超碰激情 I 成人福利网站 I 淫国产 I 曰批视频免费30分钟成人 I 刘亦菲裸体视频一区二区三区 I 午夜久 I 尤物综合 I 亚洲一区av在线观看 I 欧美亚洲国产精品久久高清 I 欧美老熟妇乱子伦视频 I 无码中出人妻中文字幕av I 久久美女福利视频 I 精品无人区乱码1区2区3区在线 I 性饥渴的农村熟妇 I 色综合综合色 I 少妇人妻88久久中文字幕 I 久久夜色精品国产噜噜av I 老熟妇仑乱视频一区二区 I 男女做爰猛烈叫床视频动态图 I 日本大片一区二区 I 人成午夜免费视频在线观看 I 激情婷婷av I 男女下面一进一出免费视频网站 I 久久影视一区 I 午夜污网站 I 先锋人妻无码av电影 I 久久久久久久岛国免费网站 I 又粗又大又黄又硬又爽免费看 I 人妻无码免费一区二区三区 I www.色成人100 I 欧美高清网站 I 精品国产第一页 I 国产suv一区二区三区88区 I 橹图极品美女无圣光 I 午夜宅男欧美

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

這是一個明顯的贏家，不需要咖啡。

圖 1 顯示了這些環境中的編譯時間。

圖 1 。具有不同選項的 FRR 構建時間

總結

在本文中，我討論了 DPU 應用程序的幾個開發環境：

BlueField 增值稅

x86 服務器上的 DOCA 開發容器

AWS 引力計算實例

你可以直接在 DPU 上制作應用程序原型，在 x86 DOCA 開發容器中進行開發實驗，然后用 DOCA 抓取一個 AWS Graviton 實例，使其進入 hyperspeed ！

關于作者

Anuradha Karuppiah 是 NVIDIA 網絡的首席軟件工程師。 Anuradha 使用 FRR （自由范圍路由軟件套件）設計和實現 EVPN 解決方案。

審核編輯：郭婷