上面这个可爱的小伙子名字叫Jens Axboe，他是丹麦哥本哈根大学计算机系没毕业的学生，他还有一个有名的同乡叫Linus，没想到老乡后来也成了他的领导。Jens今年39岁，16岁开始就接触Linux，后来也成了Linux开发者，现在是Linux Kernel大拿了，负责块设备层的维护。这个块设备层就是跟我们SSD关系最紧密的层级，联系了上层文件系统和下层设备驱动程序。他开发了不少有用的程序，比如Linux IO Scheduler里面的Deadline, CFQ Scheduler，还有著名的王牌测试工具FIO。
今天我们来聊的就是他参与的Linux块设备多队列机制。这个是专门为了SSD而开发的，因为以前的IO命令都是放到队列里面，但是1个设备只有1个队列，在机械硬盘时代绰绰有余。自从有了SSD之后，1个队列在多CPU环境中性能有局限，因为SSD只能连到1个CPU上，一个读写命令执行过程一般会分成几个阶段，如果调度到不同的CPU上执行，就得有跨CPU的数据访问，影响Cache的使用，同时数据传输要通过CPU之间的QPI总线，性能赶不上自己CPU的Cache或内存。
故事主要依托是Jens参与写的一篇论文《Linux Block IO: Introducing Multi-queue SSD Access on Multi-core Systems》，那时候他还在Fusion-IO，如今跳槽去了Facebook，阿呆听说在硅谷Facebook给码农的薪水是最高的，当然阿呆还处于码畜的层级，正在奋斗成为一个码农，而Jens已经跻身码精英了。
块设备层架构
老是听人家讲块设备层，听起来牛逼哄哄的，那到底是个什么东东？其实挺简单的，一般我们用户读写数据都是通过文件的形式，文件的依托就是文件系统。而数据最终存储到磁盘等存储设备中，每个磁盘都有自己的驱动程序，磁盘的访问一般是按照逻辑地址LBA（Logical Block Address）来的。文件系统有各式各样，用户IO形式也各式各样，存储设备也有HDD，SSD，U盘，磁盘阵列等各式各样，所以块设备层就从石头里面蹦出来了：提供一个统一的接口，让用户程序能够不关心底层存储设备是什么，反正就读写呗。存储设备也不用关心上层应用是什么。
如下图，是Linux块设备层（Block Layer）架构。Linux程序分为用户态和内核态，用户态要读写操作，需要通过System Call接口调用内核函数，这个读写被转成了Block IO，简称BIO，里面包括了访问地址LBA，数据大小，内存地址等信息，还包括同步还是异步操作。同步就是发了，线程就什么都不干，一直等到IO结束才回去。异步是发完就完事儿了，留了个回调函数，IO操作完了块设备驱动程序去调用回调函数通知上层。
这个BIO发到块设备层之后，就进入了一个队列，叫Request Queue，排队等磁盘接活。不过排队的过程中，块设备层也没闲着，程序员为了显示自己牛逼，会开发各种算法来优化排队顺序。比如以前HDD磁头旋转寻道很慢，一般要几毫秒，所以算法会把连续的LBA排到一起，减少寻道次数。还有各种其它算法，针对不同应用场景。
NUMA架构
单队列看起来还行，但是当SSD和NUMA架构服务器凑在一起，单队列就有先天缺陷了。什么是NUMA？阿呆只知道祖玛。不过我们可以先来看看祖玛，前几关往往是这样的。
后来就变成了下面这样，明显，吃弹珠的大嘴多了一个。
NUMA也是类似的，我们一般的CPU架构叫UMA（Unified Memory Architecture），就是尽管有很多核，但是大家都访问同一块内存。而NUMA就不一样，多了个N（Non），NUMA架构其实很简单，就是买几个CPU，每个CPU配自己的内存，CPU之间通过QPI等高速总线连起来，访问别的CPU内存。如下图。
NUMA架构是当前服务器和超算领域通用的架构了，一般的服务器都是配两个CPU的，超级计算机就更多了。
块设备层在NUMA架构的缺陷
块设备层用在SSD上，假如是NUMA架构或者多核CPU，那存在如下缺点：
- 队列锁。不管是从队列取命令，还是往里放命令，或者重新排序，都是要上锁的。这样就会在几个线程竞争队列的时候发生等待。
- 硬件中断。SSD只能连到一个CPU上，IO命令都通过中断通知它。所以这个CPU处理中断，再通过软中断通知其他CPU去完成后续的任务，比如调用回调函数。根本不关心哪个CPU发起了这个IO。这样，为了完成1个IO，需要有两次中断，还有进程切换，同时原来CPU的Cache中相关数据也作废了，因为转给了别的CPU执行。
-
跨CPU访问内存。这个就要涉及到Cache的机制，现在的CPU都配有Cache，有的多核CPU每个核有自己的Cache，比如L1 Cache独享，L2 Cache大家共享。当然NUMA的话每个CPU必然从Cache到内存都是独享的。假如IO命令是一个核 A发下来的，完成由另一个核 B执行，那么B就要从A的Cache读命令队列的锁状态，那么这段Cache数据段就被标为”共享”：只能被读，不能被写。队列只有一个，锁也只有一个，如果很多核并发做IO，那么大家就不能修改锁的状态，性能受到影响。
理论说了一堆，还是来看看现实吧。如下图，socket指的是主板上CPU的槽位，几个socket就意味着NUMA架构的几个独立CPU。可见，CPU多的时候，IOPS反而下降了。因为在NUMA架构中，通过QPI总线去访问别的CPU Cache成本很高。
那该怎么办呢？我们常见的NUMA 服务器是两个CPU，从图中看IOPS只有500K，现在不少PCIe SSD IOPS都到1M了，明显，CPU成了bottleneck。下一篇阿呆就告诉你Linux内核的开发者想出的新方案。
