400Gbps 网络面临的挑战_400gbps网络

关于 TCP 与 100Gbps+ 场景的细说，参见：单流 TCP 100Gbps+ 难题的直观解释

400Gbps 网络将又是一个 “硬件准备好了，可软件没跟上” 的场景。

把一条 TCP Flow 看作一个操作系统进程，多条 Flow 共享 10Gbps 带宽和多进程被同一个 CPU 调度一样。
我们知道，SMP 场景下，应用程序和操作系统需要重新设计，将原来的大块逻辑拆得粒度更细，以便并行，同时，操作系统尽量避免争锁，比如 Linux 内核大量采用 per-cpu 变量。数据结构互不依赖，细逻辑便可自由在多个核心并行乱序执行。

但以上这段话发生地极其缓慢，从我记忆中的 2006 年开始，直到今天很多逻辑依然没有完成改造，这是 “硬件准备好了，软件没跟上” 的典型一例。

400Gbps 网络将是另外一例，不管厂商叫得多欢，软件难题依然改变不了挑战。

我来用 400Gbps 场景重写上面那段话。

我们知道，400Gbps 场景下，端到端传输协议和交换机需要重新设计，将流拆得粒度更细，以便并行传输和处理，同时，交换机尽量避免将多个流安排到同一个队列，避免 HoL。数据包 or subflow/flowlet 前后互不依赖，便可自由在多条路径乱序传输并被端主机多核资源负载均衡处理。
就差指名道姓了，说的就是传统 TCP。

先看端能力的问题。

TCP 的保序性约束同一个流不能并行传输和处理。简单算一笔账，单流 400Gbps 吞吐需要每秒收发 (400/8)10001000*1000/1460 个数据包，大致 34246575 个，即每微秒处理 34 个数据包。

大致估算一下 25Gbps 场景下 Intel® Xeon® Platinum 8260 CPU @ 2.40GHz 的收包能力，关闭 GRO/LRO，下图三栏分别为 top/iperf -s -i 1/funclantency tcp_v4_rcv 的结果：

一款不错的 CPU 单核极限能力不到 10Gbps，发送端关闭 TSO/GSO，接收端 CPU 下降，但 tcp_v4_rcv 的执行能力已达上限，接收端打开 GRO/LRO，tcp_v4_rcv 开销变大，达到 1500us 以上。

双边启用硬件卸载，志强 CPU 的 TCP 单流处理极限大约在 60～80Gbps。

TCP 协议逻辑过于复杂，这意味着更多的 CPU 指令周期，难有 CPU 能支撑 20ns～30ns 处理一个 1460 字节的数据包(或者 80ns～200ns 处理一个更大的 LRO 聚合数据包)。

既然单个 CPU 不行，多个总可以。32 个 CPU 并行，妥妥 1us 处理 30+ 个数据包。但 TCP 需要保序，不允许并行处理同一条流。这便是一个简单的障碍。

如果允许乱序传输，上述瓶颈即可被打破。我说 TCP 不适合 400Gbps 网络，这话并不过分。一定是便于并行处理的乱序传输协议才更适配 400Gbps。

对于非 TCP 协议，仍然受限于 CPU 的指令周期处理极限以及内存带宽极限，越复杂的协议逻辑有效吞吐越低，虽然通过堆 CPU 核数能有所优化，但专用硬件显然更适合适配 400Gbps。

各类 Hardware offloading 方案，RDMA/RoCEv2 只是开端。

再说拥塞控制。

范雅各布森管道理论，瓶颈 buffer 等于 BDP 可在 AIMD 策略下获得最佳带宽利用率，buffer 小于 BDP - alpha 为浅队列，buffer 大于 BDP + alpha 属深队列。各类端到端拥塞控制算法孰优孰劣便围绕着 buffer 大小展开。

400Gbps，40us 链路，BDP 达 2MB，需更大 buffer 平滑统计突发，但更大 buffer 承受更大突发的同时，在大收敛比节点也要承受更大扇入，引入更大延迟，影响公平性。同时，更大的 buffer 意味着更大的成本。

虽然 PFC，ECN 机制已经可逐跳或者端到端反馈拥塞，但却不得不以额外延时为代价。即便如此，绝大多数数据都可在 1 个 RTT 无反馈传输完毕(400Gbps BDP 约 MB 级别)而无缘 ECN 之惠。

说到底，如今的拥塞控制机制几乎全依赖反馈到端执行，中间节点没有一种简单的分流能力。

比方说，一个端口发生拥塞，交换机立即将流量引导到稍微空闲的等价路径。而该机制需要不同于传统最短路径路由的新基础设施来支撑。虽然 SDN 控制器可提供支撑，但分布式方案目前尚未存在。

Google 的 PLB 提供了重新选路的思路，但依然需要将拥塞反馈到端后由端执行 re-path，考虑流的 Multi-Path，乱序传输，需要由端来综合调度拥塞信息。

由于收敛比，扇入的存在，拥塞不可避免，高吞吐与低延时看似不可兼得。但该结论显然来自传统的假设，端到端传输协议控制数据流沿着最短路径到达对端。在 400Gbps 场景，反过来更合适，即哑端专用硬件盲发数据包，数据包沿着多条路径乱序传输，转发节点以分流，反压的方式进行拥塞控制，可同时获得高吞吐和低延时。

简单举一例，一服务器网卡按照 400Gbps 发送(而不是传统单流)，其中一个或几个数据包属于某类低延时敏感业务，由于途中交换机某端口拥塞，这些数据包不得不忍受排队，而对它们标记 ECN 毫无意义，因为它们属于单数据包(此类数据包非常多)。

无论对于短消息还是长流，即时处理拥塞总是低延时的最佳选择：
与端到端原则的 TCP/IP 协议栈相反，400Gbps 场景的传输控制协议族，复杂性从端移到了中心，第一时间处理拥塞代替反馈拥塞，这是低延时的核心。连带效果，端在传输逻辑方面的弱化也将更多资源留给了计算，端资源给计算，中心资源给传输。

只要 TCP 深刻在你心里，你可能就不明白我说的 “依赖反馈” 到底意味着什么。再举一例，假设瓶颈带宽达 400Tbps (而不是 400Gbps)，你要在 40us 的链路传输 100MB。简单算一下，100MB 大概需要 68493 个 1460 字节的数据包，仍假设初始窗口 10(很不合理)，慢启动阶段，窗口随 RTT 倍增，大概不到 12 个 RTT 就能传完 100MB，而慢启动尚未结束，诸如 BBR 复杂的逻辑不起作用。如果初始窗口因大带宽改为 100000(很合理)，一个初始窗口即可完成传输，甚至慢启动也不需要，至多一次丢包反馈后重传。

或者说就问一句，如果不依赖反馈，如何进行拥塞控制。端到端算法可榨取的收益早已捉襟见肘，需修改中心的算法才能有所改变。

400Gbps 准备好了，人们依然指望 TCP 可适配，一个进程无法充分利用 SMP，一条 TCP 也无法跑 400Gbps，人们一开始用多个进程去跑 SMP，现在人们用多条 TCP 跑满 400Gbps，显然，后者粒度太粗，正如进程粒度太粗一样。核心还是分割可并行单元，进程之外可调度更细粒度的线程，协程。同理，重写传输协议可实现消息粒度(介于数据包和传统数据流之间)并行传输和处理，当 “X程” 在多核上无阻塞调度时，消息也在网络无排队分流。

总之，无论从端能力还是拥塞控制来看，400Gbps 网络受上层逻辑约束越少越好(与直觉相反，比如，如果网卡不认识五元组，便可将每个数据包分发到不同的 CPU)：

• 消息短小则数据包之间无依赖，可有效利用端主机资源并行处理。
• 消息短小则数据包之间无依赖，可有效利用多等价路径乱序传输。
• 不存在长流，交换机更看不到长流，长流要切成短消息乱序传输。
• 400Gbps 网络只管传输，不管协议逻辑。

显然，硬件准备好了，可软件还没跟上。但早晚会跟上，各类 RDMA，Homa，以及 AWS 的 SRD 已经在路上，拭目以待。

最近跟朋友聊起 100Gbps，200Gbps，400Gbps 网络，总觉得这玩意儿能跑起来吗，在协议层面尚未 ready 时，会不会造成浪费。联想修高速公路，一般双向 8 车道就顶配了，剩下的就是提升限速和提升安全车速，而不是增加车道，所以我觉得为什么不去研究空心光纤呢，将光纤传输速率提升到光速的 80%+(不细说，容易被民科)。… 想到 TCP 诞生的 1970s，网速远小于主机处理速度，它的一切协议逻辑都是合理的，适应彼时硬件的，一路发展到网卡将要逆袭 CPU，CPU 反而成了外设的当今，TCP 反而成了鸡肋，还是有点适者生存的进化理念的，什么样架构的硬件，就需要什么样的软件与之搭伴，否则硬件就是没有竞争力的。正如 CSMA/CD 搭伴了同轴电缆，迅速以简单易部署占领了市场，才发展到如今的百Gbps，软件伴随硬件的强化而升级，比较有趣，写篇随笔。

浙江温州皮鞋湿，下雨进水不会胖。