以下内容是根据王夕宁在2023年6月份在北京举行的CNCF Kubernetes Community Day（KCD）会议上的演讲主题整理而成。
Service Mesh是一种用于管理微服务架构中网络通信的解决方案，通过在每个服务实例中添加代理，实现流量控制、服务发现、负载均衡等功能。虽然Service Mesh能够提供很多优秀的功能，但也存在一些性能问题, 譬如：
-
延迟增加：Service Mesh中每个服务的请求都必须经过一系列的代理，在代理的处理过程中会增加一定的延迟。
-
资源占用增加：每个代理都需要一定的CPU、内存等资源，因此随着服务数量的增加，代理的资源占用也会相应地增加。
-
此外, 如果开启了TLS安全机制, Service Mesh中的代理会对流量进行加密和解密，这会消耗一定的资源。
在实际使用中，需要根据具体情况进行选择和优化，以达到更好的性能和用户体验。而作为业内首个全托管Istio兼容的服务网格产品ASM，一开始从架构上就保持了与社区、业界趋势的一致性，控制平面的组件托管在阿里云侧，与数据面侧的用户集群独立。阿里云服务网格ASM产品也是首批通过可信云服务网格性能测评 , 先进级认证、排名第一、全项满分。
阿里云服务网格ASM产品是基于社区开源的Istio定制实现的，在托管的控制面侧提供了用于支撑精细化的流量管理和安全管理的组件能力。通过托管模式，解耦了Istio组件与所管理的K8s集群的生命周期管理，使得架构更加灵活，提升了系统的可伸缩性。
这是阿里云服务网格ASM产品的技术架构。
托管式服务网格ASM在成为多种类型计算服务统一管理的基础设施中, 提供了统一的流量管理能力、统一的服务安全能力、统一的服务可观测性能力、以及基于WebAssembly实现统一的代理可扩展能力, 以此构筑企业级能力。可以通过https://www.aliyun.com/product/servicemesh 查看具体的内容介绍。
以下将讲述ASM产品从多维度、不同层面的性能优化手段来构建网格优化中心， 提升产品的性能指标与高可用性：
I. 收敛服务发现的范围, 提升网格配置的推送效率
II. 基于访问日志分析自动推荐生成Sidecar对象, 以减少代理资源消耗
III. AdaptiveXDS：自适应配置推送优化
IV. 软硬结合性能优化的持续推进
V. 资源超卖模式下的支持
VI. 基于eBPF tcpip-bypass的数据面性能优化
一、收敛服务发现的范围, 提升网格配置的推送效率
在Istio中，可以通过以下几种方式收敛服务发现的范围，从而提高控制平面推送网格配置的效率。通过收敛服务发现范围, 可以达到如下目标, 包括有效降低控制面组件CPU资源消耗与内存资源消耗、以及有效降低控制面组件与网格代理之间的通信时的带宽资源消耗。
通过Discovery Selector可以定义一组过滤规则，用于筛选出需要同步到控制平面的服务发现信息：
-
基于命名空间范围的筛选, 自动发现数据面 Kubernetes 集群中指定命名空间下的服务;
-
与Istiod直接交互, 有效提升控制面的处理效率;
此外, 通过ExportTo与 Workload Selector来收敛规则配置的范围, 其中：
-
ExportTo 用于控制规则(VirtualService, DestinationRule, ServiceEntry等)的可用性范围, Workload Selector 用于配置规则(DestinationRule, ServiceEntry, EnvoyFilter, Sidecar)适用的服务范围;
-
既可以支持全局设置(meshconfig)或命名级别设置, 又可以支持细粒度设置(per service/config);
-
定义的内容类似如下：
-
阿里云服务网格ASM产品提供了对应的功能, 具体来说, 可以通过选中或取消选中命名空间来定义服务发现的范围, 如下图所示：
此外, 也可以支持通过编辑标签选择器的方式选择对应的命名空间下的服务, 如果数据面Kubernetes集群的命名空间与任一标签选择器匹配，该命名空间下的服务将被包括在自动发现范围之内。同时, 数据面Kubernetes集群的命名空间必须与每个标签选择器中定义的所有规则相符，才能被该选择器选中。
如下图所示：
更多细节, 可以参考https://help.aliyun.com/document_detail/363023.html。
二、基于访问日志分析自动推荐生成Sidecar对象, 以减少代理资源消耗
这个优化手段是基于xDS及Sidecar对象实现的, 首先介绍下对应的背景信息。
xDS 协议是 “X Discovery Service” 的简写，是Service Mesh控制面和数据面Sidecar Proxy之间的通信协议，x 表示包含多种协议的集合，比如：LDS 表示监听器的发现，CDS 表示服务和版本的信息，EDS 表示服务和版本有哪些实例，以及每个
服务实例的特征信息，RDS 表示路由的发现。
xDS协议是网格代理获取配置信息的传输协议，也是Istio与网格代理连接的桥梁。可以简单的把 xDS 理解为：网格内的服务发现数据和治理规则的集合。xDS 数据量的大小和网格规模是正相关的。
默认情况下, 下发 xDS 使用的是全量下发策略，也就是网格里的所有 网格代理内存里都会有整个网格内所有的服务发现数据。
在大多数情况下，在大规模集群中的一个简单的工作负载可能只与少数其他工作负载进行通信。将它的配置更改为仅包含一组必要的服务会对网格代理的内存占用产生很大影响。 Sidecar资源对象可以帮助定义这种配置约束关系。
基于访问日志分析自动推荐生成Sidecar资源对象的工作实现原理：
- 通过分析数据平面网格代理产生的访问日志获取数据平面服务之间的调用依赖关系，为数据平面中的每个工作负载自动推荐生成相应的Sidecar资源对象。
- 然后根据分析结果生成出Sidecar资源对象之后, 允许用户进行二次确认, 或者用户基于自动生成的内容进行定制修改。
它适合的场景是已经存在了这些服务调用的日志数据, 并且现有业务服务的调用依赖关系变化不大, 通过该方式可以一次性地实现优化。以bookinfo示例来说, 通过几次请求之后, 每个网格代理都会产生对应的访问日志。以productpage 服务为例, 生成的推荐的Sidecar资源对象内容如下：
当然, 使用该功能需要一定的前提条件：
需要依赖于用户开通日志服务来采集这些访问日志内容, 并要求产生的日志需要覆盖全部业务调用, 才能得到全部的依赖关系。一旦某业务路径没有调用产生日志, 那么很有可能丢失对应的服务依赖关系, 从而导致生成的Sidecar资源对象定义内容不准确, 进而可能导致之后的该业务路径访问调用不通。
阿里云服务网格ASM产品提供了对应的功能, 提供了使用基于访问日志分析自动推荐的Sidecar资源对象来提升xDS推送的效率, 如下图所示。具体可以参考： https://help.aliyun.com/document_detail/386398.html
三、AdaptiveXDS：自适应配置推送优化
为了缓解上述方案中的局限性, 我们提供了另外一种优化手段, 即按需推送xDS配置的能力, 自适应应用服务的变更。
自适应配置推送优化根据网格内服务的访问日志分析服务之间的依赖关系，并自动为服务生成Sidecar资源对象以优化针对该服务工作负载的配置推送。功能开启后，集群中会部署名为istio-axds-egressgateway的出口网关，服务之间调用的所有HTTP流量初始都将指向该出口网关，并通过网关记录的访问日志自动分析服务之间的依赖关系。
具体来说, 通过如下架构图可以看到：
-
在托管侧, Adaptive Xds Controller组件负责管理 AdaptiveXds-EgressGateway的生命周期、生成AdaptiveXds-EgressGateway 所需的Envoy Filter及Bootstrap配置等;
-
启用该功能之后, AdaptiveXds-EgressGateway会上报访问日志到Access Log Service（ALS）服务;
-
Access Log Service（ALS）负责接收网格代理发送的日志数据, 并结合ALS Analyzer分析日志内容, 然后根据服务调用依赖关系生成对应的Sidecar资源对象;
要为集群内的服务启用自适应配置推送优化能力，可以按照命名空间范围进行开启。开启后，命名空间内的服务都将自动地进行基于Sidecar资源对象的配置推送优化。
此外, 也可以在Kubernetes服务的annotations中增加 asm.alibabacloud.com/asm-adaptive-xds: true 注解以单独为该服务打开优化选项。
在使用ASM产品的某客户场景中, 通过该方式优化之后, 网格代理中的配置减少了90%, 所消耗的内存消耗从400M减少到50M。
阿里云服务网格ASM产品提供了对应的功能, 提供了自适应配置推送优化提升xDS推送的效率以及减少网格代理的不必要配置。具体可以参考：https://help.aliyun.com/document_detail/479108.html
四、软硬结合性能优化的持续推进
数据面的形态是多样的, 运行的ECS规格型号、OS的版本等都不尽相同, 通过探测节点的特征，我们可以更好地理解节点所具备的支撑能力, 譬如可以根据Kernel版本判断是否可以支持eBPF的相关功能, 根据是否支持AVX扩展指令集决定开启TLS加解密处理能力, 或者判断是否提供了Device Plugin等。
也就是说, 通过检测 Kubernetes 集群中每个节点上可用的硬件功能特征, 包括CPUID特征、指令集扩展等; 然后根据探测到的特征, 自适应动态配置相应的特性, 自适应启用或禁用对应特性, 整个过程对用户无感知。
这样一来, 可以充分利用用户使用的节点环境, 动态启用这些特性, 从而提升相应的能力。在阿里云服务网格ASM产品中, 已经上线的功能包括了根据是否支持AVX指令集动态启用Multi-Buffer特性, 提升TLS加解密性能。具体可以参考与Intel合作的技术白皮书： https://developer.aliyun.com/ebook/7817
具体来说,
1) 在服务网格控制面，通过扩展MeshConfig或者CRD方式, 为用户提供统一的声明式配置定义。
2) 控制面的配置通过xDS协议下发到数据面Envoy代理。 这一部分也是在ASM产品中做的一些扩展能力。
3）工作负载Pod的调度优先与自适应动态配置。通过对节点的特征标识, ASM优先将启动Multi-Buffer功能的Pod调度到对应的节点上, 从而使得相关的功能能够被启用。除了调度之外, ASM产品支持自适应动态配置能力, 也就是说即使没有对应的节点可调度, 这些Pod在其他节点上部署时, 能够自适应去禁用这些功能。
五、资源超卖模式下的支持
在Kubernetes系统中，Kubelet通过参考Pod的QoS等级来管理单机容器的资源质量，例如OOM（Out of Memory）优先级控制等。Pod的QoS级别分为Guaranteed、Burstable和BestEffort。QoS级别取决于Pod配置的Request和Limit（CPU、内存）。
ack-koordinator提供动态资源超卖功能，通过对节点负载数据的实时收集，可以充分挖掘集群中已分配但未使用的资源量，以实现对集群资源的动态超卖。
注意的是, 一般不强制资源限制和所需资源配置为相同值。建议您参照工作负载类型，对资源限制和所需资源进行配置。
-
若QoS为Guaranteed类型的工作负载，建议您两者配置为相同值。
-
若为其他类型的Pod，建议您保持与原生资源类型中所需资源小于资源限制的约定。
阿里云服务网格ASM产品提供了对应的功能, 您可以设置注入的Istio代理以及isito-init初始化容器的ACK动态超卖资源。更多信息，请参见配置Sidecar代理： https://help.aliyun.com/document_detail/613582.html。
六、基于eBPF tcpip-bypass的数据面性能优化
eBPF 是一项获得广泛关注和普及的技术，尤其是在流量、性能方面提供许多潜在的优化功能, 例如在服务网格领域用 eBPF 替换 iptables 以在网格内进行流量重定向的功能。
Merbridge 是专注于使用 eBPF 加速服务网格的CNCF开源项目。Merbridge 在服务网格中使用 eBPF 技术代替 iptables，实现流量拦截。
借助 eBPF 和 msg_redirect 技术，Merbridge 可以提高 Sidecar 和应用之间的传输速度，降低延迟, 如下图所示。
eBPF 提供重写 tcp_sendmsg 函数的能力，让 eBPF Program 接管 tcp_sendmsg。
同时，eBPF 提供了 bpf_msg_redirect_hash 相关的 helper 函数，可以在被接管的 tcp_sendmsg 内将主机上的两个 socket 传输路径进行短接，绕过内核态协议栈，从而加速进程间的访问。
Helper 函数依赖一个内核级别的 map 保存连接信息，需要确保每个连接在 map 中的 key 互不冲突。
Ambient 模式下，加入/移除网格将更加灵活，CNI 模式将不再适用（CNI 只会在 Pod 创建的时候生效，Ambient 模式允许通过修改 annotation 的方式将 Pod 纳入网格）。
Container 出口流量拦截的地址将不再是 127.0.0.1:15001，而需要转发到当前节点 ztunnel 实例。
由于 Pod 中不存在 Sidecar，之前通过判断是否监听 15001 端口等方案来确定是否需要拦截的方案将不再生效。
如何解决Ambient 模式下这些问题呢？
-
eBPF观察进程创建事件，在用户态关联cgroupid和PodIP。同时，将Pod信息等进行储存。
-
eBPF程序中，通过当前进程的cgroupid查找当前进程的PodIP。（一个容器中的进程应该具有相同的cgroupid，且不会变更）
-
Ambient模式的Pod发出的流量，将流量转发到ztunnel。
阿里云服务网格ASM产品也在专注于一些基于eBPF以及阿里云容器服务ACK网络插件的性能改进，同时也正在与 Merbridge 团队更多地合作。
尽管我们已经实现了上述几种维度下的性能优化手段, 然而众所周知性能是一个需要持续关注的话题, 我们会进一步探索和研究，找到更加有效的解决方案，以提高Service Mesh的性能和稳定性。
如果您希望深入了解更多关于 服务网格ASM的信息，或者需要与我们就相关需求进行交流，欢迎钉钉扫描下方二维码或搜索群号（30421250）加入服务网格ASM 用户交流群，一起探索服务网格技术。
