简介： 使用CPU Burst的副作用是什么？是否有不适用的场景呢？戳我给你答案~
编者按：CPU Burst 特性已合入 Linux 5.14，Anolis OS 8.2、Alibaba Cloud Linux2、Alibaba Cloud Linux3也都支持CPU Burst特性。
在系列文章的上篇中，我们讨论了让人讨厌的 CPU 限流，它会影响运行在容器中的应用的一些关键指标。为了避免限流的出现，有时我们不得不牺牲容器部署密度，从而导致资源浪费的产生。在解决方案部分，我们也介绍了新的CPU Burst 技术，通过这一技术，我们既能保证容器运行服务质量，又不降低容器部署密度。听起来有点像个银弹啊？那么，使用CPU Burst的副作用是什么？是否有不适用的场景呢？为了回答这个问题，本文将介绍CPU Burst打破的调度保证，以及CPU Burst影响评估。尽管这些CPU突发的使用造成的CPU使用差异在CPU利用率上很多时候不明显，但是我们仍然关心这种改变的影响。当然，结论是明确的：CPU Burst的负面影响完全可以忽略。仅在CPU利用率高达70%的环境里CPU Burst开始影响关键指标，而我相信大家日常生产环境的CPU利用率都远远低于这个水平。
CPU Bandwidth Controller的保证
使用CPU Bandwidth Controller可以避免某些进程消耗过多CPU时间，并确保所有需要CPU的进程都拿到足够的CPU时间。之所以有这样好的稳定性保证，是因为当Bandwidth Controller设置满足
时，有如下的调度稳定性约束：
其中
是第i个cgroup的quota，是一个period内该cgroup的CPU需求。Bandwidth Controller对每个周期分别做CPU时间统计，调度稳定性约束保证在一个period内提交的全部任务都能在该周期内处理完；对每个CPU cgroup而言，这意味着任何时候提交的任务都能在一个period内执行完，即任务实时性约束：
不管任务优先级如何，最坏情况下任务执行时间（WCET, Worst-Case Execution Time）不超过一个period。
假如持续出现
调度器稳定性被打破，在每个period都有任务积攒下来，新提交的作业执行时间不断增加。
使用CPU Burst的影响
出于改善服务质量的需要，我们使用CPU Burst允许突发的CPU使用之后，对调度器的稳定性产生什么影响？答案是当多个cgroup同时突发使用CPU，调度器稳定性约束和任务实时性保证有可能被打破。这时候两个约束得到保证的概率是关键，如果两个约束得到保证的概率很高，对大多数周期来任务实时性都得到保证，可以放心大胆使用CPU Burst；如果任务实时性得到保证的概率很低，这时候要改善服务质量不能直接使用CPU Burst，应该先降低部署密度提高CPU资源配置。于是下一个关心的问题是，怎么计算特定场景下两个约束被打破的概率。
评估影响大小
定量计算可以定义成经典的排队论问题，并且用蒙特卡洛模拟方法求解。定量计算的结果表明，判断当前场景是否可以使用CPU Burst的主要影响因素是平均CPU利用率和cgroup数目。CPU利用率越低，或者cgroup数目越多，两个约束越不容易被打破可以放心使用CPU Burst。反之如果CPU利用率很高或者cgroup数目较少，要消除CPU限流对进程执行的影响，应该降低部署提高配置再使用CPU Burst。问题定义是：一共有m个cgroup，每个cgroup的quota限制为1/m，每个cgroup在每个周期产生的计算需求（CPU利用率）服从某个具体分布，这些分布是相互独立的。假设任务在每个周期的开始到达，如果该周期内的CPU需求超过100%，当前周期任务WCET超过1个period，超过的部分累积下来和下个周期新产生的CPU需求一起在下个需求处理。输入是cgroup的数目m和每个CPU需求满足的具体分布，输出是每个周期结束WCET > period的概率和WCET期望。使用蒙特卡洛模拟求解过程省略，详细请关注后续系列文章。以输入的CPU需求为帕累托分布、m=10/20/30的结果为例进行说明。选择帕累托分布进行说明的原因是它产生比较多的长尾CPU突发使用，容易产生较大影响。表格中数据项的格式为
，其中
越接近1越好，
概率越低越好。
| u_avg | m=10 | m=20 | m=30 |
| 10% | 1.0000/0.00% | 1.0000/0.00% | 1.0000/0.00% |
| 30% | 1.0000/0.00% | 1.0000/0.00% | 1.0000/0.00% |
| 50% | 1.0003/0.03% | 1.0000/0.00% | 1.0000/0.00% |
| 70% | 1.0077/0.66% | 1.0013/0.12% | 1.0004/0.04% |
| 90% | 1.4061/19.35% | 1.1626/10.61% | 1.0867/6.52% |
结果跟直觉是吻合的。一方面，CPU需求（CPU利用率）越高，CPU突发越容易打破稳定性约束，造成任务WCET期望变长。另一方面，CPU需求独立分布的cgroup数目越多，它们同时产生CPU突发需求的可能性越低，调度器稳定性约束越容易保持，WCET的期望越接近1个period。
后续
看完本文相信您对CPU Burst的影响已经有了定性了解。如果希望对评估方法有更多了解，请期待系列文章的下篇。
关于作者
常怀鑫（一斋），阿里云内核组工程师，擅长CPU调度领域。
丁天琛(鹰羽)，2021年加入阿里云内核组，目前在调度领域等方面学习研究
原文链接
本文为阿里云原创内容，未经允许不得转载。
