| 傳統高性能網絡編程通常是基於select, epoll, kequeue等機制實現，網絡上有非常多的資料介紹基於這幾種接口的編程模型，尤其是epoll，nginx, redis等都基於其構建，穩定高效，但隨着linux kernel主線在v5.1版本引入io_uring新異步編程框架，在高並發網絡編程方面我們多了一個利器。 |
傳統高性能網絡編程通常是基於select, epoll, kequeue等機制實現，網絡上有非常多的資料介紹基於這幾種接口的編程模型，尤其是epoll，nginx, redis等都基於其構建，穩定高效，但隨着linux kernel主線在v5.1版本引入io_uring新異步編程框架，在高並發網絡編程方面我們多了一個利器。
io_uring在進行初始設計時就充分考慮其框架自身的高性能和通用性，不僅僅面向傳統基於塊設備的fs/io領域，對網絡異步編程也提供支持，其最終目的是實現linux下一切基於文件概念的異步編程。
我們先看下io_uring和epoll在echo_server模型下的性能對比，測試環境為：
1. server端cpu Intel(R) Xeon(R) CPU E5-2682 v4 @ 2.50GHz, client端cpu Intel(R) Xeon(R) CPU E5-2630 0 @ 2.30GHz
2. 兩台物理機器，一台做server, 一台做client。
Note: 如下性能數據都是在meltdown和spectre漏洞修復場景下測試。
上圖是io_uring和epoll在echo_server場景下qps數據對比，可以看出在筆者的測試環境中，連接數1000及以上時，io_uring的性能優勢開始體現，io_uring的極限性能單core在24萬qps左右，而epoll單core只能達到20萬qps左右，收益在20%左右。
上圖統計的是io_uring和epoll在echo_server場景下系統調用上下文切換數量的對比，可以看出io_uring可以極大的減少用戶態到內核態的切換次數，在連接數超過300時，io_uring用戶態到內核態的切換次數基本可以忽略不計。
下面展開介紹epoll和io_uring兩種編程模型基本用法對比，首先介紹下傳統的epoll網絡編程模型， 通常采用如下模式：
struct epoll_event ev;
/* for accept(2) */
ev.events = EPOLLIN;
ev.data.fd = sock_listen_fd;
epoll_ctl(epollfd, EPOLL_CTL_ADD, sock_listen_fd, &ev);
/* for recv(2) */
ev.events = EPOLLIN | EPOLLET;
ev.data.fd = sock_conn_fd;
epoll_ctl(epollfd, EPOLL_CTL_ADD, sock_conn_fd, &ev);
然后在一個主循環中：
new_events = epoll_wait(epollfd, events, MAX_EVENTS, -1);
for (i = 0; i < new_events; ++i) {
/* process every events */
...
}
本質上是實現類似如下事件驅動結構：
struct event {
int fd;
handler_t handler;
}；
將fd通過epoll_ctl進行注冊，當該fd上有事件ready, 在epoll_wait返回時可以獲知完成的事件，然后依次調用每個事件的handler, 每個handler里調用recv(2), send(2)等進行消息收發。
io_uring的網絡編程模型不同於epoll, 以recv(2)為例，它不需要通過epoll_ctl進行文件句柄的注冊，io_uring首先在用戶態用sqe結構描述一個io 請求，比如此處的recv(2)系統調用，然后就可以通過io_uring_enter(2)系統調用提交該recv(2)請求，用戶程序通過調用io_uring_submit_and_wait(3)，類似於epoll_wait(2)，獲得完成的io請求，cqe結構用於描述完成的ioq請求。
/* 用sqe對一次recv操作進行描述 */
struct io_uring_sqe *sqe = io_uring_get_sqe(ring);
io_uring_prep_recv(sqe, fd, bufs[fd], size, 0);
/* 提交該sqe, 也就是提交recv操作 */
io_uring_submit(&ring);
/* 等待完成的事件 */
io_uring_submit_and_wait(&ring, 1);
cqe_count = io_uring_peek_batch_cqe(&ring, cqes, sizeof(cqes) / sizeof(cqes[0]));
for (i = 0; i < cqe_count; ++i) {
struct io_uring_cqe *cqe = cqes[i];
/* 依次處理reap每一個io請求，然后可以調用請求對應的handler */
...
}
總結下：為什么io_uring相比epoll模型能極大的減少用戶態到內核態的上下文切換?舉個簡單例子，epoll_wait返回1000個事件，則用戶態程序需要發起1000個系統調用，則就是1000個用戶態和內核態切換，而io_uring可以初始化1000個io請求的sqes, 然后調用一次io_uring_enter(2)系統調用就可以下發這1000個請求。
在meltdown和spectre漏洞沒有修復的場景下，io_uring相比於epoll的提升幾乎無，甚至略有下降，why? 我們不是減少了大量的用戶態到內核態的上下文切換?
原因是在meldown和spectre漏洞沒有修復的場景下，用戶態到內核態的切換開銷很小，所帶來的的收益不足以抵消io_uring框架自身的開銷，這也說明io_uirng框架本身需要進一步的優化。
詳細的epoll和io_uring基於echo_server模型的對比程序在 ：https://github.com/OpenAnolis/io_uring-echo-server(詳見原文鏈接)。
1.目前從分析來看，io_uring框架本身存在的overhead不容小覷，需要進一步優化，我們已經在io_uring社區進行io_uring框架開銷不斷增大的討論，並已經開展了一系列的優化嘗試。
2.echo_server代表着一類編程模型，不是真實的應用，但redis, nginx等應用其實都是基於echo_server模型，將其用io_uirng來改造，理論上在cpu 漏洞修復場景下都會帶來明顯性能提升，我們已經在開展nginx, redis的io_uring適配工作，后續會有進一步的介紹。