当前位置：首页 > news >正文

阿里云云网络论文：Nezha，计算网络解耦下的vSwitch池化架构

news 来源：原创 2025/6/1 2:44:38

Nezha—计算网络解耦下的vSwitch池化架构

论文说明

Nezha论文，聚焦于计算实例的网络资源/性能池化。
利用集群内所有的SmartNIC作为分布式vSwitch的弹性资源池，充分释放单个vSwitch的性能极限，提供单vSwitch接近裸机的百万级连接新建能力（CPS）、数倍的并发流能力、和数十倍的虚拟网卡密度提升。在此过程中，Nezha创新性地解决了vSwitch集群粒度池化带来的状态管理、容灾及负载均衡等关键挑战。论文详细阐述了阿里云的设计思考与技术实践，为更具弹性的下一代计算、网络解耦的数据中心部署形态提供了新的思路。

背景

在云数据中心中，SmartNIC加速的vSwitch被广泛用于为云服务器和容器等计算实例提供高性能网络服务。然而，由于网络虚拟化以及多租带来的开销，云服务器的网络能力长期受限于单个SmartNIC有限的物理资源而远低于裸机（指物理服务器间直连，无overlay，网络非瓶颈）的水平。例如，阿里云基于Triton卸载架构实现了主流云厂商中最高的单卡单服务器43万CPS，仍低于裸机的120万CPS。这就意味着在单个云服务器上，网络可能先于计算CPU达到瓶颈，而无法水平扩展（受限于单卡资源），尤其是一些流量重载的网络中间件服务。
另一方面，在大规模的vSwitch部署运维中，我们还发现了用户对网络与计算资源的消耗是极其不均衡的。就网络而言，只有少数服务器上的用户网络需求高，vSwitch因卡上资源不足面临性能瓶颈（大约占0.01%），但是从集群角度看大量vSwitch/SmartNIC却处于相对空闲的状态（卡上的CPU和内存平均利用只有5%和1.5%）。这种资源“短缺”与“闲置”并存的问题，使得通过部署更高性能的SmartNIC或利用主机资源来解决过载变得成本高昂且效率低下。现有解决方案如Sirius虽然引入专用设备分担压力，但存在硬件成本高、状态同步复杂以及性能开销大的问题。因而我们开始探索寻求SmartNIC网络资源池化解法，让网络彻底摆脱单卡资源限制，与计算资源解耦。

设计实现

Nezha实现
在Nezha这篇论文中，提出了一种计算网络解耦下的vSwitch池化架构，旨在调动整个集群粒度的SmartNIC资源池，来提升单个vSwitch网络性能上限。其核心思想是通过对vSwitch中虚拟网卡（vNIC）的数据包处理负载进行建模拆解，尽可能地卸载到远端SmartNIC以利用池化的资源。为了避免复杂的状态同步和传输开销，按有无状态的原则将vNIC网络负载拆解成前端和后端两部分，前端（无状态规则/流表）卸载到远端资源池，有状态的后端部分则保留在本地卡上进行处理。借助ECMP机制，远端节点池的性能也可以很容易地实现线性伸缩和容灾处理。

总结和展望

在计算网络解耦的大背景下，利用整集群的SmartNIC资源构建单节点vSwitch性能水平扩展能力，实现了高性能、低成本的vSwitch池化方案。在实际部署中，Nezha无需新增硬件，仅通过软件优化即可将CPS能力提升3-4.4倍，支持的并发流和vNIC数量分别提升5.04-50.4倍和超过40倍。作为云基础设施中的关键组件，Nezha不仅将vSwitch过载率降低了99.9%，其部署成本和复杂性也极低，为网络功能的进一步扩展提供了灵活性与高性能保障。