1.深入了解iommu系列二:iommu 工作原理解析之dma remapping
2.多卡运行分布式训练卡死
3.AMD 处理器优化手册
4.深入了解iommu系列一：iommu硬件架构和驱动初始化
5.IOMMU(三)-初始化

深入了解iommu系列二:iommu 工作原理解析之dma remapping

       深入了解iommu系列二：iommu工作原理解析之dma remapping

       序言

       上一篇文章主要介绍了iommu硬件架构以及驱动层的初始化流程，本文将深入探讨iommu在虚拟化和非虚拟化场景下dma remapping的工作原理。

       非虚拟化场景

       非虚拟化场景下，除非在cmdline中明确设置iommu为disabled，否则一般默认启用iommu硬件。iommu=pt的小说分享源码设置会提前建立静态映射。我们将通过内核代码片段分析iommu的dma工作机制。

       取自内核e网卡驱动的代码片段，核心逻辑是将skb地址进行dma映射，以便硬件直接进行dma操作。pci_map_single函数最终调用intel_map_page。当iommu硬件存在（以intel iommu为例）时，它会引导到intel_map_page函数。

       我们深入分析这个函数的核心逻辑。首先判断是否为iommu_no_mapping，如果是，则直接返回paddr（物理地址）。接着查看iommu_no_mapping函数的具体实现。从实现来看，首先判断iommu_identity_mapping是否为空（在iommut=pt的情况下不为空）。如果为空则返回false。在不为空的情况下，函数走到identity_mapping，实现如下：

       函数首先判断iommu_identity_mapping是否为空，iommut=pt时非空。接着检查设备的domain是否为si_domain，答案肯定。函数返回true，jsonp源码下载然后走到iommu_should_identity_map(dev, 0)，主要判断如下：如果返回false，则从si_domain中删除设备的映射；反之，直接返回物理地址。总结，iommu=pt场景下，由于静态映射的存在，直接返回paddr。为什么直接返回物理地址而不是iova？我们详细解释。

       在iommu=pt且硬件支持paasthrough翻译模式下，硬件的DMA到iommu后无需走页表翻译，直接与memory controller交互。但问题来了，iommu硬件如何区分哪些设备的DMA需要页表转换，哪些不需要？为了解决这个问题，我们回顾一下DMA页表的确定过程。

       通过分析，iommu通过contex_entry的TT字段来区分。TT为b表示不需要页表转换，从而iommu通过此字段进行区分。

       iommu=pt、hw为true的情况已经解释，如果hw为false，逻辑从init_dmars函数开始。在这种情况下，不会提前创建si_domain（即提前做好iova映射）。设备在DMA映射时创建，libcurl源码编译逻辑在__intel_map_single函数中，部分核心逻辑如下。

       虚拟化场景

       iommu在虚拟化场景中扮演重要角色，尤其在设备直通场景。虚拟机中没有iommu，guest中使用的dma_ops走noiommu。当guest使用dma_map等API时，返回gpa。在完全模拟设备（如virtio-net或virtio-blk）场景下，内存转换还在mmu层。但在直通设备场景，外设无法直接dma gpa，需要一层转换。接下来我们分析虚拟化场景下iommu的工作。

       设置iommu=pt和intel_iommu=on，将vf或pf从原驱动unbind，bind到vfio_pci，初始化vfio层面，对guest内存vfio_dma_map。iommu=pt已解释，我们关注设备unbind和bind到vfio_pci的相关操作。

       设备从原驱动unbind时，如果已有si_domain（pt场景下的静态映射），则从si_domain中移除设备。将设备bind到vfio-pci driver时，核心逻辑在vfio_pci_probe函数中。

       qemu侧的lua coroutine 源码vfio设备初始化函数vfio_realize，核心逻辑涉及设备所属的vfio_group和container的创建与关联。

       vfio_realize中完成与vm dma相关数据结构初始化，并处理dma页表初始化。qemu通过注册memory region listener callback将vm内存映射起来，具体调用逻辑如下。

       总结

       结合分析，回答了非虚拟化场景下iommu=pt与disabled的区别，虚拟机中dma如何进行，以及不同intel iommu硬件下两个pci设备如何实现直通给同一vm的问题。

多卡运行分布式训练卡死

       遇到多卡运行分布式训练任务卡死的问题，发现设置export NCCL_P2P_DISABLE=1后情况改善。深入研究后确定原因在于IO虚拟化（VT-d或IOMMU）中的ACS功能被启用。查阅文档后，可发现解决方法需在BIOS中关闭ACS功能。

       解决步骤如下：

       首先，确认ACS是否已启用。通过运行命令lspci -vvv | grep -I acsctl检查。如果结果显示SrcValid+，表明ACS已开启。

       接着，修改引导参数。编辑/etc/default/grub文件以添加iommu=pt参数，并通过执行update-grub命令更新文件。

       然后，在BIOS中关闭ACS功能。重启操作系统后，进入BIOS路径：Path: Advanced > Chipset Configuration > North Bridge > IIO Configuration > Intel VT for Directed I/O (VT-d) > ACS Control，osgi实战 源码关闭ACS功能，同时保持VT-d功能开启。

       再次执行lspci -vvv | grep -I acsctl命令确认ACS是否已关闭。结果显示全显示SrcValid-，表示ACS已成功禁用。

       接下来，使用CUDA测试工具以验证问题已解决。首先，通过git命令下载工具。注意根据计算卡类型调整安装参数。随后使用bandwidthTest进行内存拷贝和跨PCI-e内存带宽测试，进一步检查设备间通信效能。p2pBandwidthLatencyTest工具则用于具体测试多卡之间的P2P通信带宽。

       通过以上步骤进行调整与测试，分布式训练卡死问题得到解决，确保系统稳定运行并提高整体性能。

AMD 处理器优化手册

       硬件安装需注意CPU插座的3个螺丝力度均匀，避免内存、PCIe设备识别异常。BIOS设置中，将Cpre performance Boost设置为Enable以发挥处理器最高性能，关闭Golbal C-state Control以节能，但开启后会自动调整CPU功耗，影响EPYC性能，需根据需求调整。手动设置cTDP功耗限制，根据CPU最大TDP标设定，以实现更高的功率运行和更强性能。Efficiency Optimized Mode模式应关闭，以获得更强性能。Determinism Slider设置为power以允许处理器运行在最强性能状态，适合Benchmark测试，实现系统性能一致性则选择performance。Memory interleaving设置根据应用类型和内存数量设定NUMA node个数，以优化内存访问。BIOS中启用IOMMU选项，提升数据性能，尤其是在运行虚拟化软件时。

       系统设置时，在Grub文件中加入iommu=pt启用Pass-through模式，并重启服务器。当服务器有SR-IOV设置时，通过Pass-through模式，无需内存数据中转，直接将设备交由终端调用。命令“cpupower frequency-set –r –g performance”将处理器设置为性能模式，发挥服务器最强性能。

       进行Numa绑定以优化资源分配。使用lstopo-no-graphics查看CPU、NUMA、CPU核以及dpdk网卡的分布情况和关系。Numactl –H查看NUMA节点数和每个节点内存容量。使用watch –d –n 1 ‘cpupower monitor’监控CPU频率。lspci |grep Eth查看网卡信息。lspci –s 0:.0 –vvv查看设备号信息。dmidecode –t memory查看内存信息。

       在Naples CPU中，一个CPU有4个Die，每个Die由2个CCX组成，共享一个三级缓存。通过numactl -C 0,1,2,3 -m 0,1,2,3 ./app_start绑定CPU核心和NUMA节点，提高性能。使用numactl命令查看帮助信息，了解如何使用其参数优化系统配置，如memory policy、--interleave、--preferred等。确保合理配置以实现最佳性能。

深入了解iommu系列一：iommu硬件架构和驱动初始化

       深入探索iommu系列：硬件架构、驱动初始化与虚拟化应用的集成

       iommu：内存隔离与DMA操作的守护者

       iommu，即DMA Remapping Unit，是服务器中的关键组件，它负责协调PCIe设备与IOAPIC/HPET之间的数据传输，确保在虚拟化环境中提供内存隔离，防止跨虚拟机的DMA访问。启动时，BIOS通过DMAR ACPI表进行iommu的检测和配置，其中的drhd结构描述了硬件的复杂布局，包括PCI domain的划分、关联设备以及注册基地址的管理。

       硬件架构与流程图解

       图一、图二和图三揭示了iommu的精密架构，从DMA操作的流程到BIOS的检测机制。iommu的早期版本主要针对位系统，如今扩展到支持连续DMA和隔离功能，尤其在虚拟化环境中，它强化了PCIe协议，为虚拟机内存提供了更严格的隔离。

       ACPI DMAR头与初始化关键组件

       ACPI DMAR header结构包含了iommu硬件抽象的详细信息，如内存映射和注册区域。iommu的初始化始于detect_intel_iommu函数，通过DMAR表的检测与验证启动。其中，dmar_domain和root_entry在地址转换中扮演核心角色，它们指导从Bus-Device-Function (BDF) 到物理内存地址（IOVA）的转换过程。

       关键代码片段

struct acpi_dmar_header{ ... struct intel_iommu*iommu; ... }

       struct intel_iommu{ ... void __iomem*reg; ... struct dmar_domain*dmar_domain; struct root_entry*root_entry; ... }

       ... detect_intel_iommu{ ... dmar_table_detect; iommu_detected= 1; ... }

       这段代码展示了iommu初始化的核心组件，包括iommu硬件结构的定义，以及检测函数中的关键步骤。

       初始化流程详解

       初始化过程中，iommu为每个设备分配domain_ids和dmar_domains，同时设置root_entry。直通能力通过iommu硬件的ecap字段判断，或者通过kernel启动参数iommu_pass_through=pt启用。系统构建全局si_domain，负责地址转换页表，为每个节点内存建立IOVA与HPA间的映射。接着，设备与iommu_domain相关联，通过设备bus号定位root_table并创建context_entry，同时更新si_domain的pgd。

       最后，pci_bus通过iommu_ops进行设置，初始化回调和iommu_group，调用pci_device_group分配设备到特定的iommu_group。后续章节将深入探讨虚拟化场景下iommu如何处理DMA操作，iommu_pass_through=pt与disabled模式的差异，以及不同硬件平台上的直通策略，以及iommu中断remapping的具体实现。

       通过以上描述，我们全面理解了iommu在服务器架构中的角色和初始化过程，以及它如何在虚拟化环境中确保数据安全和性能优化。

IOMMU(三)-初始化

       BIOS负责收集并组织IOMMU相关信息，放置在内存中。操作系统接管硬件后，加载驱动进行详细解析。在解析过程中，首先关注DMA Remapping Reporting Structure，这是IOMMU相关的重要结构，后面紧随DRHD（IOMMU硬件单元）和DeviceScope（处理的PCI设备）。若DRHD支持device iotlb，则还需上报ATSR（Address Translation Structure Report）。尤其在HP ProLiant DL Gen9服务器DPDK开发中，遇到了因平台RMRR（Remapped Memory Region Requirement）要求导致的设备绑定问题。HP服务器的带外管理与正常流量共用一个网卡，该网卡只能将流量DMA到一个firmware规定区域，否则firmware无法获取流量。升级firmware或在BIOS中禁用共享内存功能可解决此问题。

       内核编译时生成IOMMU相关数据结构，IOMMU厂商注册检测函数，Intel注册detect_intel_iommu进行检测。内核启动后从ACPI获取DMAR table，并调用detect_intel_iommu，仅检测ACPI_DMAR_TYPE_HARDWARE_UNIT数据类型。尝试读取IOMMU硬件的capability和extended capability后，若成功，给iommu_init赋值intel_iommu_init。此函数执行时memory allocator已就绪，大量分配内存建立IOMMU数据结构。

       init_dmars函数处理四种IOMMU domain，包括只用于kvm和dpdk的IOMMU_DOMAIN_IDENTITY，以及根据内核参数选择的domain，如iommu=pt时为IOMMU_DOMAIN_IDENTITY，iommu=nopt时为IOMMU_DOMAIN_DMA，未设置iommu参数则默认为IOMMU_DOMAIN_IDENTITY。此初始化工作为设备动态运行时准备了所需数据和函数，后续需分析动态运行时的操作和调用的函数。

       参考文献

       liujunming.top///...

       support.hpe.com/hpesc/p...

       lists.linuxfoundation.org...