ARM-Linux 网络性能优化实战: 从中断到零拷贝的全链路调优

原文链接: 嵌入式Linux的网络吞吐量优化
参考:
Linux Network Performance Ultimate Guide
Monitoring and Tuning the Linux Networking Stack
Linux Kernel: Scaling in the Networking Stack
ARM: Optimize Network Interrupt Handling on Arm Servers
Red Hat: Network Performance Tuning Guide

1. 数据包接收全链路概览

优化网络性能的前提是理解数据包从网卡到应用层的完整路径。以下是 Linux 接收侧（RX）的关键阶段：

NIC Hardware
    |
    | DMA write to Ring Buffer (pre-allocated sk_buff)
    |
    v
HardIRQ (driver ISR)
    |
    | napi_schedule() -- 触发 SoftIRQ
    |
    v
SoftIRQ (NET_RX_SOFTIRQ)
    |
    | NAPI poll: driver->poll() 批量收包
    | GRO 聚合
    |
    v
netif_receive_skb()
    |
    | RPS/RFS 分发到目标 CPU
    |
    v
Protocol Stack (IP -> UDP/TCP)
    |
    | Socket Buffer (sk->sk_receive_queue)
    |
    v
Application (recvmsg / read)

每个阶段都可能成为瓶颈。优化的核心原则是：减少每个阶段的 CPU 开销，减少数据拷贝次数，减少跨 CPU 缓存失效。

2. CPU 频率管理

ARM 处理器普遍支持动态电压频率调节（DVFS）。默认的 ondemand 或 schedutil 调速器在网络 I/O 密集场景下存在问题：网络中断和协议处理属于 I/O 密集型负载，但 CPU 利用率指标可能不高，导致调速器不升频。

2.1 问题表现

ondemand 调速器仅观察 CPU 负载（%busy），不考虑 I/O 等待。网络收包主要在 SoftIRQ 上下文执行，CPU 利用率统计可能不准确。结果：CPU 运行在低频率下处理网络包，吞吐量受限。

在 ARM Cortex-A 系列上，这个问题尤为突出，因为 ARM SoC 的频率范围通常很宽（如 408 MHz ~ 1.8 GHz），低频与高频之间的性能差距达 4x 以上。

2.2 优化方案

# 查看当前调速器
cat /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor

# 设置为 performance 模式（锁定最高频率）
echo performance | tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor

# 永久生效（systemd 系统）
# 在 /etc/rc.local 或 udev 规则中设置

2.3 ARM 特有说明

现代 ARM 处理器（Cortex-A7/A53/A72）具备良好的时钟门控（clock gating）机制。实测表明：

空闲功耗差异极小：Cortex-A7 在 408 MHz 和 1008 MHz 空闲时功耗几乎相同
“Race to idle” 策略有效：高频快速完成任务后进入 WFI（Wait For Interrupt）低功耗状态，总能耗可能更低

因此，对于非电池供电的嵌入式设备，performance 调速器是网络密集场景的推荐选项。

副作用：电池供电设备需要评估功耗影响。可折中使用 ondemand 并设置 io_is_busy=1：

echo 1 > /sys/devices/system/cpu/cpufreq/ondemand/io_is_busy

3. 中断优化

网络中断是整个接收路径的起点。默认配置下，中断处理效率低下是 ARM-Linux 网络性能的首要瓶颈。

3.1 中断合并（Interrupt Coalescing）

默认情况下，每个数据包触发一次硬中断。在高流量场景下，每秒数十万次中断会耗尽 CPU 资源。

# 查看当前合并参数
ethtool -c eth0

# 设置合并参数：每 50us 或每 64 个帧触发一次中断
ethtool -C eth0 rx-usecs 50 rx-frames 64

# 启用自适应合并（驱动自动调整）
ethtool -C eth0 adaptive-rx on

吞吐量 vs 延迟权衡：

参数	高吞吐量场景	低延迟场景
`rx-usecs`	50-100	0-10
`rx-frames`	64-256	1-16
`adaptive-rx`	on	off

ARM 注意事项：ARM SoC 上的以太网控制器（如 Marvell mvneta、Allwinner EMAC）通常只有一个 RX 队列，中断合并对这类设备尤为重要。关闭自适应模式（AIC）在某些场景下反而能提供更稳定的性能。

3.2 中断亲和性（IRQ Affinity）

将网络中断绑定到特定 CPU 核心，避免在多核之间随机迁移导致的缓存失效。

# 查看网卡中断号
grep eth0 /proc/interrupts

# 假设中断号为 42，绑定到 CPU 1（bitmask: 0x2）
echo 2 > /proc/irq/42/smp_affinity

# 或使用 CPU 列表格式
echo 1 > /proc/irq/42/smp_affinity_list

原则：

网络中断和处理该网络数据的应用线程应绑定到同一个 CPU 或同一 NUMA 节点
不同网卡的中断应分散到不同 CPU
禁用 irqbalance 守护进程（它会动态迁移中断，在网络密集场景下反而有害）

systemctl stop irqbalance
systemctl disable irqbalance

3.3 RSS、RPS 与 RFS

当 NIC 只有单队列（ARM 嵌入式常见），所有包的中断由同一个 CPU 处理，协议栈处理也在同一个 CPU，其他核心空闲。这时需要 RPS（Receive Packet Steering）将协议处理分散到多核。

              硬件单队列
                 |
           HardIRQ (CPU 0)
                 |
           NAPI poll (CPU 0)
                 |
          ┌──────┼──────┐
          v      v      v
        CPU 1  CPU 2  CPU 3     <-- RPS 按流哈希分发
          |      |      |
       Protocol Stack 并行处理

# 启用 RPS：将 RX 队列 0 的处理分散到 CPU 0-3（bitmask: 0xf）
echo f > /sys/class/net/eth0/queues/rx-0/rps_cpus

# 设置 RPS 流表大小（建议 32768）
echo 32768 > /proc/sys/net/core/rps_sock_flow_entries
echo 2048 > /sys/class/net/eth0/queues/rx-0/rps_flow_cnt

RFS（Receive Flow Steering）在 RPS 基础上更进一步：将包导向正在消费该流数据的应用所在 CPU，提升数据缓存命中率。RPS 和 RFS 通常配合使用。

RSS（Receive Side Scaling）是硬件多队列方案，如果 NIC 支持，优先使用 RSS：

# 查看队列数
ethtool -l eth0

# 设置 RX 队列数（匹配 CPU 核心数）
ethtool -L eth0 combined 4

方案	实现层	前提条件	ARM 可用性
RSS	硬件	NIC 支持多队列 + MSI-X	高端 SoC（如 i.MX8）
RPS	软件	内核 CONFIG_RPS	所有 ARM Linux
RFS	软件	RPS + 应用使用 connect()	所有 ARM Linux

4. NAPI 轮询与 SoftIRQ 调优

NAPI（New API）是 Linux 网络栈的核心优化机制：收到第一个包时触发硬中断，随后切换到轮询模式批量收包，避免高频中断风暴。

4.1 NAPI Budget 调优

# 每次 SoftIRQ 处理的最大包数（默认 300）
sysctl -w net.core.netdev_budget=600

# SoftIRQ 处理超时（微秒，默认 2000）
sysctl -w net.core.netdev_budget_usecs=4000

# 单个 NAPI poll 的 weight（驱动层参数，通常默认 64）
# 需要在驱动代码中修改，或通过驱动模块参数设置

ARM 注意事项：ARM 处理器的单核性能通常低于 x86，SoftIRQ 处理速度较慢。适当增大 netdev_budget 可以让每次轮询处理更多包，但不能过大，否则会饿死其他 SoftIRQ（如定时器）。建议从 300 开始逐步增加到 600-1200 进行测试。

4.2 Busy Polling（低延迟模式）

Busy Polling 让应用线程在 recvmsg() 等待数据时直接轮询 NIC 的 NAPI 队列，绕过 SoftIRQ 调度延迟。

# 全局启用（单位：微秒）
sysctl -w net.core.busy_read=50
sysctl -w net.core.busy_poll=50

或在代码中按 socket 启用：

int val = 50;  /* 微秒 */
setsockopt(fd, SOL_SOCKET, SO_BUSY_POLL, &val, sizeof(val));

性能数据（参考 Cloudflare 和 FIX Protocol 基准）：

指标	无 Busy Poll	有 Busy Poll
平均延迟	47.5 us	16.4 us
最大延迟	166 us	131 us

约 3x 平均延迟改善。

副作用：CPU 核心在等待数据期间持续占用（忙等待），功耗显著增加。适用于延迟敏感型应用（如工业控制 UDP 响应），不适用于电池供电场景。

ARM 嵌入式实测：在 DE0-Nano-SoC（ARM Cortex-A9）上，基础 Linux UDP 延迟为 0.5 ms，通过 Busy Polling + CPU 绑定可降至 0.1 ms 以内。

5. Ring Buffer 与 Backlog 调优

5.1 NIC Ring Buffer

Ring Buffer 是 NIC 与内核之间的 DMA 缓冲区，存储待处理的数据包描述符。Ring Buffer 满时，新到达的包会被丢弃。

# 查看当前 Ring Buffer 大小和最大值
ethtool -g eth0

# 增大 Ring Buffer（如果硬件允许）
ethtool -G eth0 rx 4096 tx 4096

诊断丢包：

# 查看 NIC 统计中的丢包
ethtool -S eth0 | grep -i drop
ethtool -S eth0 | grep -i discard

# 查看系统级统计
cat /proc/net/softnet_stat
# 第一列: 处理包数 第二列: 丢包数 第三列: time_squeeze（budget 用尽次数）

权衡：大 Ring Buffer 增加吞吐量但也增加最大延迟（更多包在队列中等待）。低延迟场景应使用较小的 Ring Buffer 配合更频繁的中断。

5.2 Backlog 队列

Backlog 队列位于 Ring Buffer 之后、协议栈之前，是 RPS 分发的目标缓冲区。

# 增大 backlog 队列（默认 1000）
sysctl -w net.core.netdev_max_backlog=25000

何时增大：当 /proc/net/softnet_stat 第二列非零时，说明 backlog 满导致丢包，应增大。

6. 协议栈 sysctl 参数调优

6.1 Socket Buffer

# UDP/TCP 接收缓冲区最大值
sysctl -w net.core.rmem_max=16777216    # 16 MB
sysctl -w net.core.wmem_max=16777216    # 16 MB

# UDP 接收缓冲区默认值
sysctl -w net.core.rmem_default=1048576  # 1 MB

# TCP 缓冲区自动调优（min, default, max）
sysctl -w net.ipv4.tcp_rmem="4096 1048576 16777216"
sysctl -w net.ipv4.tcp_wmem="4096 1048576 16777216"

ARM 注意事项：嵌入式设备 RAM 有限（通常 256 MB - 2 GB），不应盲目套用服务器级参数。建议：

设备 RAM	rmem_max 建议值	说明
256 MB	2 MB	保守设置
512 MB	4-8 MB	平衡
1 GB+	16 MB	高吞吐量

6.2 TCP 拥塞控制

# 查看可用算法
sysctl net.ipv4.tcp_available_congestion_control

# BBR 拥塞控制（Linux 4.9+，部分场景提升 2-25x）
sysctl -w net.ipv4.tcp_congestion_control=bbr
sysctl -w net.core.default_qdisc=fq

BBR 由 Google 开发，在高延迟和有丢包的链路上表现优异。但在 ARM 嵌入式的局域网场景（低延迟、低丢包），默认的 cubic 通常已经足够。

6.3 其他关键参数

# TCP 窗口缩放（高带宽必须开启）
sysctl -w net.ipv4.tcp_window_scaling=1

# TCP 连接复用
sysctl -w net.ipv4.tcp_tw_reuse=1

# 禁用不需要的协议（减少协议栈开销）
sysctl -w net.ipv6.conf.all.disable_ipv6=1

# 增大连接跟踪表（如果使用 conntrack/NAT）
sysctl -w net.netfilter.nf_conntrack_max=131072
# 或者完全禁用 conntrack（不需要 NAT/状态防火墙时）
# modprobe -r nf_conntrack

7. 硬件卸载功能

现代 NIC 可以将部分协议处理卸载到硬件，释放 CPU 资源。

7.1 查看和管理卸载

# 查看所有卸载特性
ethtool -k eth0

# 常用卸载开关
ethtool -K eth0 rx-checksumming on     # 接收校验和卸载
ethtool -K eth0 tx-checksumming on     # 发送校验和卸载
ethtool -K eth0 gro on                 # Generic Receive Offload
ethtool -K eth0 tso on                 # TCP Segmentation Offload
ethtool -K eth0 sg on                  # Scatter-Gather

7.2 各卸载特性说明

特性	作用	ARM 可用性
Checksum Offload	NIC 硬件计算 IP/TCP/UDP 校验和	多数 ARM NIC 支持
GRO (Generic Receive Offload)	将多个小包在软件层合并为大包再上送协议栈	所有 Linux（软件实现）
LRO (Large Receive Offload)	硬件层合并，但可能违反 RFC	部分高端 NIC
TSO (TCP Segmentation Offload)	NIC 硬件做 TCP 分段	部分 ARM NIC
GSO (Generic Segmentation Offload)	软件层推迟分段到最后一刻	所有 Linux
Scatter-Gather	非连续内存直接发送，减少拷贝	多数 ARM NIC

GRO 是 ARM 嵌入式最有价值的卸载：它是纯软件实现，不依赖硬件支持，通过合并 TCP/UDP 数据包减少协议栈处理次数。

排错提示：如果遇到网络性能异常，尝试关闭所有卸载作为基线测试，然后逐个开启定位问题：

ethtool -K eth0 gro off tso off sg off rx off tx off

8. DMA 与零拷贝

8.1 DMA 基础

NIC 通过 DMA 直接将数据写入内核内存，绕过 CPU。DMA 性能取决于：

缓冲区分配策略：dma_alloc_coherent（一致性映射，无需手动同步）vs dma_map_single（流式映射，需显式同步）
缓冲区对齐：ARM 要求 DMA 缓冲区按 ARCH_DMA_MINALIGN（通常为 cache line 大小）对齐
Cache 一致性：ARM 非一致性 DMA 需要显式 dma_sync_single_for_cpu/device 调用

8.2 ARM 特有的 DMA 注意事项

CPU Cache          Main Memory         NIC DMA
    |                  |                   |
    |<-- cache line -->|                   |
    |                  |<-- DMA write -----|
    |                  |                   |
    |--- 需要 invalidate cache 才能看到 DMA 数据 ---|

ARM 的 DMA 一致性问题：

NIC DMA 写入主存后，CPU Cache 可能仍持有旧数据
需要在 DMA 完成后调用 dma_sync_single_for_cpu() 使 Cache 失效
dma_alloc_coherent 分配的内存默认映射为 uncacheable，避免一致性问题但降低 CPU 访问速度

优化建议：对于高频访问的 DMA 缓冲区（如网络接收），使用流式 DMA 映射 + 显式同步，比 coherent mapping 性能更好。

8.3 零拷贝技术

传统数据路径需要多次拷贝：

NIC -> DMA -> Kernel Buffer -> copy_to_user -> App Buffer
         (1)                      (2)

零拷贝技术减少或消除第 (2) 次拷贝：

技术	原理	适用场景
`mmap`	内核缓冲区直接映射到用户空间	自定义驱动
`sendfile`	内核内直接从文件到 socket，不经过用户空间	文件传输
`MSG_ZEROCOPY`	发送时不拷贝用户数据	大包发送
AF_XDP	用户空间直接访问 NIC ring buffer	高性能收发

ARM mmap 注意事项：Linux 在 ARM/ARM64 上默认将 DMA mmap 映射为 non-cacheable（避免 Cache 别名问题）。如需 cacheable 映射（性能更好但需要手动同步），可使用 u-dma-buf 驱动的 quirk-mmap 选项。

9. XDP 快速数据路径

XDP（eXpress Data Path）在数据包到达协议栈之前，在驱动 NAPI poll 循环内执行 eBPF 程序处理数据包。

传统路径:  NIC -> DMA -> Ring Buffer -> sk_buff 分配 -> 协议栈
XDP 路径:  NIC -> DMA -> Ring Buffer -> XDP 程序 -> [DROP/TX/REDIRECT/PASS]
                                          ^
                                     无 sk_buff 分配

9.1 XDP 模式

模式	执行位置	性能	要求
Native XDP	驱动 NAPI poll 内	最高	驱动支持
Generic XDP	`napi_gro_receive` 之后	较低	所有 NIC

9.2 ARM 上的 Native XDP

多个 ARM SoC 的以太网驱动已支持 Native XDP：

Marvell mvneta（Armada 38x/37x）：mvneta_run_xdp() 在 sk_buff 分配前执行
FreeScale/NXP DPAA2：i.MX8 系列
TI CPSW：AM335x/AM57x

# 加载 XDP 程序（示例：丢弃所有 UDP 端口 9999 的包）
ip link set dev eth0 xdp obj xdp_filter.o sec xdp

# 查看 XDP 状态
ip link show eth0

XDP 适合的 ARM 嵌入式场景：

DDoS 过滤：在驱动层丢弃攻击流量，不消耗协议栈资源
数据包转发：XDP_TX 直接从 NIC 重新发出，绕过整个协议栈
流量采样：XDP_REDIRECT 到 AF_XDP socket 的零拷贝接收

副作用：需要内核编译支持 eBPF 和 XDP；Generic XDP 的性能优势有限。

10. 实时调度与内存锁定

对于延迟敏感的网络应用（工业控制、机器人、激光雷达），还需要从调度器层面保证确定性。

10.1 SCHED_FIFO + CPU 绑定

# 将网络处理进程设为 FIFO 实时调度，优先级 80
chrt -f 80 ./my_udp_server

# 绑定到 CPU 2
taskset -c 2 chrt -f 80 ./my_udp_server

在代码中：

#include <sched.h>
#include <sys/mman.h>

/* 锁定所有内存，防止缺页中断 */
mlockall(MCL_CURRENT | MCL_FUTURE);

/* 设置 SCHED_FIFO 优先级 80 */
struct sched_param param;
param.sched_priority = 80;
sched_setscheduler(0, SCHED_FIFO, &param);

/* 绑定到 CPU 2 */
cpu_set_t cpuset;
CPU_ZERO(&cpuset);
CPU_SET(2, &cpuset);
sched_setaffinity(0, sizeof(cpuset), &cpuset);

10.2 PREEMPT_RT 内核

Linux 6.12 起，PREEMPT_RT 已合入主线内核，支持 ARM64 和 RISC-V。

PREEMPT_RT 的关键改进：

将 spinlock 替换为可抢占的 mutex
所有中断处理线程化（可被 SCHED_FIFO 任务抢占）
最坏调度延迟从标准内核的数毫秒降至 100 us 以下

# 检查内核是否支持 PREEMPT_RT
uname -a  # 应包含 PREEMPT_RT 或 PREEMPT RT
cat /sys/kernel/realtime  # 输出 1 表示 RT 内核

ARM PREEMPT_RT 延迟实测（cyclictest，SCHED_FIFO 优先级 80）：

内核	无负载 (max)	重负载 (max)
标准内核	50 us	717 us
PREEMPT_RT	32 us	279 us

10.3 RT 内核调优要点

# 禁用调试选项（严重影响延迟）
# 内核编译时确保关闭：
# CONFIG_DEBUG_LOCKDEP=n
# CONFIG_DEBUG_PREEMPT=n
# CONFIG_DEBUG_OBJECTS=n
# CONFIG_SLUB_DEBUG=n

# 隔离 CPU 核心（不运行普通任务）
# 内核启动参数：
# isolcpus=2,3 nohz_full=2,3 rcu_nocbs=2,3

11. 内存管理优化

11.1 禁用 Swap

Swap 导致的缺页中断会引入不可预测的延迟（毫秒级），在实时网络系统中不可接受。

# 立即禁用
swapoff -a

# 永久禁用：编辑 /etc/fstab 注释 swap 行

# 或者设置 swappiness=0（尽量不用但不完全禁止）
sysctl -w vm.swappiness=0
echo "vm.swappiness = 0" >> /etc/sysctl.conf

方案	行为	适用场景
`swapoff -a`	完全禁用 swap	RAM 充足的嵌入式系统
`swappiness=0`	极力避免但不禁止	RAM 紧张但需要兜底

11.2 内存锁定

使用 mlockall() 防止实时进程的内存被换出或触发缺页：

/* 在 main() 起始处调用 */
if (mlockall(MCL_CURRENT | MCL_FUTURE) != 0) {
    perror("mlockall failed");
}

12. 应用层优化

12.1 Socket 选项

/* 增大接收缓冲区 */
int rcvbuf = 4 * 1024 * 1024;  /* 4 MB */
setsockopt(fd, SOL_SOCKET, SO_RCVBUF, &rcvbuf, sizeof(rcvbuf));

/* 启用时间戳（减少系统调用获取时间的开销） */
int ts = 1;
setsockopt(fd, SOL_SOCKET, SO_TIMESTAMPNS, &ts, sizeof(ts));

/* UDP: 使用 connect() 建立绑定（启用 RFS，减少路由查找） */
connect(fd, (struct sockaddr*)&dest, sizeof(dest));

12.2 批量收发

/* recvmmsg: 一次系统调用接收多个包 */
struct mmsghdr msgs[BATCH_SIZE];
/* ... 初始化 msgs ... */
int count = recvmmsg(fd, msgs, BATCH_SIZE, MSG_WAITFORONE, NULL);

/* sendmmsg: 一次系统调用发送多个包 */
int sent = sendmmsg(fd, msgs, count, 0);

recvmmsg/sendmmsg 减少系统调用次数，在 ARM 上效果明显（ARM 的系统调用开销高于 x86）。

12.3 GRO 与 UDP

Linux 内核支持 UDP GRO（Generic Receive Offload for UDP），将多个相同流的 UDP 包合并为一个大包上送应用层：

/* 启用 UDP GRO */
int val = 1;
setsockopt(fd, IPPROTO_UDP, UDP_GRO, &val, sizeof(val));

配合 GRO，应用层一次 recvmsg 可以收到合并后的大包，减少系统调用次数和协议栈处理开销。

13. 诊断方法论

优化前必须先定位瓶颈。以下工具和方法论按诊断顺序排列：

13.1 快速检查清单

# 1. 查看 NIC 丢包
ethtool -S eth0 | grep -iE "drop|error|discard|miss"

# 2. 查看 SoftIRQ 统计
cat /proc/net/softnet_stat
# 每行对应一个 CPU，格式: [processed] [dropped] [time_squeeze]

# 3. 查看 socket 缓冲区溢出
cat /proc/net/snmp | grep Udp
# UdpInErrors, RcvbufErrors, SndbufErrors

# 4. 查看中断分布
cat /proc/interrupts | grep eth

# 5. 查看 CPU 使用率（关注 softirq 比例）
mpstat -P ALL 1

# 6. 查看网络流量
sar -n DEV 1

13.2 瓶颈定位矩阵

现象	可能原因	对应优化
`ethtool -S` 显示 rx_dropped	Ring Buffer 满	增大 Ring Buffer / 增大 NAPI budget
`softnet_stat` 第 2 列非零	Backlog 满	增大 `netdev_max_backlog`
`softnet_stat` 第 3 列非零	SoftIRQ budget 耗尽	增大 `netdev_budget`
`/proc/net/snmp` RcvbufErrors	Socket 缓冲区满	增大 `rmem_max` / 应用层加速处理
中断集中在单个 CPU	无 RPS / RSS 配置	启用 RPS 或 RSS
`mpstat` 显示 `%soft` 高	协议栈处理瓶颈	GRO / Busy Poll / XDP
CPU 频率低于最高值	调速器未升频	设置 `performance` 调速器

14. 完整优化配置模板

以下是一个面向 ARM-Linux 嵌入式高吞吐量 UDP 场景的系统配置模板：

#!/bin/bash
# ARM-Linux Network Performance Tuning Script
# Target: High-throughput UDP on embedded systems

IFACE="eth0"

# --- CPU Frequency ---
echo performance | tee /sys/devices/system/cpu/cpu*/cpufreq/scaling_governor

# --- IRQ Affinity ---
systemctl stop irqbalance 2>/dev/null
# 假设 eth0 中断号通过 grep 获取
IRQ=$(grep ${IFACE} /proc/interrupts | awk '{print $1}' | tr -d ':' | head -1)
echo 1 > /proc/irq/${IRQ}/smp_affinity_list

# --- RPS (单队列 NIC 分散到多核) ---
echo f > /sys/class/net/${IFACE}/queues/rx-0/rps_cpus
echo 32768 > /proc/sys/net/core/rps_sock_flow_entries
echo 4096 > /sys/class/net/${IFACE}/queues/rx-0/rps_flow_cnt

# --- Ring Buffer ---
ethtool -G ${IFACE} rx 4096 tx 4096 2>/dev/null

# --- Interrupt Coalescing ---
ethtool -C ${IFACE} adaptive-rx on 2>/dev/null

# --- Offloads ---
ethtool -K ${IFACE} gro on 2>/dev/null
ethtool -K ${IFACE} rx-checksumming on tx-checksumming on 2>/dev/null

# --- Kernel Parameters ---
sysctl -w net.core.rmem_max=8388608
sysctl -w net.core.wmem_max=8388608
sysctl -w net.core.rmem_default=1048576
sysctl -w net.core.netdev_max_backlog=25000
sysctl -w net.core.netdev_budget=600
sysctl -w net.core.netdev_budget_usecs=4000
sysctl -w net.ipv4.tcp_window_scaling=1
sysctl -w vm.swappiness=0

# --- (可选) Busy Polling ---
# sysctl -w net.core.busy_read=50
# sysctl -w net.core.busy_poll=50

echo "Network tuning applied for ${IFACE}"

15. 总结

ARM-Linux 网络性能优化是一个多维度的工程问题，需要从硬件、驱动、内核、协议栈和应用层协同调优。

高收益优化（建议优先实施）：

CPU 调速器设为 performance（ARM 嵌入式设备几乎无副作用）
中断亲和性 + 禁用 irqbalance（消除缓存失效）
RPS 多核分流（单队列 ARM NIC 的必需项）
Socket 缓冲区和 Backlog 调优（按设备 RAM 比例设置）
GRO 开启（纯软件实现，零成本）

中等收益优化（按需评估）：

Ring Buffer 增大 + 中断合并调优
NAPI budget 增大
禁用 Swap / swappiness=0
recvmmsg/sendmmsg 批量收发

高级优化（延迟敏感场景）：

Busy Polling（3x 延迟改善，但增加 CPU 功耗）
SCHED_FIFO + mlockall + CPU 隔离
PREEMPT_RT 内核
XDP 快速数据路径

核心原则：永远先诊断再优化。使用 ethtool -S、/proc/net/softnet_stat、mpstat 定位实际瓶颈，然后针对性地应用上述优化。盲目套用参数可能适得其反。

1. 数据包接收全链路概览#

2. CPU 频率管理#

2.1 问题表现#

2.2 优化方案#

2.3 ARM 特有说明#

3. 中断优化#

3.1 中断合并（Interrupt Coalescing）#

3.2 中断亲和性（IRQ Affinity）#

3.3 RSS、RPS 与 RFS#

4. NAPI 轮询与 SoftIRQ 调优#

4.1 NAPI Budget 调优#

4.2 Busy Polling（低延迟模式）#

5. Ring Buffer 与 Backlog 调优#

5.1 NIC Ring Buffer#

5.2 Backlog 队列#

6. 协议栈 sysctl 参数调优#

6.1 Socket Buffer#

6.2 TCP 拥塞控制#

6.3 其他关键参数#

7. 硬件卸载功能#

7.1 查看和管理卸载#

7.2 各卸载特性说明#

8. DMA 与零拷贝#

8.1 DMA 基础#

8.2 ARM 特有的 DMA 注意事项#

8.3 零拷贝技术#

9. XDP 快速数据路径#

9.1 XDP 模式#

9.2 ARM 上的 Native XDP#

10. 实时调度与内存锁定#

10.1 SCHED_FIFO + CPU 绑定#

10.2 PREEMPT_RT 内核#

10.3 RT 内核调优要点#

11. 内存管理优化#

11.1 禁用 Swap#

11.2 内存锁定#

12. 应用层优化#

12.1 Socket 选项#

12.2 批量收发#

12.3 GRO 与 UDP#

13. 诊断方法论#

13.1 快速检查清单#

13.2 瓶颈定位矩阵#

14. 完整优化配置模板#

15. 总结#