Linux 塊層向上為文件系統和塊設備提交接口，使得上層能夠以統一的方式訪問各種類型的后端存儲設備。同時，它也向下為設備驅動提供接口，讓驅動層能夠以一致的方式來接受請求。一些驅動如上一篇文章中提到的DRBD和RBD設備，只使用bio層提供的一些接口，對bio請求進行處理。其它的驅動則可以從IO請求plugging機制,各種請求排序和請求合并中受益。為了給驅動層提供服務，塊層做了不少事情，我且稱之為"request層"。

現在，"request層"并存著兩種模型：單隊列(single-queue) 和 多隊列(multi-queue)。多隊列的出現也就是近幾年的事情，也許總有一天會完全取代單隊列的，但是目前來看兩者在內核的使用都相當活躍。有了這兩種不同的排隊方法(queuing approach)做參考，我們就可以兩相對比來學習學習，所以我們將花點時間都看看，分析他們如何把請求呈現給驅動層的。首先，我們來看看兩者的共同之處，分析這兩個關鍵的結構體是個不錯的入手點： struct request_queue 和 struct request。

請求隊列和請求

struct request_queue之于struct request的關系，非常像struct gendisk之于struct bio的關系：一個代表具體的設備，一個代表IO請求。需要注意的是，每個gendisk都有一個關聯的request_queue結構體，但是只有那些使用了"request層"的設備才會分配request結構體。按理說，適用于所有塊設備的域，比如struct queue_limits，都應該放到gendisk結構體里面，而對于一些僅適用于"request層"隊列管理的域，其實只應當分配給那些使用了"request層"的設備。現在來看，這些結構體里有些域的安排可能就是歷史巧合，也不值得去糾正了。各種隊列相關的域，都可以在/sys/block/*/queue/目錄下查看。

request結構體代表單個IO請求，最終要傳遞到底層設備。一個request包含一個或多個代表連續IO請求的bio，一些跟蹤總體狀態的信息（比如時間戳，哪個CPU發來的請求），和一些用來鏈入更大數據結構的“錨點”，比如用struct list_head queuelist鏈入一個簡單的隊列結構，用struct hlist_node hash鏈入一個哈希表(用來查找與新bio相鄰的請求)，用struct rb_node rb_node來把請求放在一棵紅黑樹上。在分配一個request結構體的時候，有時候要分配一些額外的空間來給底層驅動保存一些額外的信息。有時候這些空間用來保存命令頭部，以便發送給底層設備，比如 SCSI command descriptor block，驅動可以自由地決定如何使用這塊空間。

相應的make_request_fn()函數 (單隊列是blk_queue_bio，多隊列是blk_mq_make_request())為IO請求創建一個request結構體，然后把交給IO調度器, 也叫電梯算法"elevator", 這個名字來自電梯算法（ elevator algorithm），電梯算法曾是磁盤IO調度一個里程碑式的成就。我們將快速看一下單隊列的實現，然后再對比地去看多隊列。

單隊列上的請求調度

過去，大多存儲設備都是機械硬盤，要通過磁頭尋道，盤片旋轉來定位數據。機械盤一次只能處理一個請求，從盤片上一個位置挪動到下一個位置代價很大。單隊列的實現就是為這種類型的設備而生的，然后漸漸地也能支持其它快速設備，然而單隊列整體結構依然反映了旋轉類型存儲設備的需求。

單隊列調度器主要有三個任務：

積聚代表連續IO操作的多個bio，合并成更大的IO請求，充分發揮硬件性能，但是請求不能太大超高硬件設備的限制；

把請求進行排序來減少尋道時間，但是又要保證重要的請求得到及時處理。不斷尋求較優方案，來解決這個問題，是這一部分代碼復雜度的根源。一般很難知道這兩點：一個請求有多重要，和一個請求需要多少尋道時間，我們只能依賴啟發式方法來判斷怎樣排序比較好，然而啟發式方法絕不是完美的；

把經過整理的請求列表交給底層驅動，讓驅動從隊列取下請求去處理，同時提供一個通知機制來告訴上層請求處理的結果。

最后一個任務很直接了當。驅動會通過blk_init_queue_node()來注冊一個request_fn()策略例程，只要隊列上有新請求已經準備好，策略例程被調用去處理這個請求。驅動負責用blk_peek_request()來從隊列上取下請求，然后進行處理。當請求處理完畢 [有些設備可以并行處理多個請求]，驅動會從隊列上摘下另一個請求來處理，而不用再去調用request_fn() [因為request_fn()一次拿到了整個列表上的所有request]。請求一旦處理完畢，就可調用blk_finish_request()來通知上層。

第一個任務有部分是用elv_attempt_insert_merge()完成的，它會快速地檢查隊列，看是否可以找到一個已經存在的request，把新的bio合并進入。如果成功，調度器就會允許合并，如果失敗，調度器還有一次機會嘗試在調度器內部進行一次合并。如果沒有機會合并，就分配一個新的請求，然后交給調度器。稍后一會，如果某個請求因合并而長大，使得它與該請求變成了連續的，調度器就可以再次嘗試合并操作。

第二個任務可能是最復雜的。如何把請求按照"適當"順序排隊非常依賴我們如何來解釋"適當"的含義。這三種不同的單隊列調度器: noop, deadline和cfq，對“適當”的解釋就非常不一樣。

"noop"會對請求做一些簡單的排序，不允許把讀請求挪到寫請求之前，反之亦然；依據電梯算法，一個同類型的請求可以插入到另一個之前。除了elv_dispatch_sort()所做簡單排序，"noop"就是一個FIFO隊列。

“deadline”會把提交時間相近的請求放在一批。在同一批中，請求會被排序。當一批請求達到了大小上限或著定時器超時，這批請求就會提交到設備隊列上去。這個算法嘗試給每一個請求都設置一個延遲時間上限，同時盡量聚集比較大的一批請求。

"cfq"即"Complete Fairness Queuing"，相比其它幾個調度器要復雜很多，目的是在不同進程或進程組間保證IO資源使用的公平性。cfq調度器內部維護了多個隊列，每一個進程都有一個隊列來保存來自該進程的同步請求(通常是讀)，而對于異步請求(通常是寫)，每一個優先級都有一個隊列，所有請求不論來自哪個進程都按照優先級放到相應的隊列上。在提交請求時，按照優先級每個隊列都有機會得到調度。每個隊列都有一定的時間片，在時間片內才能提交一定數量的請求。當一個同步隊列中的請求不足一定數量時，這個設備可以空閑一會，即使其它隊列里可能有請求等待處理。通常，同步請求之間在磁盤上的物理位置是連續的，所以讓磁盤稍等一會來接收更多連續的請求，這樣做可以提高吞吐量。以上對CFQ的描述僅僅是點皮毛。內核文檔（Documentation/block/cfq-iosched.txt）講的更詳細點，還列出了所有參數，通過調整這些參數能夠適應各種不同的場景。

之前提到過，一些高端點的設備可以一次處理多個請求，即在一個請求還沒有處理完成之前，就能夠處理新的請求。通常，這個要用到"tagging"功能，給每一個請求加一個標簽，這樣請求完成通知就能和原來的請求正確的對應起來。單隊列的"request層"可以對任意深度的設備提供"tagging"功能。

一個設備內部可以通過真正地并行處理請求，來支持被標記的命令，比如通過訪問一個內存緩存，通過設計多模塊而每個模塊都能處理一個請求，或者通過其內部隊列，這樣的隊列比"request層"更加了解設備。

多隊列和多CPU

多隊列的另一個動機就是減少鎖的開銷，因為我們的系統處理器越來越多，而請求從多個處理器放到一個隊列中時需要加鎖，鎖的開銷變得越來越大。"plugging"機制能幫得上一些忙，但是不夠理想。如果我們能夠分配更多隊列：每個NUMA節點一個隊列，或者一個CPU一個隊列，那么把請求放到隊列的鎖開銷就會減少很多。如果硬件支持并行處理多個請求，那么這樣做的優勢就更大了。如果硬件只支持一次提交一個請求，那么多個per-CPU隊列仍然需要合并。如果他們比"plugging"機制批處理的效果更好，那么這樣做也是有益處的。假如不能提高批處理的效果，寫程序的時候小心點應該也能夠保證，至少不會有什么損失。

之前說過，cfq調度器內部已經有多個隊列，但是它們跟multi-queue的目的完全不一樣，它們把請求與進程和優先級關聯起來，而multi-queue的隊列是跟硬件密切相關的。multi-queue "request層"維護著兩組硬件相關的隊列：軟件的"staging"隊列和硬件的"dispatch"隊列。

軟件staging隊列(struct blk_mq_ctx)是依CPU硬件情況而分配的，每個CPU分配一個，或每個NUMA節點分配一個。當塊層的"plugging"機制拔開"塞子"時(blk_mq_flush_plug_list())，request請求在一個spinlock的保護下被添加到隊列上，鎖競爭應該很少。multi-queue的隊列可以選擇由某一個multi-queue調度器來管理, 現在有三種multi-queue調度器：bfq, kyber和mq-deadline.

硬件dispatch隊列是基于目標硬件塊設備進行分配的，所以有可能只有一個，也有可能多達2048個隊列 (或與硬件支持的中斷源個數一樣)。"request層"為每一個硬件隊列(或"硬件上下文")分配一個數據結構struct blk_mq_hw_ctx，維護著一個CPU和隊列之間的映射表，而隊列本身就是為底層驅動而服務的。“request 層”時不時地把硬件隊列中的請求傳遞給底層驅動。接下來，請求就全由驅動處理了，通常情況下，又會很快按照接收的順序交給硬件。

與single-queue相比有另一個重要區別，multi-queue使用的request結構體都是預分配的。每個request結構體都關聯著一個不同tag number，這個tag number會隨著請求傳遞到硬件，再隨著請求完成通知傳遞回來。早點為一個請求分配tag number，在時機到來的時候，request 層可隨時向底層發送請求。

single-queue只需要一個request_fn()就可以了，但是multi-queue需要底層驅動提供一個struct blk_mq_ops結構體，包含了多達11個函數。其中，最核心的一個函數是queue_rq()，其它的函數實現了超時，請求完成輪詢，請求初始化，等類似操作。

一旦請求就緒，并且調度器不想再把請求保持在隊列上來排序或擴展，調度器就會調用queue_rq()函數。single-queue把收集請求的責任交給了驅動層，與之不同，multi-queue卻把這個責任交給了"request層"。queue_rq()有個參數代表的是硬件上下文，通常會把請求放在內部FIFO隊列上，也有可能會直接處理。queue_rq()可以拒絕一個請求，然后返回BLK_STS_RESOURCE，讓請求繼續在staging隊列上等待。除了BLK_STS_RESOURCE和BLK_STS_OK，其它返回值都被視為IO錯誤。

多隊列調度

multi-queue不是必須要配置一個調度器，如果不指定的話，那么就會用類似單隊列中的“noop”調度器。連續的bio會被合并到一個請求，而不連續的bio各成為一個獨立的請求。這些請求以FIFO的順序被放到staging隊列中，盡管有多個submission隊列，默認的調度器會嘗試直接提交新請求，僅僅在收到BLK_STS_RESOURCE返回值時才會使用staging隊列。當塊設備上的plugging機制拔開“塞子”時，調度器會調用blk_mq_run_hw_queue()或blk_mq_delay_run_hw_queue()把軟件隊列傳遞給驅動層處理。

可插拔的multi-queue調度器有22個入口點，其中有兩個函數，一個是insert_requests()把一組請求添加到軟件staging隊列中，另一個是dispatch_request()會選擇一個請求然后傳遞給硬件設備。如果沒有實現insert_request()函數，請求就會被簡單的插入到列表末尾。如果沒有提供dispatch_request()函數，就會從staging隊列里取下請求，然后以任意順序傳遞到相應的硬件隊列。This "collect everything" step is the main point of cross-CPU locking and can hurt performance, so it is best if a device with a single hardware queue accepts all the requests it is given.[最后一句我理解不到那個點，大致理解是說staging隊列有多個，硬件隊列只有一個的情況，那么多個軟件隊列上的請求最終要收集到這個硬件隊列上來，那么必然要加鎖，會比較影響性能]

mq-deadline調度器跟單隊列的deadline調度器發揮的功能很相似。它有個insert_request()函數，不會使用多個staging隊列，而是把請求放到兩個全局的基于時間的隊列中 - 一個放讀請求，一個放寫請求，先嘗試把該新請求與已經存在的請求合并，如果合并不了，則把這個新請求放到隊列尾部。dispatch_request()函數會從這些隊列中返回第一個請求：基于時間的隊列，基于請求批大小，以及避免寫饑餓的隊列。

bfq調度器，即Budget Fair Queueing, 一定程度上是借鑒cfq實現的。內核里有介紹bfq的文檔(Documentation/block/bfq-iosched.txt)，幾年前lwn上有篇講bfq的文章（https://lwn.net/Articles/601799/），后來又出了一篇文章(https://lwn.net/Articles/709202/)，跟進了bfq被吸納進multi-queue的情況。bfq有一點比較像mq-deadline,沒有使用多個per-CPU staging隊列。bfq有多個隊列，每一個隊列由一把自旋鎖保護。

與mq-deadline和bfq不一樣，kyber IO調度器，在這篇文章中(https://lwn.net/Articles/720675/)有簡單介紹，它使用了per-CPU的staging隊列，也沒有實現自己的insert_request()函數，而用的是默認行為。dispatch_request()函數為每一個硬件上下文都維護著各種內部隊列，如果這些隊列是空的，它就會從給定的硬件上下文所對應的所有staging隊列來收集請求，然后在內部將請求做個分布，如果硬件隊列不是空的，它就直接從對應的內部隊列里下發請求。關于kyber調度器的這幾個方面內核沒有相應的注釋和文檔：策略解釋，請求分布，以及處理順序。

單隊列要壽終正寢了？

在塊層中，并存兩套不同的隊列系統，兩套調度器和兩套不同的驅動接口很明顯是不理想的。我們可以期待single-queue的代碼很快被移除掉嗎？multi-queue到底又有多好呢？

不幸的是，這些問題的回答需要在不同的硬件上做很多測試，而筆者只是個做軟件的。從軟件的角度來說，很清楚，在支持多隊列并行提交請求的硬件上，multi-queue應該能帶來很多好處。當用在單隊列硬件上時，multi-queue至少應該和單隊列旗鼓相當，但是不要期望一夜之間就能達到旗鼓相當的水平，因為任何新事物都不是完美的。

說到不完美，舉個例子，最近一個補丁集進了Linux 4.15。這些補丁對mq-deadline調度器做了一些修改來解決redhat在內部存儲系統測試中發現的性能問題。假如切換到multi-queue, 存儲領域的各家廠商很有可能在測試中發現類似的性能回退。在未來幾個月里，這些被發現的問題很有希望得到修復。2017可能不會成為multi-queue-ony Linux的一年，但是這樣的一天不會太遠。