第一步

第二步

去喝杯咖啡…

第三步

您在說明書中常?？吹健叭ズ缺Х取眴?作為一名開發(fā)人員，我很早就發(fā)現(xiàn)這種令人生厭的俏皮話是我生活中的禍根。無論持續(xù)時間長短，進(jìn)程切換(Context Switches)在應(yīng)用程序開發(fā)周期中都是一項高昂的成本。在所有需要您離開的步驟中，等待應(yīng)用程序編譯是最難擺脫的。

當(dāng)我們進(jìn)入 NVIDIA BlueField DPU 應(yīng)用程序開發(fā)的新世界，有效地設(shè)置構(gòu)建步驟非常重要，以便您能夠無縫地編碼→編譯→單元測試。在本文中，我介紹了 DPU 編譯應(yīng)用程序的不同方法。

DOCA 數(shù)據(jù)平面插件的 FRR

(Free Range Routing)

在 DPU 應(yīng)用程序開發(fā)系列文章中，我談到了在 FRR 中創(chuàng)建 DOCA 數(shù)據(jù)平面插件以用于卸載策略。FRR 的代碼行數(shù)接近 100 萬行( 789678 SLOC )，這使得它成為衡量構(gòu)建時間的絕佳候選。

直接在 BlueField DPU 上開發(fā)

DPU 具有 Arm64 架構(gòu)，一種快速啟動 DPU 應(yīng)用程序的方法就是直接在 DPU 上開發(fā)。本測試使用具有 8G RAM 和 8 個 A72 CPU 內(nèi)核的 NVIDIA BlueField2 DPU 。

我安裝了 BlueField 引導(dǎo)文件（ BFB ），它為 DPU 提供 Ubuntu 20.04.3 操作系統(tǒng)映像。它還包括 DOCA 1.2 和 DPDK 20.11.3 庫。為了使用 DOCA 庫構(gòu)建應(yīng)用程序，我將 DPDK pkgconfig 位置添加到 PKG_CONFIG 路徑。

接下來，我通過克隆 FRR 在 DPU 上設(shè)置了我的代碼工作區(qū)，并切換到 DOCA 數(shù)據(jù)平面插件。

FRR 需要一個不斷發(fā)展的先決條件列表，這些先決條件列舉在FRR 社區(qū)文檔中。安裝了這些依賴項后，我將 FRR 配置為包括 DPDK 和 DOCA 數(shù)據(jù)平面插件。

當(dāng)我使用 DPU 作為我的開發(fā)環(huán)境時，我構(gòu)建并安裝了 FRR 二進(jìn)制文件：

以下是構(gòu)建時間的表現(xiàn)。我用多種方法來衡量：

• 使用make -j12 all 和 make install構(gòu)建和安裝二進(jìn)制文件的時候

• 使用dpkg-buildpackage –j12 –uc –us將它們組裝成 Debian 軟件包來構(gòu)建相同二進(jìn)制文件的時候

第一種方法用于編碼和單元測試。第二種生成 deb 的方法需要與其他外部開發(fā)環(huán)境上的構(gòu)建時間進(jìn)行比較。

表 1 . DPU Arm 構(gòu)建時間

時間上的差異是意料之中的。生成一個包需要幾個額外的步驟。

使用 DPU 作為開發(fā)環(huán)境有一些明顯的優(yōu)勢：

• 您可以在不離開工作區(qū)的情況下進(jìn)行編碼、構(gòu)建和安裝，然后進(jìn)行單元測試。

• 您可以針對增量代碼更改來優(yōu)化構(gòu)建。

與完整構(gòu)建（Complete make）相比，最后一個選擇通常可以大幅縮短構(gòu)建時間。例如，我在 FRR 中修改了 DOCA 數(shù)據(jù)平面代碼，并重建的結(jié)果如下：

雖然這可能會讓事情變得更簡單，但它需要為每個開發(fā)人員無限期的保留 DPU ，僅用于應(yīng)用程序開發(fā)或維護(hù)。您的開發(fā)環(huán)境可能還需要更多的內(nèi)存和性能，因此長期來看，這是一個不太可行的選擇。

在 x86 服務(wù)器上開發(fā)

我的 BlueField-2 DPU 由一臺 x86-64 Ubuntu 20.04 服務(wù)器托管，我將這臺服務(wù)器用于我的開發(fā)環(huán)境。

在本例中，構(gòu)建機(jī)器是 x86 ，應(yīng)用程序?qū)⑦\(yùn)行的主機(jī)是 DPU-Arm64 。有幾種方法可以做到這一點(diǎn)：

• 在 x86 構(gòu)建機(jī)器上使用 Arm 仿真。提供的 DOCA 開發(fā)容器作為 DOCA 軟件包的一部分。

• 使用交叉編譯工具鏈。

在這個測試中，我使用了第一個選項，因?yàn)樗亲詈唵蔚摹５诙€選項可以提供不同的性能，但創(chuàng)建該工具鏈有其挑戰(zhàn)。

我在x86 服務(wù)器上下載并加載了bfb_builder_doca_ubuntu_20.04容器，并啟動了它。

DOCA 和 DPDK 庫預(yù)先安裝在這個容器中，我只需要將它們添加到PKG_CONFIG路徑。

我在容器中設(shè)置了工作區(qū)和 FRR 先決條件，與前面的選項相同。

我可以在這個 DOCA 容器中構(gòu)建我的應(yīng)用程序，但我無法對其進(jìn)行測試。因此，必須將 FRR 二進(jìn)制文件構(gòu)建并打包到 deb 中，然后將其復(fù)制到 BlueField DPU 進(jìn)行測試。我設(shè)置了 FRR Debian 規(guī)則，以匹配前面選項中使用的 FRR 構(gòu)建配置，并生成了軟件包：

表 2 顯示了構(gòu)建時間與以前方法的比較：

構(gòu)建時間的大幅增加讓我感到驚訝，因?yàn)槲矣幸慌_充足 x86 資源的服務(wù)器，而且沒有 Docker 限制。因此，將 CPU 和 RAM 用于解決問題似乎并不總是有幫助的!這種性能下降是因?yàn)榭珞w系結(jié)構(gòu)造成的，正如您在下一個選項中看到的那樣。

在 AWS Graviton 實(shí)例中開發(fā)

接下來，我嘗試在 Arm 上構(gòu)建我的應(yīng)用程序，但這次是在性能更大的外部服務(wù)器上。為此，我使用了 Amazon EC2 Graviton 實(shí)例，其規(guī)格與我的 x86 服務(wù)器相當(dāng)。

• Arm 64 arch , Ubuntu 20.04 操作系統(tǒng)

• 128G 內(nèi)存

• 32 vCPU

為了在這個實(shí)例中設(shè)置 DOCA 和 DPDK 庫，我安裝了 DOCA SDK repo meta 包。

克隆和構(gòu)建 FRR Debian 軟件包的其余步驟與前面的選項相同。

表 3 顯示了構(gòu)建在 AWS Arm 實(shí)例上的運(yùn)行情況：

表 3 . DPU Arm 、X86 和 AWS Arm 的構(gòu)建時間

這是一個明顯的贏家，不需要咖啡。

圖 1 顯示了這些環(huán)境中的編譯時間。

圖 1 . 具有不同選項的 FRR 構(gòu)建時間

總結(jié)

在本文中，我討論了 DPU 應(yīng)用程序的幾個開發(fā)環(huán)境：

• BlueField DPU

• x86 服務(wù)器上的 DOCA 開發(fā)容器

• AWS Graviton 計算實(shí)例

你可以直接在 DPU 上對您的應(yīng)用程序進(jìn)行原型設(shè)計，在 x86 DOCA 開發(fā)容器中進(jìn)行開發(fā)實(shí)踐，然后用 DOCA 獲取一個 AWS Graviton 實(shí)例，使其高速運(yùn)行！

原文標(biāo)題：為 NVIDIA BlueField DPU 應(yīng)用程序選擇開發(fā)環(huán)境

文章出處：【微信公眾號：NVIDIA英偉達(dá)企業(yè)解決方案】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅