斗破苍穹续集,性爱有声小说在线收听,欢乐颂小说

隨著我們進入 NVIDIA BlueField DPU 應用程序開發的新世界，高效地設置構建步驟非常重要，以便您能夠無縫地{code =》 compile =》 unit-test}。在本文中，我介紹了為 DPU 編譯應用程序的不同方法。

DOCA 數據平面插件的自由范圍路由

在 DPU 應用開發在系列文章中，我談到了在中創建 DOCA 數據平面插件 FRR 用于卸載策略。 FRR 的代碼計數接近 100 萬行（ 789678 SLOC ），這使得它成為測量構建時間的最佳候選。

直接在 BlueField DPU 上開發

DPU 具有 Arm64 體系結構，一種快速啟動 DPU 應用程序的方法是直接在 DPU 上開發。本測試使用的是 NVIDIA BlueField2 ，帶有 8G RAM 和 8xCortex-A72 CPU 。

我安裝了 BlueField 啟動文件（ BFB ），它為 DPU 提供 Ubuntu 20.04.3 操作系統映像。它還包括 DOCA-1.2 和 DPDK-20.11.3 的庫。為了使用 DOCA 庫構建應用程序，我將 DPDK pkgconfig位置添加到PKG_CONFIG路徑。

root@dpu-arm:~# export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/opt/mellanox/dpdk/lib/aarch64-linux-gnu/pkgconfig

接下來，通過克隆 FRR 并切換到 DOCA 數據平面插件分支，我在 DPU 上設置了我的代碼工作區。

root@dpu-arm:~/code# git clone  https://github.com/AnuradhaKaruppiah/frr.git  
root@dpu-arm:~/code# cd frr 
root@dpu-arm:~/code/frr# git checkout dp-doca

FRR 需要一系列不斷發展的先決條件，這些先決條件在FRR 社區文檔安裝了這些依賴項后，我將 FRR 配置為包括 DPDK 和 DOCA 數據平面插件。

root@dpu-arm:~/code/frr# ./bootstrap.sh 

root@dpu-arm:~/code/frr# ./configure --build=aarch64-linux-gnu --prefix=/usr --includedir=\${prefix}/include --mandir=\${prefix}/share/man --infodir=\${prefix}/share/info --sysconfdir=/etc --localstatedir=/var --disable-silent-rules --libdir=\${prefix}/lib/aarch64-linux-gnu --libexecdir=\${prefix}/lib/aarch64-linux-gnu --disable-maintainer-mode --disable-dependency-tracking --enable-exampledir=/usr/share/doc/frr/examples/ --localstatedir=/var/run/frr --sbindir=/usr/lib/frr --sysconfdir=/etc/frr --with-vtysh-pager=/usr/bin/pager --libdir=/usr/lib/aarch64-linux-gnu/frr --with-moduledir=/usr/lib/aarch64-linux-gnu/frr/modules "LIBTOOLFLAGS=-rpath /usr/lib/aarch64-linux-gnu/frr" --disable-dependency-tracking --disable-dev-build --enable-systemd=yes --enable-rpki --with-libpam --enable-doc --enable-doc-html --enable-snmp --enable-fpm --disable-zeromq --enable-ospfapi --disable-bgp-vnc --enable-multipath=128 --enable-user=root --enable-group=root --enable-vty-group=root --enable-configfile-mask=0640 --enable-logfile-mask=0640 --disable-address-sanitizer --enable-cumulus=yes --enable-datacenter=yes --enable-bfdd=no --enable-sharpd=yes --enable-dp-doca=yes --enable-dp-dpdk=yes

因為我用 DPU 作為 my 開發環境Roment ，我構建并安裝了 FRR 二進制文件：

root@dpu-arm:~/code# make –j12 all; make install

以下是構建時間的進展。我用多種方法來衡量：

是時候使用make -j12 all和make install構建和安裝二進制文件了

是時候構建相同的二進制文件了，但也可以使用dpkg-buildpackage –j12 –uc –us將它們組裝到 Debian 軟件包中

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環境上的構建時間進行比較。

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 作為開發環境有一些明顯的優勢。

您可以在不離開工作區的情況下進行編碼、構建和安裝，然后進行單元測試。

您可以為增量代碼更改優化構建。

最后一種選擇通常是與完整構建相比，大幅縮短構建時間。例如，我在 FRR 中修改了 DOCA 數據平面代碼，并用以下結果重建：

root@dpu-arm:~/code/frr# time make –j12 

>>>>>>>>>>>>> snipped make output >>>>>>>>>>>> 

real 0m3.119s 

user 0m2.794s 

sys 0m0.479s

雖然這可能會讓事情變得更簡單，但它需要無限期地為每個開發人員保留 DPU 的許可證，僅用于應用程序開發或維護。您的開發環境可能還需要更多的內存和馬力，因此長期來看，這是一個不太可行的選擇。

在 x86 服務器上開發

我的 Bluefield2 DPU 由一臺 x86-64 Ubuntu 20.04 服務器托管，我在開發環境中使用了這臺服務器。

root@server1-x86:~# lscpu |grep "CPU(s):\|Model name" 

CPU(s): 32 

Model name: Intel(R) Xeon(R) CPU E5-2620 v4 @ 2.10GHz 

root@server1-x86:~# grep MemTotal /proc/meminfo 

MemTotal: 131906300 kB

在本例中，構建機器是 x86 ，應用程序將運行的主機是 DPU-Arm64 。有幾種方法可以做到這一點：

在 x86 構建機器上使用 Arm 仿真。 A 。 DOCA 開發容器作為 DOCA 軟件包的一部分提供。

使用交叉編譯工具鏈。

在這個測試中，我使用了第一個選項，因為它是最簡單的。第二個選項可以提供不同的性能，但創建該工具鏈有其挑戰。

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

root@server1-x86:~# sudo docker load -i bfb_builder_doca_ubuntu_20.04-mlnx-5.4.tar 
root@server1-x86:~# docker run -v ~/code:/code --privileged -it -e container=dock 
er doca_v1.11_bluefield_os_ubuntu_20.04-mlnx-5.4:latest

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

root@86b87b0ab0c2:/code # export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/opt/mellanox/dpdk/lib/aarch64-linux-gnu/pkgconfig

我在容器中設置了工作區和 FRR 先決條件，與前面的選項相同。

root@86b87b0ab0c2:/code # git clone  https://github.com/AnuradhaKaruppiah/frr.git  
root@86b87b0ab0c2:/code # cd frr 
root@86b87b0ab0c2:/code/frr # git checkout dp-doca

我可以在這個 DOCA 容器中構建我的應用程序，但我無法對其進行測試。因此，必須將 FRR 二進制文件構建并打包到 DEB 中，然后將其復制到 BlueField DPU 進行測試。我設置了 FRR Debian 規則，以匹配前面選項中使用的 FRR 構建配置，并生成了包：

root@86b87b0ab0c2:/code/frr # dpkg-buildpackage –j12 –uc -us

表 2 顯示了構建時間與以前方法的比較。

表 2 。 DPU Arm 和 X86 構建時間

構建時間的巨大飛躍讓我感到驚訝，因為我有一臺庫存充足的 x86 服務器，而且沒有 Docker 限制。因此，將 CPU 和 RAM 扔到一個問題上似乎并不總是有幫助！這種性能下降是因為跨體系結構，正如您在下一個選項中看到的那樣。

在 AWS 引力子實例中開發

接下來，我嘗試在 Arm 上構建我的應用程序，但這次是在一臺馬力更大的外部服務器上。為此，我使用了 Amazon EC2 Graviton 實例，其規格與我的 x86 服務器相當。

Arm64 arch ， Ubuntu 20.04 操作系統

128G 內存

32 伏 CPU

root@ip-172-31-28-243:~# lscpu |grep "CPU(s):\|Model name" 
CPU(s): 32 
Model name: Neoverse-N1 
root@ip-172-31-28-243:~# grep MemTotal /proc/meminfo 
MemTotal: 129051172 kB

為了在本例中設置 DOCA 和 DPDK 庫，我安裝了DOCA SDK 回購元包.

root@ip-172-31-28-243:~# dpkg -i doca-repo-aarch64-ubuntu2004-local_1.1.1-1.5.4.2.4.1.3.bf.3.7.1.11866_arm64.deb 
root@ip-172-31-28-243:~#  apt update 
root@ip-172-31-28-243:~# apt install doca-sdk

克隆和構建 FRR Debian 包的其余步驟與前面的選項相同。

表 3 顯示了構建在 AWS Arm 實例上的運行情況。

表 3 。 DPU Arm 、 X86 和 AWS Arm 的構建時間