エンジニアなら知っておきたい「仮想マシン」のしくみ v1.1 (hbstudy 17)

1. Copyright(C) Software Research Associates, Inc. All Rights Reserved. エンジニアなら知っておきたい「仮想マシン」のしくみ v1.1a hbstudy #17 (2010/11/26 ハロー会議室＠新宿) ネットワークシステムサービス本部ネットワーク運用・構築部長谷川猛 (hasegaw at sra.co.jp) Twitter : @hasegaw ※本資料中の解説内容は、弊社としての統一的な見解を示すものではありません。

2. 2 自己紹介所属所属興味分野興味分野株式会社SRA ネットワークシステムサービス本部ネットワーク運用・構築部現在は提案支援業務に携わる特にLinux や仮想化技術を得意とする、雑食系システムエンジニア主な著書主な著書『Xen 徹底入門』初版、第二版（2007、2009年翔泳社）共著『LDAP Super Expert』（2006年技術評論社）寄稿『萌え萌えうにっくす！ネットワーク管理ガイド』（2003年 MYCOM）氏名氏名長谷川猛 (HASEGAWA Takeshi) Twitter: @hasegaw

4. 4 想定される参加者 • 想定される参加者 – 仮想化技術に興味を持っている方 – Linux用仮想化技術『KVM』の仕組みを知りたい方 – KVMの内部構造を調査する”とっかかり”を掴みたい方 • 本セッションへのキャッチアップに必要なスキル ※”参加条件”ではありません – IAシステムの基本知識 – C言語の読解能力 – オペレーティングシステム(OS)のしくみ

5. 5 Agenda • 現在のx86における仮想マシンの方向性 – x86 仮想マシンの概要 – x86 仮想マシンにおけるon-goingなトピック • いまさら聞けない仮想マシンのしくみ – 仮想CPU – 仮想マシンのメモリ管理 – 仮想ハードウェア – virtio 仮想デバイス • FreeBSD virtio

7. 7 そもそも「仮想マシン」とは何か(1/2) ソフトウェアによって仮想的に構築されたコンピュータ。仮想化技術における仮想マシンは、OSが動作する実際のコンピュータをソフトウェアによって仮想的に構築したものである。 1台のコンピュータを複数の仮想マシンに分割することで、複数の利用者が同時に利用したり、異なるOSを並列に実行させたりすることができる。 http://e-words.jp/w/E4BBAEE683B3E3839EE382B7E383B3.html （IT用語辞典, 仮想マシン）より引用

8. 8 そもそも「仮想マシン」とは何か(2/2) • 今日、対象とする「仮想マシン」 (System Virtual Machine) – x86ハードウェアの上で動くソフトウェア（ソリューション？） – x86ハードウェアを再現する – x86ハードウェア用のソフトウェア、OSが「そのまま」動く – VMware, Hyper-V, Linux KVM, Xen各種, VirtualBox, QEMU, Parallels, … • とりあえず思いつく「その他の仮想マシン」 – 言語VM (Process Virtual Machine) • Java, .NET Framework, YARV(Yet Another Ruby VM), … – おもちゃのエミュレータ、古いコンピュータのエミュレータ • MAME, NES, ANEX86/T98, PC98E, …

9. 9 ハイパーバイザー、仮想マシンモニタとは • コンピュータで複数のオペレーティングシステム(OS)を実行する際に、調停するためのソフトウェア • 仮想マシンモニタ(Virtual Machine Monitor, VMM)等とも呼ばれるハードウェアハードウェアゲストＯＳゲストＯＳ –ゲスト –仮想マシン, VM ゲスト上のプロセスゲスト上のプロセス –ハイパーバイザ –仮想マシンモニタ (VMM)ハイパーバイザハイパーバイザゲストＯＳゲストＯＳゲスト上のプロセスゲスト上のプロセス

10. 10 仮想化技術から見たx86の歴史 Intel 80861978 vSphere 4.1, RHEV 2.2, EL6デバイスSR-IOV対応製品2010 vSphere 4.0, Hyper-V 2.0, EL5(KVM)/RHEVオーバーヘッド削減の努力2009 Intel 803861985 | Xen 2.02004 Hyper-V 1.0メモリ仮想化支援(EPT/NPT)2008 VMware設立1998 RHEL5 (Xen)IOMMU仮想化支援(VT-d)2007 VMware Server, Xen 3.0, KVM開発開始2006 Microsoft Virtual Server R2Intel VT(VT-x, VT-i)2005 x86ハードウェアの仮想化対応仮想マシンの幕開け Robert P. Goldberg - Survey of Virtual Machine Research 1975 Xen 1.0, XenSource設立2003 x86仮想化ソフトウェア年 SRA創立(1967) SRA, VAX-11導入(1980)

11. 11 活性化してきたx86の仮想マシン技術 • Xen Hypervisorがもたらしたもの  「Windowsが動く」オープンソースのハイパーバイザーのひとつ  Intel VT, AMD-Vを使った代表的な仮想マシン実装  専用カーネルを使う「準仮想化」による高いパフォーマンス  Hyper-Vのアーキテクチャのベースにもなっている • ハードウェアによる仮想化支援機能の充実  VT-x, VT-I, AMD-V … CPUの仮想化 • さらなる仮想化支援機能の強化  VT-x, VT-I, AMD-V … さらなるパフォーマンス向上  VT-d, AMD IOMMU… 仮想マシンからのPCIデバイスアクセス  EPT/NPT … 仮想マシンのメモリアクセス高速化 「カーネルはX86用OSを使用し、I/O部分のみを準仮想化」する方向へ

12. 12 準仮想化 vs 完全仮想化ハードウェアハードウェアハイパーバイザ(VMM) （ハードウェア支援なし）ハイパーバイザ(VMM) （ハードウェア支援なし）仮想化専用 kernel 仮想化専用 kernel x86 H/W用 kernel x86 H/W用 kernel ハイパーバイザ(VMM) （ハードウェア支援あり）ハイパーバイザ(VMM) （ハードウェア支援あり） x86 H/W用 kernel x86 H/W用 kernel ハードウェアレベル仮想化支援機能ハードウェアレベル仮想化支援機能 KVM, VMware, … Xen

13. 13 クラウドに求められる仮想マシンの特性 • クラウドコンピュータ – “規模”が実現するシステム運用  ファシリティ →ラック、データセンタ、コンテナ単位での導入  インシデント駆けつけ型保守 → 計画的保守へ システム全体としての可用性、各ノードの柔軟な構成・運用が必要 • 物理マシンと比べ魅力的な“仮想マシン”の特性  導入後からの構成変更、レプリカの作成が容易  手元でなくとも“完全な管理” ← 管理対象の増化（OSインスタンス、物理数）  サービス提供用OSの起動・停止が容易（ソフトウェアで実現でき、専用ハードウェアなどが不要）  仮想化によるパフォーマンス低下 • 少なからずオーバヘッドが発生 → 運用と性能のどちらを取るか？

14. 14 On-going なトピックまだまだ解決すべき課題は山盛り • “ゲストOS”としての各OSの仮想化サポート – 仮想環境むけデバイスドライバの標準装備化 – 仮想環境における時間管理（Dynamic Tick、PV Timer） • よりシームレスな統合管理 – ノード管理ツールの強化 – クラウドとしてのリソース管理ツール VMwareを買うエンドユーザ、内製するサービスベンダ • 性能が求められる環境に対応するハードウェア – Device Passthrough – SR-IOV • より安価・高速・高信頼なストレージシステム – 実は仮想マシンにとって一番大事

16. 16 qemu-kvmqemu-kvm そもそもKVMとは何か Linuxのカーネルモジュールとして実装された仮想マシン技術おもに下記２コンポーネントにて構成される Linux KernelLinux Kernel Virtual Machine Image Device Emulator HardwareHardware System callsSystem callsernel-based irtual achine ernel-based irtual achine K V M Device DriversDevice Drivers  Kernel-based Virtual Machine (KVM) – カーネルモジュールとして実装 – 仮想マシンのVirtual CPU実行  qemu-kvm – ユーザモードプロセスとして実装 – VMのメモリイメージを保持 – IA-32システム周辺ハードウェアのエミュレーション – I/O機能 (ディスク、ネットワーク等)

17. 17 QEMUとqemu-kvm • QEMU … オープンソースのPCエミュレータ – ソフトウェアによるCPUおよび関連チップを再現 • ソフトウェアCPU: x86 32bit/64bit, IA64, ARM, SPARC, PowerPC, MIPS – Bochs由来のBIOSを搭載 – ユーザモードで動作するプログラム • QEMU由来の仮想マシンソフトウェア群 – qemu-kvm (KVMを用いてCPUの仮想化支援技術を利用するQEMU) – Xenに含まれるqemu-dm (Xen HVMドメイン用ハードウェアエミュレータ) – VirtualBox (Sunによる仮想マシンソフトウェア) – kqemu (カーネルモードを使用する、より高速なQEMU)

18. 18 (参考) QEMUを使ったVMM Type-1 hardware Hypervisor VM VM VM Type-2 hardware OS VM Hypervisor VM 現Oracle VM(ブランド名) Sun xVM (ブランド名) Bochs (2) QEMU (2) kQEMU 一部処理(CPU処理) をkernel modeに持っていって高速化した版 QEMU。KVM登場によりdiscon 各種CPUエミュレータ+デバイスエミュレータ。Bochsと比べ高速なのがウリ。デスクトップ用、開発者用ともいえる PC/AT互換機を再現できる、ほぼ最初の CPUエミュレータ+デバイスエミュレータ KV M (1) V irtualBox (2) Sunが開発した VMM+QEMUのハードウェアエミュレータ部分による仮想化ソフトウェア。とはいえ H/Wエミュ部分に随分Sunのコードが入っているのが特徴的？デスクトップ用 Xen 2.x (1) PC/ATを再現するのではなく、OS側を VMMにあわせる「準仮想化」を採用した VM Xen 3.0 (1) Xenの上でPC/ATを再現できるようになった最初のバージョン qemu-dm Xen用にforkされ改造されたもの BIOSコード流用 fork→merge→ discon fork→merge qemu-kvm Linux上でIntel VT(AMD-V)を利用するためのカーネルモジュール。CPU仮想化、メモリ仮想化の機能を提供。 QEMUのCPUエミュレータを使わずに KVMを使う。KVMが H/Wアクセスを検出した際にqemu-kvm がH/Wエミュレーションする仕組み fork Xen 4.0 (1) Oracle V M Server (1) XenServer (1) H/W emuコード大量流用 xV M Hypervisor (1) × × コンフリクト SunがOpenSolaris用にパッケージしたオープンソース版 Xen。Oracle VM Serverとコンフリクトするためdiscon. Oracleがオープンソース版Xenをベースに開発。独自のWindows用ドライバ、管理ツール、 Oracle製品サポートなどの特徴を持つ fork 一部merge Xen開発者達がXen をベースに開発。独自のWindows用ドライバ、管理ツール、 Citrix製品との親和性などの特徴を持つ fork fork

19. 19 KVMが必要とするハードウェアスペック • 最低要求事項 – CPU • x86_64 or IA64 (64bit ほぼ必須) • 仮想化支援技術必須 (Intel VT or AMD-V) – マザーボード、チップセット • BIOSレベルで仮想化支援技術が有効であること – メモリ • ホストOS使用分: 512MB以上 • ゲストOS使用分: 512MB以上 – その他Linuxカーネルの動作要件を満たすこと • 推奨スペック – Intel EPT (Extended Page Tables)/AMD NPT(Nested Page Tables)

20. 20 Red HatのKVMによりサポートされるゲストOS • virtioドライバ（ゲストOS用ドライバ）が提供されており、パフォーマンスが期待できるもの – EL3.9 (32bit, 64bit), EL4.7(32bit, 64bit), EL5.3 (32bit, 64bit) – Windows Server 2003 (32bit, 64bit), 2008 (32bit, 64bit) – Windows XP (32bit) – Network driver only – Windows 2000=NG Windows Vista, 7=? • RHEL5により公式サポートされるもの – EL3(32bit), EL4(32bit or 64bit), EL5(32bit or 64bit) – Windows Server 2003 (32bit, 64bit), 2008 (32bit, 64bit) – Windows XP (32bit) ※公式なサポート状況はRed Hatにご確認ください

21. 21 XenとKVMのざっくりした比較 • ハイパーバイザー(VMM)の機能 – Xen: Hypervisorと管理OSの独立性が高い • 管理OSへの攻撃が難しい? • XSM (Xen Security Modules) – LSM (Linux Security Module) のXenバージョン – 標準XSMモジュール： dummy, ACM, FLASK（どれか一つを排他利用） – Linux: Hypervisorと管理OSが融合している • 比較的コンテキストスイッチが少なく高速 • SELinuxを利用したMAC • ゲストのサポート状況、サポート方法 – Xen: Linux, NetBSD/FreeBSD, OpenSolaris, Windows • Xen用カーネルを作成するアプローチ、PVドライバのみ移植するアプローチ – KVM: Linux, Windows • virtioドライバを移植するアプローチ • その他、virtioドライバが存在するOSの例: MonaOS(!), NetBSD

22. 22 コンピュータを構成する３大コンポーネント物理マシン、仮想マシンともに基本的な構成は同じ I/O Devices I/O Devices CPUCPU System Memory System Memory 中央演算装置プログラムを実行するための電子回路。演算処理の中心主記憶装置実行するプログラムや演算の結果を一時保存する為の領域入出力装置コンピュータに接続された周辺回路。キーボード／マウス、ビデオ、外部記憶、その他I/F

24. 24 x86のプロテクトモード基礎知識 • リアルモード(16bit) • 16ビットまでのデータ操作・メモリ操作、セグメント単位のメモリ管理 • プロテクトモード(32/64bit) • 32/64ビットの操作 • ページ単位のメモリ管理モード • プロテクションリング – X86 CPUに実装された権限機能 – Ring 0: 特権モード – Ring 1～2: 使わないのが通例 – Ring 3: ユーザモード Applications – Ring 3 Operating System Services – Ring 1, 2 Operating System – Ring 0 x86 Protection Rings NTOSKRNL linux-kernel Apache calc.exe

25. 25 QEMUによるVMの動作原理 • QEMU の基本動作 – VM上のコードを実行する前に、コードを確認する • CPU上で直接実行できない命令（例：仮想メモリの設定、権限管理） 対応するルーチンを実行 • 通常の命令（例：仮想メモリに対する操作、演算など） 直接実行 – VM上のコードが実行された時にCPUで例外を捕捉する • VMの権限で直接実行できない命令（例：I/Oポート操作） デバイスエミュレータで原因を解析、エミュレーションしVM実行を継続 • ゲストに未割り当てのページアクセス メモリを割り当て、VM実行を継続

26. 26 Intel VT, AMD-Vの基礎知識 • 仮想マシン実行用モードの追加  メモリ上の仮想マシン情報を基に、VMを実行する  必要に応じて制御をゲストから奪い、VMM(仮想マシンモニタ)へ戻す linux-kernel kvm Guest kernel VMX root VMX nonroot 仮想マシンへの突入 VMLAUNCH/VMRESUME (Intel) VMRUN (AMD) 仮想マシンからの復帰特権命令、I/O操作等→VMEXIT VMCS VMCB(AMD) VMCS VMCB(AMD) VMCS VMCB(AMD) Apache calc.exe qemu-kvm

27. 27 qemu-kvmによるVMの動作原理 • qemu-kvmの基本動作 (KVM使用時） KVMを使用してVMを実行 (VMRESUME/VMRUN) 通常の命令であれば直接実行される VM内で特殊命令にあたると制御が戻る(VMEXIT) qemu-kvm内のハンドラが必要な処理を行う – I/Oポートの読み書き、MMIOなどハードウェアアクセス – 一定時間オーバー（タイムスライスを使い切った） – VM内からのVMM呼び出し – VMの実行失敗、ほかエラーなど

28. 28 qemu-kvmにおける制限事項 • 仮想化支援技術が必須 – Intel VT(VT-x) もしくは AMD-V 従来x86 CPUの特権モードに加え「VMX root」「VMX nonroot」を提供 VM専用空間(VMX nonroot)でVM上の命令を実行 未実装命令・VMMによる処理が必要な命令にあたったら、 VMM側(VMX root)に制御を戻す • 仮想化支援技術にともなうゲストの制限 – qemu-kvmは、基本的に実CPU上でVMを直接実行する – 実CPUが実行可能なコード（OS, アプリケーション）のみ実行可能 – 実際に搭載したCPUができない事はVM内でも「できない」 • 非対応命令を例外などとしてトラップし、エミュレーションできる“場合”もある

29. 29 KVM カーネルが提供するインターフェイス • /dev/kvm … 特殊なデバイス – ioctl()で操作する – 主な機能 • 新しいVMの作成 • VMへのメモリ割り当てリクエスト • vCPUのレジスタの読み書き • vCPUへの割り込み挿入 • vCPUの実行開始 • I/Oハンドラの登録 • qemu-kvmが/dev/kvmを通してVMを制御する

30. 30 599 int kvm_run(CPUState *env) 600 { 601 int r; 602 kvm_context_t kvm = &env->kvm_state->kvm_context; 603 struct kvm_run *run = env->kvm_run; 604 int fd = env->kvm_fd; 605 606 again: ……… 610 } 626 r = ioctl(fd, KVM_RUN, 0); 645 if (1) { 646 switch (run->exit_reason) { 647 case KVM_EXIT_UNKNOWN: 650 case KVM_EXIT_FAIL_ENTRY: 653 case KVM_EXIT_EXCEPTION: 660 case KVM_EXIT_IO: 661 r = kvm_handle_io(run->io.port, 662 (uint8_t *)run + run->io.data_offset, 663 run->io.direction, 664 run->io.size, 665 run->io.count); 666 r = 0; 667 break; 668 case KVM_EXIT_DEBUG: ……… 694 default: 701 } 702 } kvm-main.c 1370 static long kvm_vcpu_ioctl(struct file *filp, 1371 unsigned int ioctl, unsigned long arg) 1372 { 1373 struct kvm_vcpu *vcpu = filp->private_data; 1374 void __user *argp = (void __user *)arg; 1375 int r; 1376 struct kvm_fpu *fpu = NULL; 1377 struct kvm_sregs *kvm_sregs = NULL; 1378 1379 if (vcpu->kvm->mm != current->mm) 1380 return -EIO; 1381 switch (ioctl) { 1382 case KVM_RUN: 1383 r = -EINVAL; 1384 if (arg) 1385 goto out; 1386 r = kvm_arch_vcpu_ioctl_run(vcpu, vcpu->run); 1387 break; 1388 case KVM_GET_REGS: { …. 1404 break; 1405 } qemu-kvmからのKVMモジュール操作 VMを実行後何がおきたかを確認し、対処仮想化支援機能を使用してVMを実行する

31. 31 CPU仮想化のまとめ  CPUの仮想化支援機能  Intel VT-x/VT-I  AMD-V  x86のリングプロテクションに加え、さらにVMMをサポートするための命令セットが追加されている  KVMカーネルモジュール  CPUの仮想化支援機能を使用して、おもに以下の処理を行う • VM起動 • VM停止 • ハードウェアI/Oが発生したときのディスパッチ • メモリの管理  制御はioctl()を使って行う

33. 33 メモリ管理 • 非仮想化環境（ベアメタル + OS）では – OSが物理メモリすべてを認識し、管理する – OSは、物理メモリの一部をカーネル用とし、各プロセスの要求に応じてメモリを割り当てる • 仮想化環境では – VMMが物理メモリすべてを認識し、管理する – VMMがVMに対して指定容量のメモリを割り当てる – VMは割り当てられたメモリが物理メモリ全体と信じ動作する – ゲストOSは、VMに割り当てられたメモリからカーネル用、各プロセス用のメモリ空間を確保する

34. 34 メモリ管理、ちょっと寄り道(1/2) 現在一般的なシステムにおける、物理メモリ空間と仮想メモリ空間 0GiB - OS Kernel Process 2 Process2 から見えるメモリ空間物理メモリ OS Kernel Process 1 Process 2 Process 3 Process 4 64GiB - OS Kernel Process 1 Process1 から見えるメモリ空間

35. 35 メモリ管理、ちょっと寄り道(2/2) procedure CR3Read(var p : Pointer); asm mov p, cr3 end; // エディットボックスEdit1の内容が変更されたら、その内容を // 文字列バッファbuffにコピーする。 procedure TForm1.Edit1Change(Sender: TObject); begin StrPCopy(@buff, Edit1.Text); end; // Button1がクリックされたら、文字列バッファがどこにあるか // アドレスを表示し、また、バッファ上の文字列を表示する。 procedure TForm1.Button1Click(Sender: TObject); var s: String; begin s := format('バッファは0x%pにあります。', [ @buff ]); memo1.lines.add(s); s := format('このアドレスには文字列 %s が記録されています。', [ PChar(@buff) ] ); memo1.lines.add(s); end; // Button2がクリックされたら CR3 を読み取り、表示する。 // ※特権命令があるため、実際には成功しない procedure TForm1.Button2Click(Sender: TObject); var p: Pointer; s: String; begin CR3Read(p); s := format('このプロセスのCR3は %p を指しています。', [ p ] ); memo1.lines.add(s); end; サンプルダウンロード先 http://bit.ly/aPn3zm

36. 36 x86におけるメモリ管理の基本 #1 CSCS System Registers LDTRLDTR TRTR CR3CR3CR2CR2 CR1CR1CR0CR0 GDTRGDTR IDTRIDTR Controll Regiesters System Address Registers floating point number registers ・・・ Debug Registers DR0DR0 ～ DR7DR7 TR3TR3 ～ TR7TR7 EAXEAX EBPEBP EBXEBX ECXECX EDXEDX Main Registers Base Pointer ESPESP ESIESI EDIEDI Stack Pointer EIPEIP EFLAGSEFLAGS Flag Register Segment Registers CSCS DSDS ESES SSSS FSFS GSGS Instruction Pointer General Registers （参考） 486プロセッサに実装されているレジスタセット作成にあたっての参考資料: はじめて読む486 (1994年株式会社アスキー)

37. 37 x86におけるメモリ管理の基本 #2 Page Directory Page Directory Page Table Page Table Page （参考） x86プロセッサにおけるページングモードのしくみ物理ページ CR3 Page Page Page … Page Table Page Table メモリアクセス要求 Page Directory Page Table 仮想メモリアドレス空間（0～4GB）を1024等分し、各領域(4MB)のページ割当を管理するページテーブルのポインタ、関連フラグを保持する。（ＯＳが作成、管理）各領域(4MB)をさらに1024 等分し、各領域(4KB)がどの物理ページに割当されているかを示すポインタや関連フラグを保持する。（ＯＳが作成、管理） Control Register 3 ＣＰＵが仮想メモリアクセスする際、ページウォークに使用すべきページディレクトリを設定する。（ＯＳが設定）

38. 38 x86におけるメモリ管理の基本 #3 メモリアクセス要求 CR3 Page Directory Page Directory Page Table Page Table Page Table Page Table Page Table Page Table 10bits(2^10=1024)分のテーブル PDE(32bits) × 1024 = 4KB (1page) 10bits(2^10=1024)分のテーブル PTE(32bites) = 4KB (1page) Page プロセスが実際にアクセスすべきメモリ空間(12bits) 2^12=4KB 10+10+12=32bitのメモリ空間を2段のぺージテーブルで表現 (64bit環境では4段のページテーブルで48bitアドレス空間を表現) Linux (or other OS) Kernel process PTPD PTPD PT PT Page Page Page Page process PTPD PTPD PT PT Page Page Page Page process PTPD PT PT PT Page Page Page Page qemu-kvm PTPD PTPD PT PT Page Page Page Page CR3 IP … CR3 IP … CR3 IP … CR3 IP …process 4 プロセステーブル process 1 process 2 process 3 そのプロセスの仮想メモリ空間と物理メモリ空間の対応を定義する Page Directoryのポインタ、他

39. 39 x86におけるメモリ管理の基本 #4 出典: Intel® 64and IA-32 Architectures Software Developer’s Manual Volume 3A 64ビットモードの場合は 4段のページテーブルでページング 64ビットモードの場合は 4段のページテーブルでページング

40. 40 仮想化環境におけるメモリ利用イメージ非仮想化環境の場合 0GiB - OS Kernel Process 2 ユーザプロセスから見えるメモリ空間物理メモリ Hypervisor Guest OS 1 Guest OS 2 Guest OS 3 Guest OS 4 OS Kernel Process 1 Process 2 Process 3 Process 4 ゲストOSのメモリ空間 OS Kernel Process 1 Process 2 Process 3 Process 4 64GiB - 仮想化環境の場合物理メモリ

41. 41 KVM, QEMUにおける VMへのメモリ領域割当 #1 • VMのメモリ空間はqemu-kvm ( QEMU)のデータ領域として確保される – 他の一般なプロセスと同じ扱い • Linuxカーネルから見ればただのユーザスペースのデータ領域に過ぎない • VM割り当てメモリサイズの上限 – qemu-kvm + VM Imageの合計がプロセス最大メモリサイズに収まる必要がある – 32bit / 32bit PAE …… < 4GB – x86_64 …… 4GB以上可能 Linux Kernel qemu-kvm (or QEMU) VM Image process process process 物理メモリ

42. 42 514 void *kvm_create_phys_mem(kvm_context_t kvm, unsigned long phys_start, 515 unsigned long len, int log, int writable) 516 { 517 int r; 518 int prot = PROT_READ; 519 void *ptr; 520 struct kvm_userspace_memory_region memory = { 521 .memory_size = len, 522 .guest_phys_addr = phys_start, 523 .flags = log ? KVM_MEM_LOG_DIRTY_PAGES : 0, 524 }; 525 526 if (writable) 527 prot |= PROT_WRITE; 528 530 ptr = mmap(NULL, len, prot, MAP_ANONYMOUS | MAP_SHARED, -1, 0); 535 if (ptr == MAP_FAILED) { 536 fprintf(stderr, "%s: %s", __func__, strerror(errno)); 537 return 0; 538 } 539 540 memset(ptr, 0, len); 541 542 memory.userspace_addr = (unsigned long)ptr; 543 memory.slot = get_free_slot(kvm); 549 r = ioctl(kvm->vm_fd, KVM_SET_USER_MEMORY_REGION, &memory); 550 if (r == -1) { 551 fprintf(stderr, "%s: %s", __func__, strerror(errno)); 552 return 0; 553 } 554 register_slot(memory.slot, memory.guest_phys_addr, memory.memory_size, 555 memory.userspace_addr, memory.flags); 556 557 return ptr; 558 } KVM, QEMUにおける VMへのメモリ領域割当 #2 プロセス内に仮想マシン用のメモリ領域を確保 VMのメモリ空間に、確保したメモリ領域を割り当て

43. 43 VM上のページング① - ソフトウェア処理 Shadow Page Table (SPT) #1 OS Kernel Process 1 Process 2 Process 3 Process 4 ゲストOSのメモリ空間物理メモリ PTPD PTPD PT PT PTPD PTPD PT PT VM上のは、ゲストOSが管理するページテーブルである。ゲストOSはVMに割り当てられたメモリ空間を物理メモリ空間全体と信じてページテーブルを作成する。 PTPD PTPD PT PT VM上のコードを実行する際、CPUはVMのメモリ空間で動作しなければいけない。この際にCPUが参照すべきページテーブルは何か？ VM上のゲストOSが管理するをCPUが参照すると、物理メモリ空間が見えてしまい、本来ゲストOSが意図したページへアクセスされない。 PTPD PTPD PT PT この問題を解決するため、ハイパーバイザはシャドウページテーブルを作成する。これは、VM上の仮想メモリ空間を物理ページにマッピングする内容となるため、CR3レジスタにを設定することでCPUがVMのアドレス空間を解決可能となる。 PDVMへの割当ページ情報 PTPD PTPD PT PT また、VM上のコード実行時、ページ読み書きの際にのAccess bit, Dirty bitがアップデートされる。これらはへ、逆に同期する必要がある。 PTPD PTPD PT PT PTPD PTPD PT PTVMへの割当ページ情報＝＋ PTPD PTPD PT PT PTPD PTPD PT PT PD sync sync ① ② ③ ④ ⑤

44. 44 VM上のページング① - ソフトウェア処理 Shadow Page Table (SPT) #2 VMMが、VM内で使われるページテーブルを基に Guest Virtual → Machine-Physicalのページ追跡に使用するページテーブルを作成 1. VM上からハイパーコールが実行される 2. VMMがvCR3を読み取りVMに制御を戻す 1. VMが管理するvCR3を読み取ろうとする 2. VMX non-rootからVMEXITする 3. VMMがVMEXITの原因を確認し、vCR3を読み取りを再現して再度 VMENTERする CR3参照 Intel VT / AMD-Vなしの場合Intel VT / AMD-V ありの場合 1. VM上からハイパーコールが実行される 2. VMMがvCR3を書き込んだことにする 3. Shadow Page Table を更新する 4. VMMがVMに制御を戻す 1. VMMが命令をスキャンし、CR3読み書き等の命令を洗い出す 2. 見つかった命令群をハイパーコールに書き換え 1. VMがメモリにアクセスする(この際、実CR3=SPT) 2. CPUがSPTを使用してゲストの仮想アドレスをホストの物理アドレス空間に解決通常ページへの読み書き 1. VMがメモリにアクセスする(この際、実CR3=SPT) 2. VMからSPT(VMMのメモリ空間)に書き込めないためページフォルトを引き起こす 3. VMMがVM中のページテーブルを更新 4. VMMがvCR3の示すページテーブルにあわせてSPTを更新ページテーブル書込 1. VMがメモリにアクセスする(この際、実CR3=SPT) 2. VMからSPT(VMMのメモリ空間)を読めずページフォルトを引き起こす 3. VMMが、必要に応じてSPT上のAccess bit, Dirty bitをVM上のページテーブルへ転記 4. VMMが、VMのvCR3が示すページテーブルを返すページテーブル参照 1. VMがvCR3を書き込もうとする 2. VMX non-rootからVMEXITする 3. VMMがVMEXITの原因を確認し、vCR3を書き込みを再現する 4. VMMがShadow Page Table を更新する 5. VMMが再度VMENTERし、VMに制御を戻す CR3書込 (前処理不要) （命令実行前）実現のしくみVM内の操作

45. 45 Linux + KVMLinux + KVMqemu-kvmqemu-kvm Guest OS’s Page Table Shadow Page Table VM上のページング① - ソフトウェア処理 Shadow Page Table (SPT) #3 VM内の4段ページテーブル (64bitの場合、32bitの場合は2段) CR3 Page Page Page PML4 PDPT PD PT CR3 PML4 PDPT PD PT VM内で見える CR3 VM内で実際に CPUが使っている CR3 TLB参照 TLB更新メモリアクセス要求例外による操作検出内容の同期毎回 Page Walk するのは大変なので、最近参照したページテーブルの内容は CPUがキャッシュしている (Tagged Look-aside Buffer)

46. 46 VM上のページング① - ソフトウェア処理 Shadow Page Table (SPT) #4 Shadow Page Table(SPT)の問題点 • 必要メモリ量 (VM上のPT, VMM上の割当テーブル、さらにSPT) • VMMコードのプロファイリングを行うと、約75%がSPT関連処理 It is estimated that for certain workloads shadow paging can account for up to 75% of overall hypervisor overhead. - AMD-V™ Nested Paging, ©2008 Advanced Micro Devices, Inc. KVMはShadow Page Tableのパフォーマンスが高くない • 新CPUのVM用ページング支援機能の利用が前提 • SPTのサポートはあくまで互換性目的 • SPTの性能はXen > KVM

47. 47 Linux + KVMLinux + KVMqemu-kvmqemu-kvm Guest OS’s Page Table Shadow Page Table VM内の4段ページテーブル (64bitの場合、32bitの場合は2段) メモリアクセス要求 CR3 Page Page Page PML4 PDPT PD PT CR3 例外による操作検出内容の同期 Extended Page Table PML4 PDPT PD PT PML4 PDPT PD PT VM上のページング② - ハードウェア処理 Extended Page Tables(EPT)/AMD Nested Page Tables(NPT) #1 VM実行時実際に CPUが使っている CR3 VMMが作成した、 VMへのメモリ割当を示すテーブル VM内で見える CR3

48. 48 VM上のページング③ Extended Page Tables(EPT)/AMD Nested Page Tables(NPT) #2 • 非仮想化環境のページング – Memory Management Unit (MMU) ハードウェアが処理 – CR3レジスタで指定されたページテーブルにより、プロセッサが仮想メモリを実現 • これまでのソフトウェアによるページング(Shadow Page Table利用環境) – VMMが、VM向けのページングをソフトウェア的に再現 – VMMが、VM内仮想アドレス→物理アドレスのテーブルを追加作成、管理 • EPT/NPT有効時のページング – 仮想マシンの物理アドレス(Guest-Physical)を、実際の物理アドレス (Machine-Physical)に変換する機能をプロセッサレベルで提供 – 仮想マシン実行時のメモリ仮想化はプロセッサが自動的に処理 – VMMは必要なメモリ割当テーブルをメモリ上に作成、CPUに設定する（だけ） パフォーマンスの大幅向上（VMMによってはゲストの動作が約３０％高速化）

49. 49 メモリ管理のまとめ  物理アドレスと仮想アドレス  仮想アドレスを用いたアクセスにはページテーブルが必要  VM内ページングの手法  ソフトウェアによるページング（Shadow Page Table） • VM内仮想アドレスをマシン物理アドレスに変換するテーブル  ページング支援技術（Extend Page Tables, Nested Page Tables） • プロセッサがVM内仮想アドレスを物理アドレスに自動変換 CPUアーキテクチャに応じた仮想化技術の選択  Core i7, Xeon 5500(Nehalem) 未満 …. KVM ＜ Xen  Core i7, Xeon 5500(Nehalem) 以後 …. KVM ≒ Xen (Intel製プロセッサの場合。AMD製プロセッサはBarcelona未満／以後)

51. 51  I/Oポート – プロセッサから外部に接続するためのデジタルインターフェイス – ON(1) もしくは OFF(0) を通信する – 1アドレス 8ビット×64K、アクセス単位が基本8ビットなので非常に低速【使途】キーボードの押下状況確認、ディスクコントローラの状態設定、通知など  メモリマップドI/O (Memory Mapped I/O) – プロセッサの物理メモリ空間に、デバイス上のメモリ空間をマッピングする – ソフトウェアからデバイス上のメモリ空間に直接アクセスできる【使途】VGA, Sound, Disk Controller, Ethernet Controller など大量コピー  割り込み(Interrupt) – デバイスからCPUへイベントを通知するための信号【使途】タイマーの通知、キーボードの状態変化通知、データ転送完了通知(DMA, MMIO)など x86で使用される主なデバイスI/O方式

52. 52 Serial Port Serial Port Parallel Port Parallel Port PIIX3 PCI IDEPIIX3 PCI IDE PIIX3 PCI USBPIIX3 PCI USB PCI SlotPCI Slot PCI SlotPCI Slot LSI Logic LSI53c895a LSI Logic LSI53c895a System MemorySystem Memory Bochs Flash BIOS Bochs Flash BIOS Real Time Clock Real Time Clock Cirrus Logic CL-GD5446 Cirrus Logic CL-GD5446 Realtek RTL8029 Realtek RTL8029 Ensoniq ES1370 Ensoniq ES1370 ISA Bus ISA Bus ISA I/O Interface ISA I/O Interface FloppyFloppy PC SpeakerPC Speaker PCI Bus PCI Bus Intel 82371 PIIX3 (South-bridge) Intel 82371 PIIX3 (South-bridge) CPUCPU VGAVGA EthernetEthernet SpeakerSpeaker SCSI HDDSCSI HDD IDE HDDIDE HDD CD-ROMCD-ROM USBUSB KeyboardKeyboard MouseMouse PS/2PS/2 QEMUによる x86ハードウェアエミュレーション出典: KVM徹底入門 (2010年翔泳社) Intel 82441FX (North-bridge) Intel 82441FX (North-bridge)

53. 53 KVMによる x86ハードウェアエミュレーション • QEMU由来のデバイスエミュレータを使用 – Xen, VirtualBox等オープンソースの仮想マシンはほとんどQEMU由来のエミュレータを使用している • 仮想デバイスの処理の流れ – VM内でハードウェアアクセスが発生！ – CPUがゲストOSからホストOSへ制御を返す – KVMが例外をトラップし、QEMUのイベントハンドラに制御を移す（返す） – QEMUのイベントハンドラがトラップの原因を確認し、適宜必要な処理を行う  仮想デバイスに対するI/O ならデバイスエミュレータを実行 – QEMUがKVMに、KVMがVMに制御を戻す – VMはハードウェアアクセスが成功したと信じて実行を続ける qemu-kvmqemu-kvm Linux KernelLinux Kernel Virtual Machine Image Device Emulator HardwareHardware System callsSystem callsKernel-based Virtual Machine Kernel-based Virtual Machine Device DriversDevice Drivers

54. 54 599 int kvm_run(CPUState *env) 600 { 601 int r; 602 kvm_context_t kvm = &env->kvm_state->kvm_context; 603 struct kvm_run *run = env->kvm_run; 604 int fd = env->kvm_fd; 605 606 again: ……… 610 } 626 r = ioctl(fd, KVM_RUN, 0); 645 if (1) { 646 switch (run->exit_reason) { 647 case KVM_EXIT_UNKNOWN: 650 case KVM_EXIT_FAIL_ENTRY: 653 case KVM_EXIT_EXCEPTION: 660 case KVM_EXIT_IO: 661 r = kvm_handle_io(run->io.port, 662 (uint8_t *)run + run->io.data_offset, 663 run->io.direction, 664 run->io.size, 665 run->io.count); 666 r = 0; 667 break; 668 case KVM_EXIT_DEBUG: ……… 694 default: 701 } 702 } 703 more: 704 if (!r) { 705 goto again; 706 } 707 return r; 708 } 733 static int kvm_handle_io(uint16_t port, void *data, int direction, int size, 734 uint32_t count) 735 { 736 int i; 737 uint8_t *ptr = data; 738 739 for (i = 0; i < count; i++) { 740 if (direction == KVM_EXIT_IO_IN) { 741 switch (size) { 742 case 1: 743 stb_p(ptr, cpu_inb(port)); 744 break; 745 case 2: 746 stw_p(ptr, cpu_inw(port)); 747 break; 748 case 4: 749 stl_p(ptr, cpu_inl(port)); 750 break; 751 } 752 } else { 753 switch (size) { 754 case 1: 755 cpu_outb(port, ldub_p(ptr)); 756 break; 757 case 2: 758 cpu_outw(port, lduw_p(ptr)); 759 break; 760 case 4: 761 cpu_outl(port, ldl_p(ptr)); 762 break; 763 } 764 } 765 766 ptr += size; 767 } 768 769 return 1; 770 } KVMによる x86 H/Wエミュレーション (ソース追跡編 #1) qemu-kvm.c kvm_run関数 (VM実行部分) VM実行 kvm-all.c kvm_handle_io関数 (I/Oイベントハンドラ) I/Oポートの読み取り I/Oポートへの書き込み ioport.c 201 void cpu_outw(pio_addr_t addr, uint16_t val) 202 { 203 LOG_IOPORT("outw: %04"FMT_pioaddr" %04"PRIx16"n", addr, val); 204 ioport_write(1, addr, val); 205 } ioport.c 70 static void ioport_write(int index, uint32_t address, uint32_t data) 71 { 72 static IOPortWriteFunc * const default_func[3] = { 73 default_ioport_writeb, 74 default_ioport_writew, 75 default_ioport_writel 76 }; 77 IOPortWriteFunc *func = ioport_write_table[index][address]; 78 if (!func) 79 func = default_func[index]; 80 func(ioport_opaque[address], address, data); 81 } I/O発生 → QEMUのイベントハンドラへ I/Oポートに対応するイベントハンドラへ

55. 55 QEMUからの通知を受け取るイベントハンドラ 589 static uint32_t fdctrl_read_port (void *opaque, uint32_t reg) 590 { 591 return fdctrl_read(opaque, reg & 7); 592 } 593 594 static void fdctrl_write_port (void *opaque, uint32_t reg, uint32_t value) 595 { 596 fdctrl_write(opaque, reg & 7, value); 597 } 598 599 static uint32_t fdctrl_read_mem (void *opaque, target_phys_addr_t reg) 600 { 601 return fdctrl_read(opaque, (uint32_t)reg); 602 } 603 604 static void fdctrl_write_mem (void *opaque, 605 target_phys_addr_t reg, uint32_t value) 606 { 607 fdctrl_write(opaque, (uint32_t)reg, value); 608 } 529 static uint32_t fdctrl_read (void *opaque, uint32_t reg) 530 { 531 fdctrl_t *fdctrl = opaque; 532 uint32_t retval; 533 534 switch (reg) { 535 case FD_REG_SRA: 536 retval = fdctrl_read_statusA(fdctrl); 537 break; 538 case FD_REG_SRB: 539 retval = fdctrl_read_statusB(fdctrl); 540 break; 541 case FD_REG_DOR: 542 retval = fdctrl_read_dor(fdctrl); 543 break; … 556 default: 557 retval = (uint32_t)(-1); 558 break; 559 } 561 562 return retval; 563 } フロッピーディスクコントローラをQEMUに登録 1955 static int isabus_fdc_init1(ISADevice *dev) 1956 { 1957 fdctrl_isabus_t *isa = DO_UPCAST(fdctrl_isabus_t, busdev, dev); 1958 fdctrl_t *fdctrl = &isa->state; 1959 int iobase = 0x3f0; 1960 int isairq = 6; 1961 int dma_chann = 2; 1962 int ret; 1963 1964 register_ioport_read(iobase + 0x01, 5, 1, 1965 &fdctrl_read_port, fdctrl); 1966 register_ioport_read(iobase + 0x07, 1, 1, 1967 &fdctrl_read_port, fdctrl); 1968 register_ioport_write(iobase + 0x01, 5, 1, 1969 &fdctrl_write_port, fdctrl); 1970 register_ioport_write(iobase + 0x07, 1, 1, 1971 &fdctrl_write_port, fdctrl); 1972 isa_init_irq(&isa->busdev, &fdctrl->irq, isairq); 1973 fdctrl->dma_chann = dma_chann; 1974 1975 ret = fdctrl_init_common(fdctrl, iobase); 1976 1977 return ret; 1978 } KVMによる x86 H/Wエミュレーション (ソース追跡編 #２) I/Oポートアクセス qemu-0.12.5/hw/fdc.c (仮想フロッピーディスクコントローラ) QEMU I/Oポートテーブルレジスタの読み取りエミュレーション 847 /* Status B register : 0x01 (read-only) */ 848 static uint32_t fdctrl_read_statusB (fdctrl_t *fdctrl) 849 { 850 uint32_t retval = fdctrl->srb; 854 return retval; 855 }

56. 56 QEMUの仮想デバイスを選択する(1/3) • QEMUには同種のデバイスエミュレータが複数実装されている • いちばん気になる「仮想NIC」 – rtl8139 (Realtek 8139) – e1000 (Intel PRO/1000) • 何が違うのか – ゲストが認識するデバイス – デバイスドライバ エミュレーションの効率 → 全ゲストでシェアする”CPU”の利用効率

57. 57 QEMUの仮想デバイスを選択する(2/3) • どれぐらい効率が違うものか？ 58.3Mbps 対 394Mbps (6.75倍) C:¥>iperf -c 192.168.44.25 -w 4M ------------------------------------------------------------ Client connecting to 192.168.44.25, TCP port 5001 TCP window size: 4.00 MByte ------------------------------------------------------------ [1912] local 192.168.44.77 port 3334 connected with 192.168.44.25 port 5001 [ ID] Interval Transfer Bandwidth [1912] 0.0-10.1 sec 474 MBytes 394 Mbits/sec C:¥>iperf -c 192.168.44.25 -w 4M ------------------------------------------------------------ Client connecting to 192.168.44.25, TCP port 5001 TCP window size: 4.00 MByte ------------------------------------------------------------ [1912] local 192.168.44.77 port 3334 connected with 192.168.44.25 port 5001 [ ID] Interval Transfer Bandwidth [1912] 0.0-10.1 sec 474 MBytes 394 Mbits/sec e1000C:¥>iperf -c 192.168.44.75 -w 4M ------------------------------------------------------------ Client connecting to 192.168.44.75, TCP port 5001 TCP window size: 4.00 MByte ------------------------------------------------------------ [1912] local 192.168.44.77 port 3318 connected with 192.168.44.75 port 5001 [ ID] Interval Transfer Bandwidth [1912] 0.0-10.5 sec 73.1 MBytes 58.3 Mbits/sec C:¥>iperf -c 192.168.44.75 -w 4M ------------------------------------------------------------ Client connecting to 192.168.44.75, TCP port 5001 TCP window size: 4.00 MByte ------------------------------------------------------------ [1912] local 192.168.44.77 port 3318 connected with 192.168.44.75 port 5001 [ ID] Interval Transfer Bandwidth [1912] 0.0-10.5 sec 73.1 MBytes 58.3 Mbits/sec rtl8139 評価環境 Machine: Intel DQ45CB + Core2 Quad Q8400 (2.6GHz) Host: Debian GNU/Linux (Lenny) + xen-unstable (Aug. 2010) Guest: Windows xp SP3, 1 vCPU

58. 58 QEMUの仮想デバイスを選択する(3/3) • rtl8139とe1000の差はどこに？ – 「熱に消えた？」一概には言えないが • rtl8139を使うということ 有名チップをそのまま再現しているため、既存のドライバを利用できる CPU能力の無駄遣い スループット制限はホストOSの機能を使うこと(tcコマンド) • e1000ドライバを使うということ QEMU由来VM用仮想NICの中では“かなりの高効率” Windows XP SP3標準ドライバでは認識できない Intel純正ドライバを使えば利用できる（が…）

59. 59 デバイスのエミュレーションのまとめ  オープンソース系のVMMは、デバイスエミュレーションに QEMUを使用している – x86で使用される周辺チップがソフトウェア的実装されている – 仮想マシン内でI/Oが発生したらエミュレータが処理し結果を返す  エミュレーションするデバイスの選び方にも注意 – パフォーマンスが高い仮想デバイス、低い仮想デバイス

61. 61 ここまでのまとめ • コンピュータの３大要素: 中央演算装置,主記憶装置,入出力装置 • 仮想化の手法 – CPU • 仮想マシンはCPUが直接実行する • 仮想化支援技術、例外などの仕組みを活用。必要時に制御をVMMに戻す • 現行プロセッサのほとんどは仮想化支援技術に対応 – メモリ • ゲストに一部メモリ領域を「全物理メモリ」だとと錯覚させる • CPUはCR3レジスタに設定された内容に基づきページングする • VMMが、ソフトウェア、もしくはハードウェアによるページング支援を行う – I/Oデバイス • 仮想マシン上で発生したI/O命令を例外としてトラップし、デバイスエミュレータにて代替処理を行う

63. 63 virtioの概要 • 『virtio』とは  リングバッファを使用したHost – Guest間のインターフェイスを定義  Host 、Guest OSの実装に非依存 • qemu-kvm, VirtualBox がサポート  各デバイスは１つ１つが独立し動作 • virtio Block x2→ PCIデバイス x2 • 例外あり（ドライバ実装に依存）  非常に高速 • 無駄なH/Wエミュレーションは不要 • 『virtio-pci』とは  仮想PCIデバイス使用した virtioインターフェイスの実装仕様 HostHost GuestGuest ハードウェアハードウェア PCI Bus PCI Bus virtio Ballon virtio Ballon virtio Block virtio Block virtio Block virtio Block virtio Net virtio Net virtio Ballon virtio Ballon virtio Block virtio Block virtio Block virtio Block virtio Net virtio Net

64. 64 virtioの既知デバイスタイプ iomemory6 9p transport9 乱数生成用ソースentropy source4 ゲストが確保したメモリをできるだけ解放するよう促すメモリバルーンmemory balloning5 仮想コンソールconsole3 仮想ネットワークインターフェイスnetwork card1 仮想ディスク、SCSIパススル－仮想ブロックデバイスblock device2 参考デバイス機能Device TypeID  PCI Vendor ID, Device ID • Qumranet(現RedHat子会社)がPCIベンダ／デバイスIDを提供 • Vendor ID: 0x1AF4, Device ID: 0x1000～0x103F  Subsystem Device ID • そのvirtioデバイスが持つ機能を示す。USBのClassと同様 List of Subsystem Device ID – 出典：Virtio PCI Card Specification v0.8.9 DRAFT (Rusty Russell, 2010) qemu-kvmに実装されていないデバイスは灰色で表記した

65. 65 virtioのリングバッファ • リングバッファ  Host – Guest 間のデータ交換は共有メモリのリングバッファを使用  デバイスあたり1つ以上使用  リングの構成（数・長さ）はバックエンドドライバが指定 • virtio共通の初期化処理（フロントエンド視点） – バックエンドドライバをプローブ – Guest が自分のメモリ空間にバッファを確保 – GuestがHost側にバッファの物理アドレス(Guest-Physical)を通知 HostHost GuestGuest ハードウェアハードウェア PCI Bus PCI Bus virtio Ballon virtio Ballon virtio Block virtio Block virtio Block virtio Block virtio Net virtio Net virtio Balloon virtio Balloon virtio Block virtio Block virtio Block virtio Block virtio Net virtio Net

66. 66 virtio-netによるリングバッファ利用例 • キュー 0 – 受信パケット用キュー • キュー 1 – 送信パケット用キュー • キュー 2 – ドライバ制御情報 HostHost GuestGuest ハードウェアハードウェア PCI Bus PCI Bus virtio-net デバイスドライバ virtio-net デバイスドライバ virtio-net PCIデバイス virtio-net PCIデバイス Queue 0 Queue 1 Queue 2 受信パケット送信パケットドライバ制御情報

67. 67 Guest 側Guest 側 virtioのリングバッファ構造(1/2)  キューの位置を示す2つのポインタ  Guest側のバッファ終端位置 (vring.avail.idx)  Hostが最後に処理したバッファ位置 (vring.used.idx)  互いに絶対追い抜いてはいけない  Lock-Free ① Guestがキューにデータを追加する – キューにデータを書き込む; vring.avail.idx++; ② Hostがキューからデータを読む – while (vring.used.idx < vring.avail.idx) { キュー上のデータを処理; vring.used.idx++; } vring.avail.idx vring.used.idx Host 側Host 側 ③ Guestがキューからデータを読む – while (last_used_idx < vring.used.idx) { キュー上のデータを処理; last_used_idx ++; } • リングの仕組みは共有コード上に実装 – 各ドライバごとの実装は不要

68. 68 virtioのリングバッファ構造(2/2) • 従来モード – リング上にバッファのアドレス情報をおく – 1メモリ断片／1エントリ • indirectモード – リング上にindirectテーブルのアドレス情報をおき、実際のバッファを間接参照 – 1以上のメモリ断片／1エントリ • virtio-netの例 – RX/TXのデータ構造の例 • TX(RX)パケット情報の構造体 × 1 • Ethernetフレーム × 1 – リングの構造： 256エントリ/ring • 従来モード: 256 ÷ 2 = 128 • indirectモード: 256 ÷ 1 = 256  indirectモードのほうが多数パケットをキューできる従来モード（過去バージョンのvirtio互換) indirectモード（現行virtioでサポートされる） Indirectモードの構造を見ていると干し柿を食べたくなりますね

69. 69 virtio-pciのリングバッファ更新通知【Guest → Host】 – H/Wエミュレータのハンドラをキック – 通知用I/Oポートにデータ書き込み【Host → Guest】 – ゲストの割り込みハンドラをキック – IRQ割り込み、MSI-X割り込み【キックの抑制】 – VRING_USED_F_NO_NOTIFY (G→H I/Oポートキックの抑制) – VRING_AVAIL_NO_INTERRUPT (H→G IRQ割り込みの抑制) – VIRTIO_F_NOTIFY_ON_EMPTY （バッファが空になった場合のみ通知） • VMX root/non-root切替が発生するため高コスト（回数を減らす工夫が必要) HostHost GuestGuest HardwareHardware PCI Bus PCI Bus virtio フロントエンドデバイスドライバ virtio フロントエンドデバイスドライバ virtio バックエンド PCIデバイスvirtio バックエンド PCIデバイス IRQ, MSI-X 割り込みでキック I/Oポートを通してキック

70. 70 virtio-blkが遅い? - 原因を考えてみる現状のvirtio-blkの実装は… – リングはひとつだけ使用 – I/O要求は128個まで同時受付可能  SCSI, SATAのNCQ相当が効かない？ – リングは“順番に処理”が原則 – Host OS, Driver, Driveのレベルで I/O要求の並べ替えが行われない  virtio-blkはI/Oの乱発が苦手？ – マルチスレッドI/Oもきっと苦手  性能より実装容易化を重視した？  今後、マルチキューサポートで改善？ HostHost GuestGuest PCI Bus PCI Bus virtio-blk デバイスドライバ virtio-blk デバイスドライバ virtio-blk PCIデバイスvirtio-blk PCIデバイス Queue 0 I/O 要求 I/O 結果 ×

71. 71 virtio関連ソースコードとライセンス形態 • Host側（バックエンド側） – qemu-kvmソースコードを参照 – Git • Guest側（フロントエンド側） – Linuxソースコードを参照 – ファンクションドライバ drivers/net/virtio-net.c drivers/block/virtio-blk.c ほか – 共有ソースコード drivers/virtio/ virtio_pci.c （仮想PCIデバイス） virtio_ring.c （リングバッファ） Linux用コードのライセンス形態アルゴリズム（関数定義、マクロ）アルゴリズム（関数定義、マクロ）データ構造、定数（構造体など）データ構造、定数（構造体など） BSDL GPL 論文、仕様書の入手先 http://ozlabs.org/~rusty/virtio-spec/ – virtio: Towards a De-Facto Standard For Virtual I/O Devices – Virtio PCI Card Specification

72. 72 virtio-net for FreeBSD (1/2) モチベーション • virtioを理解するために開発中 Why on FreeBSD? • FreeBSDなら実用価値もある？ – さくらのVPS • BSDL 現段階の実装状況 • リングバッファ（主要機能のみ） • virtio-net virtio-net for FreeBSD テスト状況 • 2TiB TX, 1TiB RX以上の負荷試験 • 32bit OS未確認(AMD64にて開発) パフォーマンス • 1vCPU VM: TX 110Mbps • 2vCPUs VM: TX 40Mbps • 1vCPU VM+HW Emulation TX 100MBps

73. 73 virtio-net for FreeBSD (2/2) $ ifconfig vn0 vn0: flags=8843<UP,BROADCAST,RUNNING,SIMPLEX,MULTICAST> metric 0 mtu 1500 ether 52:54:00:1f:61:0e inet 192.168.90.1 netmask 0xffffff00 broadcast 255.255.255.0 $ [root@proliant2 ~]# ifconfig vnet2 vnet2 Link encap:Ethernet HWaddr FE:54:00:1F:61:0E inet6 addr: fe80::fc54:ff:fe1f:610e/64 Scope:Link UP BROADCAST RUNNING MULTICAST MTU:1500 Metric:1 RX packets:2828598448 errors:0 dropped:0 overruns:0 frame:0 TX packets:1424299907 errors:0 dropped:0 overruns:0 carrier:0 collisions:0 txqueuelen:500 RX bytes:4267254392920 (3.8 TiB) TX bytes:93999838700 (87.5 GiB) Guset OS (FreeBSD) から見ると Host OS (Linux, Fedora 14) から見ると

74. 74 virtio for FreeBSD Rusty Russellにメールしてみた • FreeBSD用virtioドライバと聞いて – エキサイティング！ – 私もキミのコードを見てFreeBSDを勉強するよ。 • virtioドライバを開発する上でのアドバイス – Linux用virtioフロントエンドはLinux前提に書かれている。 – 他OS用virtioならその世界にあわせて開発したほうがいい。 – その成果はきっとvirtioに対し良いフィードバックになるよ！

75. 75 virtio-blk for FreeBSD (1/3) • FreeBSDユーザにとって一番重要なドライバ – QEMU上のFreeBSDはディスクアクセスが遅い（らしい） たぶんストレージ部分のvirtio化は望まれている 「ドライバ２つ目はコレをやるしかない！」 • virtio-blkの実装作業 – セクタのリード／ライトだけなら実装はシンプル、簡単 – デバイスの特性が違う • Block … 要求に対して、必ず応答が戻る • NIC … 送受信が完全に非同期 – 中途半端なコードだと、I/O完了までブロック！ • デバッグ中はちょっと大変だった

76. 76 virtio-blk for FreeBSD (2/3) vm162# newfs /dev/vd0 /dev/vd0: 8.0MB (16384 sectors) block size 16384, fragment size 2048 using 4 cylinder groups of 2.02MB, 129 blks, 320 inodes. super-block backups (for fsck -b #) at: 160, 4288, 8416, 12544 vm162# mount /dev/vd0 /mnt/vd0 vm162# mount | grep vd0 /dev/vd0 on /mnt/vd0 (ufs, local) vm162# df -h | grep vd0 /dev/vd0 7.5M 4.0K 6.9M 0% /mnt/vd0 Guset OS (FreeBSD) から見ると

77. 77 virtio-blk for FreeBSD (3/3) • 実装して判ってきた事 – virtio-blkが完成しても、直接ディスク性能の劇的改善には結びつかない可能性が高い SCSIエミュレーションと比べ、性能は誤差の範囲 • virtio-blk, sym どちらでも約 6MB/sec （手元の開発環境にて） • チューニングはまだ不十分とはいえ… FreeBSDにはディスク書き込みのBarrierの仕組みがない？（詳しい人教えてください）

78. 78 virtioのまとめ  リングバッファを用いる仮想デバイス用インターフェイス – virtioデバイスはSystem VM（完全仮想化）では仮想的なPCIデバイスとして認識される – メジャーなフロントエンドドライバ • ネットワーク、ディスク、シリアルコンソール • メモリバルーン（ゲストが確保するメモリ量を縮小させる）  virtioドライバを書けば、対応VMMで高効率I/Oができる – 現状qemu-kvmのほか、VirtualBoxもvirtioをサポート – Linux用ドライバ（事実上のリファレンス）は GPL – FreeBSD用ドライバを鋭意開発中

80. 80 （番外編）ZFSを正しく動かすのは難しい • ZFSをPC, PCサーバ, 仮想マシンの上で正しく動かすのは難しい – ZFSの設計思想のひとつ：信頼性 – End to End Checksum • 上記実現のために前提条件として要求されるもの – 正しいエラー通知をするハードウェア、ドライバ – 必要なライト操作は同期I/Oで行われること – “絶対に壊れないZFS Intent Log(ZIL)” ※ZIL利用時 • Xenの上で実行するにあたり – blktapの”tap:aio:…”もしくは”tap:sync:…”を使う

81. 81 RAID-Z障害の例(1) root@os200811:~# zpool status array1 pool: array1 state: DEGRADED status: One or more devices are faulted in response to persistent errors. Sufficient replicas exist for the pool to continue functioning in a degraded state. action: Replace the faulted device, or use 'zpool clear' to mark the device repaired. see: http://www.sun.com/msg/ZFS-8000-K4 scrub: none requested config: NAME STATE READ WRITE CKSUM array1 DEGRADED 0 0 0 raidz1 DEGRADED 0 0 0 c3d1p1 ONLINE 0 0 0 c3d2p1 FAULTED 8 7.56M 0 too many errors c3d3p1 ONLINE 0 0 0

82. 82 RAID-Z障害の例(2) Sep 1 20:31:23 dom0 kernel: ata11: exception Emask 0x10 SAct 0x0 SErr 0x80000 action 0xe frozen （続く） • 物理障害 – HDDエンクロージャの物理障害により – SATAコントローラ – HDD間のリンクが切断 • Dom0カーネルが障害を検出 – Kernelメッセージ多数 – ブロックデバイス消滅 • OpenSolaris domUが障害を検出 – blktapバックエンドがエラーを検出しVBDを強制デタッチ? – RAID-Zアレイの1デバイスが死亡しdegraded状態となる

83. 83 RAID-Z障害の例(3) • OpenSolarisを再起動したら – インポートできなくなりました – 『動いているものは安易に止めるな！』（本気で） • 復旧までの道のり – 当時の最新リリース(OpenSolaris 2009.06)では対処手段なし – ZFSソース探検中に偶然「インポート失敗時、トランザクションをロールバックしてインポートを試みる」オプションを発見 – レポジトリ最新のONにアップデート – トランザクションをロールバックした上でインポート成功 • ハードウェアレベルの問題を解決した後にスクラブを実施し復旧

84. 84 いまは平和に動いています toor@vm230:~$ pfexec zpool status array1 pool: array1 state: ONLINE status: The pool is formatted using an older on-disk format. The pool can still be used, but some features are unavailable. action: Upgrade the pool using 'zpool upgrade'. Once this is done, the pool will no longer be accessible on older software versions. scrub: scrub completed after 3h40m with 0 errors on Fri Mar 12 01:20:10 2010 config: NAME STATE READ WRITE CKSUM array1 ONLINE 0 0 0 raidz1-0 ONLINE 0 0 0 c6t1d0p0 ONLINE 0 0 0 c6t2d0p0 ONLINE 0 0 0 c6t3d0p0 ONLINE 0 0 0 logs c6t4d0p0 ONLINE 0 0 0 errors: No known data errors

86. 86 外部リソース集 (1/3) • KVM - Kernel Based Virtual Machine http://www.linux-kvm.org/page/ • QEMU http://wiki.qemu.org/ • virtio http://www.linux-kvm.org/page/virtio • Rusty Russellによるvirtio関連ドキュメント(paper, specification) http://ozlabs.org/~rusty/virtio-spec/ • AMD-V™ Nested Paging http://developer.amd.com/assets/NPT-WP-1%201-final-TM.pdf

87. 87 外部リソース集 (2/3) • Intel® 64 and IA-32 Architectures Software Developer’s Manual Volume 3A, 3B – 書籍『KVM徹底入門』(翔泳社) http://www.seshop.com/product/detail/12214/ – 書籍『はじめて読む486』 (アスキー出版局) http://www.amazon.co.jp/dp/4756102131 – 書籍『すべてわかる仮想化大全』 – VMware/Virtual Server (日経BPムック) http://www.amazon.co.jp/dp/482223410X – 書籍『30日でできる! OS自作入門』 (MYCOM) http://www.amazon.co.jp/dp/4839919844

88. 88 外部リソース集 (3/3) – 書籍『Virtual Machines: Versatile Platforms for Systems and Processes (The Morgan Kaufmann Series in Computer Architecture and Design)』 http://www.amazon.com/dp/1558609105/ ※ハードカバー＆分厚いので amazon.com から Kindle 版の購入をお勧め！

エンジニアなら知っておきたい「仮想マシン」のしくみ v1.1 (hbstudy 17)

Takeshi HASEGAWA

エンジニアなら知っておきたい「仮想マシン」のしくみ v1.1 (hbstudy 17)