DPDK – NVIDIA 技術博客

使用 NVIDIA DOCA GPUNetIO 進行內聯 GPU 數據包處理

Wed, 14 Dec 2022 06:06:00 +0000

越來越多的網絡應用程序需要進行 GPU 實時數據包處理，以實現高數據率解決方案：數據過濾、數據放置、網絡分析、傳感器信號處理等。一個主要動機是 GPU 可以實現并行處理多個數據包的高度并行性，同時提供可擴展性和可編程性。有關這些技術的基本概念以及基于 DPDK gpudev 庫的初始解決方案的概述，請參見 Boosting Inline Packet Processing Using DPDK and GPUdev with GPUs 。這篇文章解釋了新的 NVIDIA DOCA GPUNetIO 庫如何克服以前 DPDK 解決方案中的一些限制，向以 GPU 為中心的數據包處理應用程序邁進了一步。網絡分組的實時 GPU 處理是一種適用于幾個不同應用領域的技術，包括信號處理、網絡安全、信息收集和輸入重建。這些應用程序的目標是實現一個內聯數據包處理管道，

Source

]]>

在中國移動 Bigcloud 加速云原生應用

Mon, 25 Jul 2022 05:37:00 +0000

云計算旨在靈活、有彈性地為企業提供附加價值。中國移動（ CMCC ）是中國最大的電信運營商和云服務提供商之一，正是通過其 Bigcloud 公共云產品提供了這一服務。 Bigcloud 為任務關鍵型應用程序提供 PaaS 和 SaaS 服務，以滿足企業云和混合云解決方案的需求。中國移動深知，企業依賴其網絡和通信基礎設施，在日益頻繁的數字世界中保持競爭力。當他們開始體驗到對云本機服務的巨大需求時，中國移動通過開放 vSwitch （ OVS ）轉向網絡抽象和虛擬化，以自動化并獲得對其網絡的動態網絡控制，幫助處理他們不斷增長的需求。然而，由于東西向網絡流量的增加，維持網絡性能成為一個嚴重的挑戰。隨著云服務的大量采用，中國移動在其虛擬化環境中經歷了巨大的增長。這種虛擬的蔓延在其數據中心內的服務器之間產生了東西向流量的爆炸。由于網絡流量的增加，

Source

]]>

通過 GPU 使用 DPDK 和 GPUdev 增強內聯數據包處理

Thu, 28 Apr 2022 09:34:00 +0000

使用 GPU 對網絡數據包進行內聯處理是一種數據包分析技術，可用于許多不同的應用領域：信號處理、網絡安全、信息收集、輸入重建等。這些應用程序類型的主要要求是盡快將接收到的數據包移動到 GPU 內存中，以觸發負責對其執行并行處理的 CUDA 內核。總體思路是創建一個連續的異步管道，能夠將數據包從網卡直接接收到 GPU 內存中。您還可以使用 CUDA 內核來處理傳入的數據包，而無需同步 GPU 和 CPU 。有效的應用程序工作流包括使用無鎖通信機制在以下播放器組件之間創建一個協調的連續異步管道：圖 1 顯示了使用 NVIDIA GPU 和 ConnectX 網卡的加速內聯數據包處理應用程序的典型數據包工作流場景。在這種情況下，避免延遲是至關重要的。不同組件之間的通信越優化，系統的響應速度就越快，吞吐量也就越高。每一步都必須在所需資源可用時以內聯方式進行，

Source

]]>

使用 NVIDIA BlueField DPU 和 DPDK 開發應用程序

Tue, 01 Feb 2022 04:59:00 +0000

NVIDIA BlueField DPU （數據處理器）可用于網絡功能加速。這種網絡卸載是可能的 DPDK 和NVIDIA DOCA 軟件框架。在本系列中，我通過應用 DPDK 和NVIDIA DOCA SDK 庫構建了一個應用程序并卸載了兩種方式。我將每個步驟記錄為一個單獨的代碼補丁，并在每個系列中提供完整的步驟。這將向您展示如何編程 BlueField DPU ，以及為您獨特的用例選擇最優雅的選項。有關第 2 部分，請參見使用 NVIDIA BlueField DPU 和 NVIDIA DOCA 庫開發應用程序 . 首先，我需要一個簡單但有意義的用例來在 DPU 上部署應用程序。我選擇了基于策略的路由（ PBR ）來根據第 3 層和第 4 層數據包屬性將流量引導到不同的網關，覆蓋（或補充） X86 主機選擇的網關。在現實世界中，出于各種原因，可以這樣做，包括以下示例：

Source

]]>