping情况下，一旦发布了缓冲，上层服务器就可能不再对客户端请求感兴趣了，所以这个回调函数可能就是NULL。

7. 服务器向客户端发送一个回复消息。注意这个回复不是一个LNET PUT。

10.2.2       第二轮：更多细节

1. 服务器通过ptlrpc_register_rqbd()发布了一个请求缓冲。_rqbd是对请求缓冲描述符（request buffer descriptor）的缩写，由structptlrpc_request_buffer_desc定义。它为创建ME和MD提供了足够的信息。由于这是一个用来服务请求的服务缓冲，其匹配ID及所有重要的ME、MD创建方法如下所示：

structptlrpc_service *service = rqbd->rqbd->rqbd_service;

staticlnet_process_id_t match_id = {LNET_NID_ANY, LNET_PID_ANY};

rc =LNetMEAttach(service->srv_req_portal, match_id, 0, ?0,

                                  LNET_UNLINK,LNET_INS_AFTER,&me_h);

rc =LNetMDAttach(me_h, md, LNET_UNLINK, &rqbd->rqbd_md_h);

LNET_UNLINK标示当ME对应的MD删除（unlink）的时候，这个ME应该被删除。而LNET_INS_AFTER意味这个新的ME应当添加到已存在的ME链表里。me_h和md分别定义为handle_me_t和lnet_md_t。

2. 客户端通过ptl_send_rpc()发送RPC，这个函数将struct ptlrpc_request *request作为一个输入参数，可能进行如下操作：

• 客户端通过ptlrpc_register_bulk()发布一个块缓冲。这个是在请求的块缓冲不为NULL时执行的：

      if(request->rq_bulk != NULL) {

             rc =ptlrpc_register_bulk(request);

             ...

• 客户端通过LNetMEAttach()和LNetMDAttach()发布回复缓冲，这个操作是在期望得到回复的时候执行的（输入参数noreply设置为0）。

• 客户端发送请求：

      rc =ptl_send_buf(&request->rq_req_md_h,

                                         request->rq_reqmsg,request->rq_reqlen,

                                         LNET_NOACK_REQ,&request->rq_req_cbid,

                                         connection,

                                         request->rq_request_portal,

                                         request->rq_xid,0);

3. 服务器通过evernts.c中定义的request_in_callback()来处理接收到的RPC、这可能进一步引发两个动作：

• 块传输：ptlrpc_start_bulk_transfer()，

• 发送回复：ptlrpc_reply()。

4. 一旦块传输被写入、读取或者回复了，可能引发等多的回调，例如client_bulk_callback()和reply_in_callback()。

10.3   LNET API

命名习惯

以LNet开始的函数名是为高层提供的外部API。所有其他使用小写的函数是LNET内部使用的函数。在LNET里，LND有两个API集合。如果以lnd开头，则是是为LNET向下调用而准备的API；而如果以lnet开头，则是为LND向上调用LNET而准备的；如下图所示。注意，使用LNET来同时表述整个网络子系统和一个LND之上的一个特殊层是很让人容易迷惑的，但是好像实际就是这么用的。

LNET在内核空间和用户空间都编译了。如果文件以liblnet开头，那么意味着它是为用户空间准备的；否则这是为内核准备的。在lnet/lnet下的文件编译了两次，在lnet/klnds和lnet/ulnds只被编译了一次。

初始化和拆除

intLNetInit(void)和intLNetFini(void)是用来建立和拆除LNET连接的API。

面向内存的通信语义

如下的API已经由注释注解了：

int LNetGet(

      lnet_nid_t self,

      lnet_handle_md_t md_in,        /* local MD to hold requested data */

      lnet_process_id_t target_in,     /* target process id */

      unsigned int portal_in,            /* target portal index */

      __u64 match_bits_in,               /* match bits used on targetprocess */

      unsigned int offset_in);           /* offset into remote MD */

这个函数初始化了远程读操作。注意offset_in只有在目标内存描述符中设置了LNET_MD_MANAGE_REMOTE时才被使用。对PUT操作，也是如此。

int LNetPut(

      lnet_nid_t self,

      lnet_handle_md_t md_in,        /* local MD holding data to be sent */

      lnet_ack_req_t ack_req_in,      /* flag to request Ack event */

      lnet_process_id_t target_in,     /* target process id */

      unsigned int portal_in,             /* target portal index */

      __u64 match_bits_in,               /* match bits for target process*/

      unsigned int offset_in,             /* offset into remote MD */

      __u64 hdr_data_in);                /* 64-bit user data */

这个函数异步地发送数据。self设定了使用的源NID和输出的NI（网络接口，network interface）。如果给定了LNET_NID_ANY，LNet将根据目的NID和路由表自行选择源NID和NI。注意，acknowledgments只有在它们被初始化进程中的进程请求，并且本地MD有事件队列，且远程MD允许时，才被发出。

匹配项管理

int

LNetMEAttach(unsignedint portal,

      lnet_process_id_t match_id,

      __u64 match_bits, __u64 ignore_bits,

      lnet_unlink_t unlink, lnet_ins_pos_t pos,

      lnet_handle_me_t *handle)

这个函数创建了一个新的ME。第一个参数表明ME需要和哪个本地portal联系，而下一个参数表明了允许访问这个ME的运程进程id（或远程peer）。接下来的是匹配位和忽略位。每个portal RPC都有一个独有的事务id，所以portal RPC使用这个事务id来作为回复的匹配位。事务id将被发送给远程peer，而远程peer将使用这个事务id来作为它的回复缓冲的匹配位。最后一个参数是ME指针，如果调用成功，它返回一个句柄。

int LNetMDAttach(

      lnet_handle_me_t meh, /* ME to beassociated with */

      lnet_md_t umd, /* user-visible part of theMD */

      lnet_unlink_t unlink, /* if MD is unlinkedwhen it is not active */

      lnet_handle_md_t *handle)

这个函数用来创建MD，并将它连到一个ME上。如果ME已经与一个MD相关联，则出错返回。umd是从LNET客户端（现在为止，是Portal RPC或者LNET自测）来的，它指定了将创建的MD对象的参数，函数将以lnet_handl_md_t *handle参数返回一个该对象的句柄。

int LNetMDBind(

      lnet_md_t umd,

      lnet_unlink_t unlink,

      lnet_handle_md_t *handle)

这个函数创建一个独立的内存描述符，即一个未与ME相关联的MD。

10.4   LNET/LND语义和API

LNET是无连接的、异步的和不可靠的。然而，大部分LND是可靠的、面向连接的，所以在同它们的peer交流之前，它们需要建立一个连接。LNET消息的有效载荷限制是1MB，且最大的段数量不超过256。另外，LNET既不分段也不组合段。LNET假定了上层绝不会传给LNET大于1MB的有效载荷。这个限制的理由有几个——例如，提前设置的限制使得缓冲管理变简单，一些低层驱动的零散缓冲数是有限制的，例如是256个。另外，如果缓冲室以页的方式发布，诸如Portal RPC等高层可以更容易地对数据进行分段。这个限制的缺点是一旦有一个支持多于1MB的MTU的网络技术出现，LNET可能不能充分地使用其带宽。

LND可以有多个实例——例如，在你有多个IB接口的时候。每个接口都由一个网络接口类型表示，该类型由lnet_ni_t定义。在该结构体中定义的其中一个字段是lnd_t——一个对该特定LND类型可用的方法表。

10.4.1       API总结

LND API是在LNET和它的基础网络驱动之间的接口。正如之前提到的，有两组LND API。第一组是LNET期望LND实现的。例如：LNET期望调用LND方法来发送和传输消息。

• lnd_startup()、lnd_shutup()：这些函数对每个接口调用，只要当LNET想要打开或者删除这些接口。

• lnd_notify()：这是可选的。

• lnd_accept()：这是可选的。

• lnd_send()、lnd_recv()、lnd_eager_recv()：发送正在送出的消息和接收正在来到的消息。

• lnd_ctl()：这个调用是可选的。它将用户空间的ioctl命令传送到LND。LNET通过一个特殊的设备文件，支持许多ioctl；一些是由LNET直接处理（例如，增加路由），另外一些必须传递到LND处理。

另外一组API是提供给LND用的LNET函数：

• lnet_register_lnd()和lnet_unregister_lnd()：每个LND驱动都调用这个函数来注册一个新的LND类型。

• lnet_notify()：一个peer挂了，调用这个函数告知LNET。

• lnet_parse()：对每个接收到的新消息，LND调用这个函数来让LNET知道接收到了一个消息，这样LNET可以分析并调查它。

• lnet_finalize()：这个函数在消息进入和传出时都被LND调用。当发送消息时，它被LND调用，用来允许LNET创建一个事件，以告知消息已被发送了。对消息到达，这个调用表明已经完全接收了正在到来的消息的有效载荷。

10.5   LNET开启和数据传输

对于LNET源码组织的简单评注：

lnet/ulnds /*LND in user space, */

lnet/klnds /*LND in kernel space */

lnet/lnet /*LNET layer */

显然，在内核LND和用户空间LND的源码并没有多少相同。因此，只有Portal网络和TCP网络有用户空间LND。在内核空间，ptllnd、o2iblnd和socklnd可能是需要知道的最重要的几个。

10.5.1       开启

当LNET初始化后，调用lnet_startup_lndnis()。

1. 调用lnet_parse_networks()来分析用户提供的模块参数。之后，LNET得到一个需要启动的网络接口列表。

2. Iterate（？）上面得到的每个接口。首先它尝试定位由lnd_t表示的lnd实例。当找到时，调用lnd_startup()。我们将看看每个步骤的细节。

3. 在循环中，首先通过网络类型查找驱动。

lnd =lnet_find_lnd_by_type(lnd_type);

如果没有找到驱动，可能是驱动还没有加载，所以将尝试加载模块，然后重试定位驱动：

rc =request_module(libcfs_lnd2modname(lnd_type));

在驱动加载后，在它初始化过程中，它向LNET注册，使得驱动能在稍后被定位到。

4. 在定位了网络接口的驱动之后，我们可以将驱动绑定到该接口，然后调用驱动的开启方法：

ni->ni_lnd =lnd;

rc =(lnd->lnd_startup)(ni);

现在，我们开始解释一个特定的LND模块，套接字LND。特别地，我们看看ksocknal_startup()。

1. 如果函数第一次被调用，那么它将调用ksocknal_base_startup()来做一些单次初始化，例如创建所有接口共用的数据结构。

2. 找到使用这个网络的以太网接口。它可能是用户指定的，也可能是找到的系统第一个非循环接口。一旦找到，它将为这个接口初始化数据结构。nid按如下方法创建：

ni->ni_nid =LNET_MKNID(LNET_NIDNET(ni->ni->nid),

net->ksnn_interfaces[0].ksni_ipaddr);

在LNET创建后，用户可以通过这个接口发送或接受数据。

10.5.2       LNET发送

我们从LNetPut开始一直下到LND层，描述发送过程的一般流程。

1. 首先，分配LNET消息描述符msg，由struct lnet_msg_t描述。这个消息描述符将传递给LND。特别地，里面定义了一个lnet_hdr_t msg_hdr（消息头），它将最终成为传输线上的消息的一部分。

msg =lnet_msg_alloc();

2. LNET MD句柄被从输入参数转换到实际MD结构，里面存储了有效负载。

md =lnet_handle2md(&mdh);

3. 将MD与消息相关联：

lnet_commit_md(md,msg);

4. 填入消息细节。如果存在的话，这些细节可能是消息的类型（PUT或者GET）、匹配位、portal索引、偏移量和用户提供的数据。

lnet_prep_send(msg,LNET_MSG_PUT, target, 0, md->md_length);

msg->msg_hdr.msg.put.match_bits= cpu_to_le64(match_bits);

msg->msg_hdr.msg.put.ptl_index= cpu_to_le32(portal);

...

5. 如下所示，填入事件信息：

msg->msg_ev.type= LNET_EVENT_SEND;

msg->msg_ev.initiator.nid= LNET_NID_ANY;

msg->msg.ev.initiator.pid= the_lnet.ln_pid;

...

6. 最后如下所示，调用lnet发送函数（不是LND发送）。

rc =lnet_send(self, msg);

7. 这个发送函数需要定位使用的接口。如果目标是本地的，则解析到直连接口。如果目的地是远程的，则解析到路由表中的一个路由。这个搜索的结果是lp，由structlnet_peer_t定义，定义了peer的最佳选择。这个peer要么是路由的接口，要么是最终目的地的接口，如下所示。

msg->msg_txpeer= lp;

8. 然后，调用lnet_post_send_locked()来检查credit（？）。假设你只允许向peer发送x个并行消息。如果你超过了这个credit阈值，这个消息将排队，直到了更多的credit。

9. 如果通过了credit检查，那么：

if (rc==0)

lnet_ni_send(src_ni, msg);

这个发送函数调用LND发送，进行下一步发送：

rc =(ni->ni_lnd->lnd_send)(ni, priv, msg);

在以后的某一时间点，在LND发送消息结束后，将调用lnet_finalize()来告知LNET层，消息已经发送完毕。然而，让我们继续深入发送消息的过程。让我们假设这是一个IP网络；那么发送的就是套接字LND，更确切地说，将调用ksocknal_send()。

10. 记住，套接字LND是基于连接的，所以当你想要发送某些东西的时候，首先你需要定位peer，然后你需要检查是否建立了连接。如果有，你只需将tx加入到连接队列中。

if (peer!=NULL){

      if(ksocknal_find_connectable_route_locked(peer) == NULL) {

             conn =ksocknal_find_conn_locked(tx->tx_lnetmsg->msg_len, peer);

             if (conn != NULL) {

                    ksocknal_queue_tx_locked(tx,conn);

                    ...

}

所以，最终，排队的消息将通过内核套接字API，来在套接字连接上发送。

11. 如果还没有连接，那么我们先将消息排队到peer，这样当建立了新连接后，我们可以从peer的队列中将消息移至连接的队列里，将它们发生出去。

在传输线上传输的消息的简要布局如下：

从一个套接字LND中发送消息有两种方式（API）：如果消息较小，正常发送将会把消息送入一个内核套接字缓冲中（每个套接字都有一个发送缓冲）。这不是一个零复制（zero-copy）传输。另外，你可以先不复制（零复制），而将缓冲直接发送到网络中去。然而，零复制也有它的开销，所以Lustre只使用这种流程发送大消息。

10.5.3       LNET接收

在接受端，假设我们使用套接字LND，ksocknal_process_receive()是接收的入口函数。这里给出了一般步骤。

1. LND开始接受新消息。开始时，它只接受截止到LNET消息头的部分，因为它现在还不知道将有效负载放在哪个地方，只有LNET层知道目标MD的信息。

由于这个原因，LND将LNET头传给lnet_parse()。这个函数中，LNET层将查看头，并且确定portal、偏移量、匹配位、源NID、源PID等。LNET可能拒绝消息（例如畸形消息），也可能接受它。

2. 如果定位了合适的MD，LNET（从lnet_parse()）调用另外一个LND API，lnd_recv()。现在套接字内核缓冲中的有效载荷被复制到目的MD。在套接字LND情况下，这是一个内核中内存到内存的复制。

3. 如果LNET在以后某个时间点要调用lnd_recv()，则会立即调用lnd_eager_recv()。

4. 在LNET调用lnd_recv()后，LND开始接收锁有效载荷（要么是通过内存到内存的复制，要么是通过RDMA），而LND应当在有限的时间内调用lnet_finalize()。此时，如果RDMA可用，LND可以使用它来传输数据。

同时注意TCP可能会进行分段，但是当lnd_recv()结束时，在对消息组段（de-fragmenting）之后，它传输了整个消息。

10.5.4       对于RDMA的情况

我们提到，在套接字LND中有一个内存到内存的复制。对于任一支持RDMA的网络，例如o2ib LND，它可以使用RMDA将数据之间传输到目的MD，从而避免了内存到内存的拷贝。更完整的配合过程如下：

1. LNET PUT将消息传送到o2ib LND。现在o2ib LND又两部分信息：一个LNET信息头，里面保存了诸如源NID、目的NID和一个指向实际有效载荷的MD。

2. 与套接字LND不同，o2ib LND只通过网络向peer发送（使用OFED API）了LNET头。消息包含了一个o2ib LND头，其中表明这是一个o2ib PUT请求。

3. 在接收端，o2ib LND仍然调用lnet_parse()，因为它有LNET头信息，由此它确定了MD。然后调用lnd_recv()来接收数据。o2ib的lnd_recv()将首先向OFED注册MD缓冲。在注册内存后，它取得了一个OFED内存ID，它与注册好的内存等价。

4. 现在o2ib向发起人发回另外一个消息（PUT ACK），其中携带了远程内存ID。发起人向它的保有有效载荷的本地MD注册了这个消息，并且取得了一个本地内存ID。最后，它调用RDMAwrite，将控制传给OFED作进一步处理。

10.6   LNET路由

一般概念

Lustre路由有两个基本特征。第一个是Lustre网络内的所有节点可以直接相互通信，而不需要路由层的参与。第二个是，Lustre路由是静态路由，它的网络拓扑是静态配置的，在系统初始化时就已分析好了。在运行时，可以更新配置，系统会对之响应，然而，根据我们的了解，这种动态更新和基于距离向量或者链接状态的路由非常不同。

对于Lustre网络的一个粗陋定义是：一组可以相互之间直接通信而不需路由参与的节点群。每个Lustre网络都有一个唯一的类型和号码，例如tcp0、ib0、ib1等等，每个端节点（end node）都有一个NID（网络标识符，NetworkIdentifier）。Figure 9.6画出了一个路由层的栈的实例。这个定义有一些artifact（？）：(1) 它与IP子网和IP路由毫无关系。如果你有两个网络和一个两者之间的IP路由器，它仍然可以看作是一个Lustre网络。(2) 如果你有一个TCP接口的端节点，和另一个有IB接口的端节点，那么你在两者之间需要有一个LNET路由，这将被看做两个Lustre网络。(3) Lustre网络中的地址必须是唯一的。

上述定义的另外一个暗示是，端节点的路由表将把LNET路由而不是IP路由作为下一跳。为了确定一个Lustre网络，你通常会使用networks和ip2nets这两个指令中的一个：

# router

options lnetnetworks = tcp0(eth0), tcp1(eth1)

# client

options lnetnetworks = tcp0

# singleuniversal modprobe.conf

options lnetip2nets="tcp0(eth0,eth1) 192.168.0.[2,4]; tcp0 192.168.0.*; \

      elan0 132.6.[1-3].[2-8/2]"

 

10.6.1       非均匀路由的失败之处

这个题目强调了我们在当前的LNET（production）源码的不足之处。它和对LNET的一般性讨论时有关的，而我们相信和更多的读者分享我们的观察是有益的。这里的问题是，路由很难可靠地确定一个接口是否挂掉了。当前，LNET甚至都不会尝试去确定这个事。所以对于一个有两个接口的路由，比如说tcp0和ib0，如果ib0接口挂了，而与tcp0连接的接口仍然在发送数据，这将导致一个间歇性的通信失败。

解决这个问题的一种思想是LNET路由可以尝试监测传输问题，然后暂时性地关闭所有接口。路由可能有能力更加智能地处理这个问题：如果它了解整个拓扑和客户端使用的输入路径的信息，那么它可以只关闭一些接口。在那之前，相比于因间歇性失败而遭受超时，关闭所有的接口似乎要好些。

10.6.2       路径缓冲管理和流控制

在初始化时，LNET路由预分配了一个确定数量的路由缓冲。端节点的LNET层不需要这样做（除非在初始化它的路由表时）。分配和管理路由缓冲，是端节点和路由的执行逻辑之间的主要区别，如果不是唯一的区别。

由于路由缓冲是受限资源，为了防止单一端节点淹没路由，每个节点都给定了一个限额。缓冲只有在转寄（forwarded）之后，才能够重新使用。对每个端节点的限额也被称为缓冲credit。它只对路由有意义，和“传输中的RPC”credit不同，后者称为peer到peer credit。一个RPC可以牵涉到多个LNET消息（最多十个），这些可能是一个请求LNET消息，一个回复LNET消息，而在块传输的情况下，可能有四个LNET消息发往一个方向，而四个LNET消息发往相反的方向。这也暗示了块传输LNET消息是块RPC事务的一部分，但是它们不被算作一个RPC。所以它们（这四个块传输消息）不被算作是正在传输中的RPC。

有三种路由缓冲：1MB（一个LNET消息可以携带的最大有效载荷量），为小消息准备的4KB，和为诸如ACK等极小消息准备的有效载荷为零的缓冲。

从一个端节点发来的请求遵循先来先服务的原则。如果从一个特定端节点的请求超过了它的限额，那么它的下一个请求将不会被处理，直到路由缓冲被释放，这就是LNET层进行流控制的本质方法（流控是点到点的）。点到点的流控制是由更上层来实现的，例如，通过正在传输的RPC数（RPCs inflight）。在下层LND调用了lnet_finalize()之后，缓冲就可以释放了。调用lnet_finalize()，标志着LND将运送看作结束了，但并不意味这消息已经放在传输线上了。根据消息大小，LND和内核有处理它的不同逻辑。对于LNET的唯一要求是，一旦lnet_finalize()调用了，LNET就可以自由地回收利用缓冲了。

逻辑上，LNET只有一个队列，从所有端口到达的消息都入队列，并按序做进一步处理。每个接口都有它自己的接口队列，然而这不是LNET关心的事，因为这是中断驱动的。所以，每个到达消息都按其到达的顺序接受处理是有保证的。

10.6.3       细粒度路由

这个特性是最近开发出来的（Lustre bug #15332）for Jaguar/Spider deployment at ORNL。其驱动是LNET不向路由指定负载。所以如果你有多个连接同一个目的的路由，LNET将会执行一个roundrobin算法来分配负载，对端节点和路由都是这样的。细粒度路由加入的是，简单地，对不同的路由，指定由系统管理员预先配置的负载。其目的是让更好的路由负责更多的流量。这里的更好是由site（？）系统管理员定义的。

dest network 1:

      w1 (router 1, router 3)

      w2 (router 4, router 5)

      w3 (router 2)

例如，你可以指定不同的负载级别，然后指定路一个级别，以表示你的偏好。如果w1<w2，那么w1是两者之中偏好的负载级别。在给定的负载级别里，路由器是相等的。

对我们这个情况里，更明确的是，这个机制提供了一个可能性：客户端可以选取一个离他更近的路由器作为它偏好的路由。

本文章欢迎转载，请保留原始博客链接http://blog.csdn.net/fsdev/article