本小节简要分析datapath模块。
datapath模块实现了最底层交换机机制的基本过程，该模块跟sdn其实并没有太大关系。
接收网包-->查表-->转发；如果表中没有，则通过upcall扔给ovsd。
datapath模块的代码主要包括如下几个关键子模块：主文件datapath.h/c，vport的实现vport-(generic/gre/capwap/netdev/internal/patch)，genl子模块等。
action.c中定义了对网包执行操作的各个接口。
包括对vlan头的处理，对skb执行一系列给定的操作，发出网包，发skb给用户态（ovsd），采样，设置包头各个域的属性等。
flow模块包括flow.h和flow.c。
定义维护交换机本地流表相关的数据结构和操作，包括流表结构的创建、更新、删除，对每条流的管理等。
genl-exec.h中定义了对genl的相关操作，包括
typedef int (*genl_exec_func_t)(void *data);
int genl_exec(genl_exec_func_t func, void *data);
int genl_exec_init(void);
void genl_exec_exit(void);
genl_exec_family的定义为
static struct genl_family genl_exec_family = {
.id = GENL_ID_GENERATE, //channel number: will be assigned by the controller
.name = "ovs_genl_exec",
.version = 1,
};
genl_exec_ops[]的定义为
static struct genl_ops genl_exec_ops[] = {
{
.cmd = GENL_EXEC_RUN, //reference the operation
.doit = genl_exec_cmd, //the callback function
.flags = CAP_NET_ADMIN,
},
};
关键的逻辑实现在vport子模块中。在vport.h/c中定义了抽象的vport结构。对外的对vport进行操作的接口如下
int ovs_vport_init(void);
void ovs_vport_exit(void);
struct vport *ovs_vport_add(const struct vport_parms *);
void ovs_vport_del(struct vport *);
struct vport *ovs_vport_locate(struct net *net, const char *name);
int ovs_vport_set_addr(struct vport *, const unsigned char *);
void ovs_vport_set_stats(struct vport *, struct ovs_vport_stats *);
void ovs_vport_get_stats(struct vport *, struct ovs_vport_stats *);
int ovs_vport_set_options(struct vport *, struct nlattr *options);
int ovs_vport_get_options(const struct vport *, struct sk_buff *);
int ovs_vport_send(struct vport *, struct sk_buff *);
这些接口对外提供统一的用户操作界面。部分并没有立刻定义，即使定义的接口中，大部分依次或者单独调用某种类型的vport上绑定的vport_ops中提供的接口，对所有支持的vport进行操作。例如，初始化过程中，实际上是初始化了一个vport_ops_list[]，依次初始化不同类型的vport，并放到该list中。再比如ovs_vport_add接口实际上先进行查找，找到给定的类型之后，进行对应的操作。
而具体到某个vport，其能进行操作的接口在vport_ops结构体中声明，为
struct vport_ops {
enum ovs_vport_type type;
u32 flags;
/* Called at module init and exit respectively. */
int (*init)(void);
void (*exit)(void);
/* Called with RTNL lock. */
struct vport *(*create)(const struct vport_parms *);
void (*destroy)(struct vport *);
int (*set_options)(struct vport *, struct nlattr *);
int (*get_options)(const struct vport *, struct sk_buff *);
int (*set_addr)(struct vport *, const unsigned char *);
/* Called with rcu_read_lock or RTNL lock. */
const char *(*get_name)(const struct vport *);
const unsigned char *(*get_addr)(const struct vport *);
void (*get_config)(const struct vport *, void *);
struct kobject *(*get_kobj)(const struct vport *);
unsigned (*get_dev_flags)(const struct vport *);
int (*is_running)(const struct vport *);
unsigned char (*get_operstate)(const struct vport *);
int (*get_ifindex)(const struct vport *);
int (*get_mtu)(const struct vport *);
int (*send)(struct vport *, struct sk_buff *);
};
目前，vport_ops支持5种类型，分别为
static const struct vport_ops *base_vport_ops_list[] = {
&ovs_netdev_vport_ops,
&ovs_internal_vport_ops,
&ovs_patch_vport_ops,
&ovs_gre_vport_ops,
#if LINUX_VERSION_CODE >= KERNEL_VERSION(2,6,26)
&ovs_capwap_vport_ops,
#endif
};
以ovs_netdev_vport_ops为例，定义了一系列的函数指针。
const struct vport_ops ovs_netdev_vport_ops = {
.type = OVS_VPORT_TYPE_NETDEV,
.flags = VPORT_F_REQUIRED,
.init = netdev_init,
.exit = netdev_exit,
.create = netdev_create,
.destroy = netdev_destroy,
.set_addr = ovs_netdev_set_addr,
.get_name = ovs_netdev_get_name,
.get_addr = ovs_netdev_get_addr,
.get_kobj = ovs_netdev_get_kobj,
.get_dev_flags = ovs_netdev_get_dev_flags,
.is_running = ovs_netdev_is_running,
.get_operstate = ovs_netdev_get_operstate,
.get_ifindex = ovs_netdev_get_ifindex,
.get_mtu = ovs_netdev_get_mtu,
.send = netdev_send,
};
Sunday, November 11, 2012
Wednesday, October 24, 2012
SIGCOMM 2012 论文选读 - A Smart Pre-Classifier to Reduce Power Consumption of TCAMs for Multi-dimensional Packet Classification
session:
Session 7: Network Formalism and Algorithmics
abstract:
Ternary Content-Addressable Memories (TCAMs) has become the industrial standard for high-throughput packet classification. However, one major drawback of TCAMs is their high power consumption, which is becoming critical with the boom of data centers, the growing classifiers and the deployment of IPv6. In this paper, we propose a practical and efficient solution which introduces a smart pre-classifier to reduce power consumption of TCAMs for multi-dimensional packet classification. We reduce the dimension of the problem through the pre-classifier which pre-classifies a packet on two header fields, source and destination IP addresses. We then return to the high dimension problem where only a small portion of a TCAM is activated and searched for a given packet. The smart pre-classifier is built in a way such that a given packet matches at most one entry in the pre-classifier, which make commodity TCAMs sufficient to implement the pre-classifier. Furthermore, each rule is stored only once in one of the TCAM blocks, which avoids rule replication. The presented solution uses commodity TCAMs, and the proposed algorithms are easy to implement. Our scheme achieves a median power reduction of 91% and an average power reduction of 88% on real and synthetic classifiers respectively.
阅读笔记:
计算机科学领域有一个很有趣的现象。一方面新的问题和技术层出不穷，另一方面，少数的几个问题被数年甚至数十年的研究着。不管是搞什么类型的网络，这几个问题始终绕不开。这样久经考验过的问题，往往是如同一堆泥沙中淘得的些许金粒一般珍贵，值得人们细细揣摩。
幸运地，也同时不幸地，这样的问题并不太多。网包分类问题，算是一个经典。
网包分类问题，作为网络安全领域的核心技术，已经被研究了十几年。2000年到2004年这段时间，是这个问题最火热的时候。那个时候，恰是网络设备硬件性能急剧上升的时代，爆炸式增长的带宽给网络处理带来了诸多新的诉求。作为规则查找类最为全面和典型的问题，网包分类得到大家的关注并不稀奇。经过略显平淡的沉寂后，近些年，这一话题开始被重新探讨起来。sigcomm10（Efficut）、11（TreeCAM）、12（SmartPC）连续三年都有这方面的文章。一方面，是随着从性能到智能的跨越，规则的复杂性、规模、内在的逻辑特性越来越复杂，另一方面，也是对规则查找的灵活性上要求越来越高。
自问题提出以来，大致就分为两大区域，一是利用软件算法的解决方案，即采用精妙设计的算法来满足诸多的限制和性能需求，部分算法也能部署到一些通用网络处理硬件平台，学术界讨论这方面的 文章颇多；另一类是基于硬件（多为CAM）的方案，这一类多为工业界所关注，要基于硬件的特殊结构，达到设计的目标。
今天要谈的这篇文章，是基于TCAM平台，研究的目标已经不是传统的如何提高分类速度，而是如何来减少TCAM的功耗。
我们知道，TCAM是个很神奇的东西，可以实现软件梦寐以求的并行匹配。激活单元越多，性能越强大，而激活单元越多，功耗也变成了问题。一般的，实现100K条规则匹配，达到1Gbps的吞吐量，大概功耗是15W。在能源问题颇受关注的今天，自然降低功耗有着诸多的好处。
那么，如何来降低功耗呢？很自然的想法，我查找的时候不用激活那么多单元不就可以了么？之前有文章采用软件预过滤，首先把规则集分为子集，然后网包只需要在子集中进行查找，这样激活的单元自然仅限制在子集中了。本文的思路大致类似，将TCAM划分为三部分，Pre-filter、Specific、General。Pre-filter是根据规则集生成的粗分类规则，相当于划分规则集为子集的规则（文中只考虑了源地址和目标地址两个域）。Specific则存储具体的各个子集。General是在划分中，部分可能出现在多个子集中的规则，比如很多wildcard的情况就容易出现。
因此，在最终的分类过程，只需要激活Pre-filter、少量的General和Specific块，自然省了功耗，从实验效果上来看，大概平均能变为原先功耗的10%左右，甚至更低。
这个方案遗留了几个比较有趣的问题，并没有进行进一步的探讨，一个是划分子集的效率问题。目前的方案采用了逐条规则比较的简单方案，一方面是复杂度高（最坏复杂度为O(n^2)），另外是不清楚优化度有多高。这里完全可以借鉴一些软件算法，比如优化度很高的各类Cuts、DBS/D^2BS等。另外，采用多级分类，自然可能导致分类的性能有所下降，比如latency，这方面并没有相关数据。最后，预分类性能的好坏跟规则集内部特性关系甚大，可能构造某些特殊规则集来让最终性能变得很差。当然，这一点很多现有算法都无法保障，除非能给出最坏的复杂度情况分析。
Session 7: Network Formalism and Algorithmics
abstract:
Ternary Content-Addressable Memories (TCAMs) has become the industrial standard for high-throughput packet classification. However, one major drawback of TCAMs is their high power consumption, which is becoming critical with the boom of data centers, the growing classifiers and the deployment of IPv6. In this paper, we propose a practical and efficient solution which introduces a smart pre-classifier to reduce power consumption of TCAMs for multi-dimensional packet classification. We reduce the dimension of the problem through the pre-classifier which pre-classifies a packet on two header fields, source and destination IP addresses. We then return to the high dimension problem where only a small portion of a TCAM is activated and searched for a given packet. The smart pre-classifier is built in a way such that a given packet matches at most one entry in the pre-classifier, which make commodity TCAMs sufficient to implement the pre-classifier. Furthermore, each rule is stored only once in one of the TCAM blocks, which avoids rule replication. The presented solution uses commodity TCAMs, and the proposed algorithms are easy to implement. Our scheme achieves a median power reduction of 91% and an average power reduction of 88% on real and synthetic classifiers respectively.
阅读笔记:
计算机科学领域有一个很有趣的现象。一方面新的问题和技术层出不穷，另一方面，少数的几个问题被数年甚至数十年的研究着。不管是搞什么类型的网络，这几个问题始终绕不开。这样久经考验过的问题，往往是如同一堆泥沙中淘得的些许金粒一般珍贵，值得人们细细揣摩。
幸运地，也同时不幸地，这样的问题并不太多。网包分类问题，算是一个经典。
网包分类问题，作为网络安全领域的核心技术，已经被研究了十几年。2000年到2004年这段时间，是这个问题最火热的时候。那个时候，恰是网络设备硬件性能急剧上升的时代，爆炸式增长的带宽给网络处理带来了诸多新的诉求。作为规则查找类最为全面和典型的问题，网包分类得到大家的关注并不稀奇。经过略显平淡的沉寂后，近些年，这一话题开始被重新探讨起来。sigcomm10（Efficut）、11（TreeCAM）、12（SmartPC）连续三年都有这方面的文章。一方面，是随着从性能到智能的跨越，规则的复杂性、规模、内在的逻辑特性越来越复杂，另一方面，也是对规则查找的灵活性上要求越来越高。
自问题提出以来，大致就分为两大区域，一是利用软件算法的解决方案，即采用精妙设计的算法来满足诸多的限制和性能需求，部分算法也能部署到一些通用网络处理硬件平台，学术界讨论这方面的 文章颇多；另一类是基于硬件（多为CAM）的方案，这一类多为工业界所关注，要基于硬件的特殊结构，达到设计的目标。
今天要谈的这篇文章，是基于TCAM平台，研究的目标已经不是传统的如何提高分类速度，而是如何来减少TCAM的功耗。
我们知道，TCAM是个很神奇的东西，可以实现软件梦寐以求的并行匹配。激活单元越多，性能越强大，而激活单元越多，功耗也变成了问题。一般的，实现100K条规则匹配，达到1Gbps的吞吐量，大概功耗是15W。在能源问题颇受关注的今天，自然降低功耗有着诸多的好处。
那么，如何来降低功耗呢？很自然的想法，我查找的时候不用激活那么多单元不就可以了么？之前有文章采用软件预过滤，首先把规则集分为子集，然后网包只需要在子集中进行查找，这样激活的单元自然仅限制在子集中了。本文的思路大致类似，将TCAM划分为三部分，Pre-filter、Specific、General。Pre-filter是根据规则集生成的粗分类规则，相当于划分规则集为子集的规则（文中只考虑了源地址和目标地址两个域）。Specific则存储具体的各个子集。General是在划分中，部分可能出现在多个子集中的规则，比如很多wildcard的情况就容易出现。
因此，在最终的分类过程，只需要激活Pre-filter、少量的General和Specific块，自然省了功耗，从实验效果上来看，大概平均能变为原先功耗的10%左右，甚至更低。
这个方案遗留了几个比较有趣的问题，并没有进行进一步的探讨，一个是划分子集的效率问题。目前的方案采用了逐条规则比较的简单方案，一方面是复杂度高（最坏复杂度为O(n^2)），另外是不清楚优化度有多高。这里完全可以借鉴一些软件算法，比如优化度很高的各类Cuts、DBS/D^2BS等。另外，采用多级分类，自然可能导致分类的性能有所下降，比如latency，这方面并没有相关数据。最后，预分类性能的好坏跟规则集内部特性关系甚大，可能构造某些特殊规则集来让最终性能变得很差。当然，这一点很多现有算法都无法保障，除非能给出最坏的复杂度情况分析。
Sunday, October 14, 2012
SIGCOMM 2012 论文选读 - Optimizing Cost and Performance for Content Multihoming
session:
Session 8: Streaming and Content Networking
abstract:
Many large content publishers usemultiple content distribution networks to deliver their content, and many commercial systems have become available to help a broader set of content publishers to benefit from using multiple distribution networks, which we refer to as content multihoming. In this paper, we conduct the first systematic study on optimizing content multihoming, by introducing novel algorithms to optimize both performance and cost for content multihoming. In particular, we design a novel, efficient algorithm to compute assignments of content objects to content distribution networks for content publishers, considering both cost and performance. We also design a novel, lightweight client adaptation algorithm executing at individual content viewers to achieve scalable, fine-grained, fast online adaptation to optimize the quality of experience (QoE) for individual viewers. We prove the optimality of our optimization algorithms and conduct systematic, extensive evaluations, using real charging data, content viewer demands, and performance data, to demonstrate the effectiveness of our algorithms. We show that our content multihoming algorithms reduce publishing cost by up to 40%. Our client algorithm executing in browsers reduces viewer QoE degradation by 51%.
阅读笔记
本文研究的是“content multihoming”问题，即如何利用多个CDN来高效、省钱地提供内容给用户。文章主要从两个方面（publisher、viewer）研究了在对于不同内容选择CDN时候的算法，来优化cost和performance。
publisher主要面临的问题是：多家CDN对不同的内容收费不同（流量方案、带宽方案、功能、性能），该如何选择一个CDN来发布内容？提出的解决算法称为CMO。
本地的viewer则面临着：内容在多家CDN的不同服务器上都有提供，该选择哪个来提高用户体验（Quality of Experience，QoE）？
文章将这些问题抽象为优化问题（常见思路）。
所建立的模型中，利用一个集中式的优化器（central Optimizer），来响应对CDN的内容请求。根据请求客户端功能的不同，将客户端分为被动客户端和主动客户端。前者对某个内容只能连接到一台CDN服务器，因此，只能在server端进行优化。后者对一个内容可能利用多个CDN服务器。这样，当某台服务器服务能力不够时，主动客户端还可以利用其它的服务器。
因此，研究包括两个方面的优化，一个是服务器端的优化，一个是主动客户端的优化。
服务端优化问题最终抽象的模型是一个带有约束条件的最小优化问题。优化目标是整体的cost，约束条件是满足用户需求（Sec 5.1）。解决这一类问题的一般思路是线性规划或者凸优化。然而，当问题的规模比较大的时候，线性规划计算代价不可接受；目标函数是凹函数，无法直接进行凸优化。因此，作者提出可以转化为其他问题（分配问题），并进一步提出了优化的分配方案（考虑分配后的输出空间，使用凹优化），降低解决问题的复杂度。
在转化过程中，也应用了凸优化和凹优化的理论。近些年，类似优化理论以及图论理论在网络领域应用的越来越多，但国内相关领域还比较少见这方面的研究文章。
在主动客户端上，还借用了TCP的AIMD机制来进行流量调整。
在实验方面，采用了来自真实CDN的大量traffic做模拟。验证了提出的方案确实能降低cost。
整体来看，本文将一个实际问题成功抽象为理论问题。虽然模型比较简单，但解决的过程中降低复杂度的手法值得借鉴，体现出比较深的数学功底，同时对于阅读者数学背景要求也比较高。但部分细节说的不是太清楚，例如引理1并没有给出证明。
Session 8: Streaming and Content Networking
abstract:
Many large content publishers usemultiple content distribution networks to deliver their content, and many commercial systems have become available to help a broader set of content publishers to benefit from using multiple distribution networks, which we refer to as content multihoming. In this paper, we conduct the first systematic study on optimizing content multihoming, by introducing novel algorithms to optimize both performance and cost for content multihoming. In particular, we design a novel, efficient algorithm to compute assignments of content objects to content distribution networks for content publishers, considering both cost and performance. We also design a novel, lightweight client adaptation algorithm executing at individual content viewers to achieve scalable, fine-grained, fast online adaptation to optimize the quality of experience (QoE) for individual viewers. We prove the optimality of our optimization algorithms and conduct systematic, extensive evaluations, using real charging data, content viewer demands, and performance data, to demonstrate the effectiveness of our algorithms. We show that our content multihoming algorithms reduce publishing cost by up to 40%. Our client algorithm executing in browsers reduces viewer QoE degradation by 51%.
阅读笔记
本文研究的是“content multihoming”问题，即如何利用多个CDN来高效、省钱地提供内容给用户。文章主要从两个方面（publisher、viewer）研究了在对于不同内容选择CDN时候的算法，来优化cost和performance。
publisher主要面临的问题是：多家CDN对不同的内容收费不同（流量方案、带宽方案、功能、性能），该如何选择一个CDN来发布内容？提出的解决算法称为CMO。
本地的viewer则面临着：内容在多家CDN的不同服务器上都有提供，该选择哪个来提高用户体验（Quality of Experience，QoE）？
文章将这些问题抽象为优化问题（常见思路）。
所建立的模型中，利用一个集中式的优化器（central Optimizer），来响应对CDN的内容请求。根据请求客户端功能的不同，将客户端分为被动客户端和主动客户端。前者对某个内容只能连接到一台CDN服务器，因此，只能在server端进行优化。后者对一个内容可能利用多个CDN服务器。这样，当某台服务器服务能力不够时，主动客户端还可以利用其它的服务器。
因此，研究包括两个方面的优化，一个是服务器端的优化，一个是主动客户端的优化。
服务端优化问题最终抽象的模型是一个带有约束条件的最小优化问题。优化目标是整体的cost，约束条件是满足用户需求（Sec 5.1）。解决这一类问题的一般思路是线性规划或者凸优化。然而，当问题的规模比较大的时候，线性规划计算代价不可接受；目标函数是凹函数，无法直接进行凸优化。因此，作者提出可以转化为其他问题（分配问题），并进一步提出了优化的分配方案（考虑分配后的输出空间，使用凹优化），降低解决问题的复杂度。
在转化过程中，也应用了凸优化和凹优化的理论。近些年，类似优化理论以及图论理论在网络领域应用的越来越多，但国内相关领域还比较少见这方面的研究文章。
在主动客户端上，还借用了TCP的AIMD机制来进行流量调整。
在实验方面，采用了来自真实CDN的大量traffic做模拟。验证了提出的方案确实能降低cost。
整体来看，本文将一个实际问题成功抽象为理论问题。虽然模型比较简单，但解决的过程中降低复杂度的手法值得借鉴，体现出比较深的数学功底，同时对于阅读者数学背景要求也比较高。但部分细节说的不是太清楚，例如引理1并没有给出证明。
Tuesday, September 25, 2012
SIGCOMM 2012 论文选读 - Surviving Failures in Bandwidth-Constrained Datacenters
Session:
Session 10: Data Centers: Network Resilience
Abstract:
Datacenter networks have been designed to tolerate failures of network equipment and provide sufficient bandwidth. In practice, however, failures and maintenance of networking and power equipment often make tens to thousands of servers unavailable, and network congestion can increase service latency. Unfortunately, there exists an inherent tradeoff between achieving high fault tolerance and reducing bandwidth usage in network core; spreading servers across fault domains improves fault tolerance.
阅读笔记：
这篇文章延续了MS一贯的风格，从实践中发掘有趣的问题，提升到理论高度，并提出初步解法。
文章关注的问题是不太容易想到的。去年的SIGCOMM中有篇文章讨论了数据中心中如何进行资源分配，以降低核心网的带宽压力。本文敏锐的指出，降低带宽压力和提高容错性之间往往存在矛盾。要理解这个矛盾，就要从实际出发，分析网络流量。这也是写文章的一般思路。
首先，文章通过分析bing数据中心中的流量数据，发现了一些有趣的pattern。数据中心中的网络流量多发生在同一类服务之内，而非之间，并且存在着不均匀的情况。例如只有2%的服务对（service
pairs）之间存在流量，98%的服务对之间不需要流量交换。同时，在发生的流量中，0.1%的服务对产生了60%的流量，4.8%的服务对产生了99%的流量。
有了这个观察，就可以给出一个直观的例子。例如一种应用的多个服务器，如果放在同一个TOR中，大量流量仅发生在内部，这降低了核心网的带宽压力。但是，一旦TOR的交换机发生故障，则所有服务器都无法提供服务；反之，如果分布在多个TOR，会提高容错性能，但需要利用核心网交换大量数据。
问题提出后，便可以进行建模。这是个典型的多目标优化问题。
进行优化的目标主要包括两点，容错（FT）、带宽（BW）。
其中容错又包括了网络、电力、制冷等多个方面，并提出了容错域和最坏存活性能（即发生最坏情况的单点故障后的服务率）。
带宽则主要是降低核心网的带宽压力。同时要考虑到实际的限制。
最后，虚拟机的迁移（#M）也是个很费资源的行为，所以要尽量的少迁移现有的虚拟机，将其作为限制条件。
分析单一目标的FT优化和BW优化自身都是NP-hard（一个是最大独立集问题，一个是最小割问题），因此，本文考虑的多目标自然也是很难的。这里的思路主要两点，一个是解决FT问题可以采用凸优化，局部解就是全局最优解了。同时由于流量分布十分稀疏，可能存在一些能利用的地方。比如迁移可能并不太改变BW。
文章提出了两套优化框架，FT
+ #M，以及FT
+ BW + #M。
考虑FT
+ #M，提出一个FTC（FT的惩罚函数）函数，是个凸优化，将存在不同TOR上的不同服务之间的虚拟机进行贪婪的swap（swap可以保证不同服务对应的虚拟机个数不变，并同时可以不提高对核心网的压力），尽量将它们分散在不同的TOR上，即可提高FT。
而对于FT
+ BW + #M，则没有那么简单，并不能保证取得比较优的解。可以通过一个系数\alpha来tradeoff两者。对这个问题也提出了两种算法。第一种算法是CUT+FT+BW的思路是首先，我们采用最小割算法来实现最小的BW，之后，通过迁移虚拟机试图最小化FTC（提高FT），并尽量降低BW的提高。第二种算法是FT+BW算法，仅执行第二步，在迁移虚拟机的时候同时考虑FTC和带宽的惩罚，最小化\delta{}
FTC + \alpha{} \delta{}BW。
最后，实验在四个产品级的cluster上进行。结果表明CUT+FT+BW算法效果最好，降低了30-60%的核心网带宽，提高了40%-120%的容错性能。
总结下，本文最大的亮点，是第一次将带宽利用率和容错性结合到了一起进行讨论，同时，建模分析和解决思路也都有可取之处（设计符合凸优化的FTC）。当然，文章中使用的实际数据中心的采集数据也是不小的加分点。
Tuesday, August 21, 2012
OpenvSwitch 代码分析（零）
虚拟交换机是云计算和网络虚拟化的基础。
作为目前唯一一个事实上的标准，OpenvSwitch几乎占据了所有的优势。唯一一个开源的虚拟交换机软件实现（注意，竟然是产品级实现），集成到了大部分的云计算和虚拟化产品中，被主流厂商所追捧，支持SDN的相关协议……好了，更多的介绍还是自己看官方网站吧。
为什么要做软件交换机？并不是说软件交换机灵活、廉价，更重要的原因，云计算的发展太快了，SDN的发展太快了，大家对网络要求的发展太快了，硬件设计和制造的缓慢让像样的虚拟交换机迟迟无法release。能简单支持OpenFlow协议的交换机本身就屈指可数，更不要说在实际应用中的各种复杂需求了。
而OpenvSwitch偏偏做到了，在关键的时刻挺身而出。nicira能让vmware掏出10亿+的美金，除了高层的政治和寥寥数个核心的开发人员，很重要的就是它的两大产品——OpenvSwitch和Onix！Onix姑且不提，OpenvSwitch已经被开源届广泛关注并应用，其意义不下于操作系统届当年的minix甚至linux，大大小小的厂家都借鉴它来进行虚拟交换设备的开发。
因此，OpenvSwitch的源码设计，很值得大家仔细研究，无论是对交换的抽象和各个子功能的分离，以及考虑到扩展性的设计思想，甚至数据结构，每一个真正搞网络技术的人都很值得进行深入的分析。
考虑到国内对OpenvSwitch代码进行分析的人还不多，希望能抽空写个系列，谈谈OpenvSwitch设计上的一些独到之处。当然，很推荐大家直接阅读源码，只要具备一定的内核编程基础，并对网络协议栈的实现，特别Linux上的，有所熟悉，并能理解网络虚拟化和SDN的核心理念，应该问题还是不大的。从接触代码到打通流程，大概花了两三周的时间。当然，肯定还有不少细节之处没有完全理解透彻，需要进一步的探索。
作为目前唯一一个事实上的标准，OpenvSwitch几乎占据了所有的优势。唯一一个开源的虚拟交换机软件实现（注意，竟然是产品级实现），集成到了大部分的云计算和虚拟化产品中，被主流厂商所追捧，支持SDN的相关协议……好了，更多的介绍还是自己看官方网站吧。
为什么要做软件交换机？并不是说软件交换机灵活、廉价，更重要的原因，云计算的发展太快了，SDN的发展太快了，大家对网络要求的发展太快了，硬件设计和制造的缓慢让像样的虚拟交换机迟迟无法release。能简单支持OpenFlow协议的交换机本身就屈指可数，更不要说在实际应用中的各种复杂需求了。
而OpenvSwitch偏偏做到了，在关键的时刻挺身而出。nicira能让vmware掏出10亿+的美金，除了高层的政治和寥寥数个核心的开发人员，很重要的就是它的两大产品——OpenvSwitch和Onix！Onix姑且不提，OpenvSwitch已经被开源届广泛关注并应用，其意义不下于操作系统届当年的minix甚至linux，大大小小的厂家都借鉴它来进行虚拟交换设备的开发。
因此，OpenvSwitch的源码设计，很值得大家仔细研究，无论是对交换的抽象和各个子功能的分离，以及考虑到扩展性的设计思想，甚至数据结构，每一个真正搞网络技术的人都很值得进行深入的分析。
考虑到国内对OpenvSwitch代码进行分析的人还不多，希望能抽空写个系列，谈谈OpenvSwitch设计上的一些独到之处。当然，很推荐大家直接阅读源码，只要具备一定的内核编程基础，并对网络协议栈的实现，特别Linux上的，有所熟悉，并能理解网络虚拟化和SDN的核心理念，应该问题还是不大的。从接触代码到打通流程，大概花了两三周的时间。当然，肯定还有不少细节之处没有完全理解透彻，需要进一步的探索。
Subscribe to:
Posts (Atom)