阅读量:3
1.问题环境
系统环境 | 物理机 | |
网络环境 | 私有网络 | |
硬件环境 | 机型 | TaiShan 200 (Model 2280) (VD) |
处理器 | HUAWEI Kunpeng 920 5250 | |
内存 | 32GB*16 | |
显卡 | 无 | |
主板型号 | BC82AMDDRE | |
架构 | ARM | |
固件版本 | iBMC固件版本 3.03.00.31 (U82) 单板ID 0x00a9 BIOS版本 1.89 (U75) 主板厂商 Huawei CPLD版本 6.06 (U6076) 主板型号 BC82AMDDRE iBMC主UBoot版本 13.5.10.1 (11:57:29 Apr 19 2022) 主板序列号 102286080977 iBMC备UBoot版本 13.5.10.1 (11:57:29 Apr 19 2022) PCB 版本 .D 部件编码 0302020417 | |
系统硬盘 | SSD 2.911TB | |
软件环境 | 操作系统版本 | Kylin Linux Advanced Server V10 (SP2) |
内核版本 | Kernel:4.19.90-24.4.v2101.ky10.aarch64 | |
第三方软件 | GaussDB | |
2.问题描述
数据库无压力测试时，网络时延正常，有压力测试时，网络时延不稳当。
3.问题分析
3.1.查看系统信息
可见内核版本为4.19.90-23.8.v2101.ky10.aarch64
3.2.查看CPU信息
查看CPU情况，共96个CPU核心。分了4个numa节点。node0包含CPU0-23。
cat /sys/class/net/enp125s0f0/device/numa_node可见enp125s0f0在numa node 0上，所以网卡enp125s0f0在numa node 0上的CPU上运行，性能更好。
cat /sys/class/net/enp125s0f0/device/local_cpulist，查看网卡的亲和性CPU，可见网卡更倾向于使用CPU0-23。
共96个CPU，CPU使用并不算高。
3.3. 查看网卡信息
可见主要使用enp125s0f0这个网卡，使用的驱动是hns3。bus-info为000:7d:00.0
查看网卡队列（ethtool -l enp125s0f0），可见只有一个网卡队列。
通过lspci -vvv | grep -i msi-x -A 20 可见这个华为网卡是支持多队列的（Capabilities:[a0] MSI-X: Enable+ Count=131 Masked-）,Count=131说明网卡最大支持131个队列。
但是上面的ethtool -l enp125s0f0查看最大队列只有Combined=1。
说网卡的哪里的配置存在问题。
查看发现enp125s0f0存在RxErrs和RxDrop，但是不多，存在少了丢包。
使用xsos -r . 可见net.core.netdev_max_backlog和net.core.netdev_budget的值是足够（sufficient）的。
3.4.分析网卡中断及CPU使用率
cat /proc/interrupts | grep hns3查看，如下图所示。使用ethtool -i enp125s0f0可见该网卡的bus-info为0000:7d:00.0。经数后确认enp125s0f0网卡硬中断使用了CPU18。
使用命令sar -n DEV 1分析可见CPU18使用率高达61%，其中%system高达59%，初步怀疑是CPU使用率过高导致的ping延迟。由此可见enp125s0f0网卡只有一个网卡队列，只使用了一个CPU处理网卡中断，所有的网络收发包，都经过一个CPU18。
3.5.skbtrace分析icmp包的发包流经函数
可见dev_hard_start_xmit函数到consume_skb耗时较长，可能是发送的时候出现了延时。
4.问题小结
1、从CPU信息可见，96个CPU核心，分为4个numa node。网卡亲和numa node 0，倾向于使用CPU0到CPU23。
2、从网卡队列和网卡中断上看，网卡只有一个队列，只有一个网卡中断，所以性能都消耗在node 0上的一个CPU上，导致单个CPU的性能差。
3、根据分析网卡是支持网卡多队列的。但是由于某种原因，只有一个网卡队列，根据分析可能是BIOS配置导致网卡只有一个队列。
5.问题处理
根据鲲鹏服务器厂商协调分析，造成这个问题的原因在于我们服务器原本配的是电口，bios的配置就是1，后来换成光口，但是bios 没有自动刷新为光口的默认配置，导致性能差。根据文档中的配置，进行网卡队列配置https://support.huawei.com/enterprise/zh/doc/EDOC1100118649/f539cb72（配置网课队列数- 华为 TM280灵活IO卡用户指南）
1、进入BIOS界面。
2、按照“Advanced > LOM Configuration > NIC Configuration”顺序进入“NIC Configuration”界面。
3、进入 “Port Configuration” 界面，如 图4-4 所示，参数说明如 表4-1 所示。
4、图4-4 “Port Configuration”
根据华为服务器的人说，Tqp number/ function Number就是队列数。华为后面配置Function Number 为1，Tqp Number为60。
5、保持BIOS，重启，使用ethtool -l enp125s0f0可见队列数变为了60.
6.参考资料
https://support.huawei.com/enterprise/zh/doc/EDOC1100118649/f539cb72
https://support.huawei.com/enterprise/zh/doc/EDOC1100088652/3080fa99
