目录

一、eBPF 原理

二、eBPF 已可投入使用的场景

三、eBPF 与 Jaeger/Zipkin 的区别及先进性

四、使用 eBPF 的开源软件

五、开源软件的局限性或待实现功能

猫哥说

---

一、eBPF 原理

eBPF (extended Berkeley Packet Filter) 是一种内核技术，允许用户在内核空间安全、高效地运行自定义程序，而无需修改内核代码或加载内核模块。

核心概念：

1. BPF 虚拟机：内核中的一个轻量级虚拟机，负责执行 eBPF 程序。
2. eBPF 程序：用户编写的、经过编译的字节码程序，可以在内核事件（如系统调用、网络事件、内核探针）发生时被触发执行。
3. Maps：eBPF 程序与用户空间程序之间共享数据的机制，类似于键值对存储。
4. Helper Functions：内核提供的一组函数，eBPF 程序可以通过这些函数访问内核功能和数据。
5. Verifier：内核中的一个安全验证器，确保 eBPF 程序不会导致内核崩溃或安全漏洞。
6. JIT Compiler：将 eBPF 字节码编译为本地机器码，提高执行效率。

工作流程：

1. 用户编写 eBPF 程序（通常使用 C 语言）。
2. 使用 LLVM/Clang 编译器将 eBPF 程序编译为 BPF 字节码。
3. 通过 bpf() 系统调用将字节码加载到内核。
4. Verifier 验证程序的安全性。
5. JIT Compiler 将字节码编译为本地机器码（可选）。
6. 将 eBPF 程序附加到内核事件（如 kprobes、tracepoints、网络接口等）。
7. 当事件发生时，eBPF 程序被触发执行。
8. eBPF 程序可以通过 Maps 与用户空间程序交换数据。

eBPF 的优势：

• 安全：Verifier 确保 eBPF 程序不会破坏内核稳定性。
• 高效：JIT 编译和内核态执行带来高性能。
• 灵活：可以动态加载和卸载，无需重启内核或应用。
• 可编程：用户可以自定义 eBPF 程序，实现各种功能。

二、eBPF 已可投入使用的场景

eBPF 在可观测性领域有广泛的应用：

1. 网络性能监控：

   • 监控网络流量、延迟、丢包率等。
   • 分析网络协议、识别性能瓶颈。
   • 实现自定义的网络策略。

2. 系统调用跟踪：

   • 跟踪应用的系统调用，分析系统调用频率、耗时等。
   • 识别系统调用相关的性能问题。

3. 内核探针（kprobes/uprobes）：

   • 在内核函数或用户空间函数入口/出口处插入探针，收集函数参数、返回值、执行时间等信息。
   • 用于性能分析、故障排查。

4. 跟踪点（tracepoints）：

   • 利用内核中预定义的跟踪点，收集内核事件信息。
   • 用于性能分析、故障排查。

5. 安全监控：

   • 监控系统调用、网络事件等，检测异常行为。
   • 实现入侵检测、安全审计等功能。

6. 容器监控：

   • 监控容器的网络流量、资源使用情况等。
   • 实现容器隔离和安全策略。

7. 应用性能监控（APM）：

   • 通过 uprobes 跟踪用户空间函数，收集应用性能数据。
   • 与传统的 APM 相比，eBPF 具有更低的开销和更高的灵活性。

三、eBPF 与 Jaeger/Zipkin 的区别及先进性

区别：

• Jaeger/Zipkin：是分布式追踪系统，主要关注服务间的调用关系和延迟，通过在应用中埋点（instrumentation）来收集数据。
• eBPF：是一种内核技术，可以在内核空间收集各种数据，包括网络、系统调用、内核事件等，也可以用于应用性能监控，但其应用范围更广。

先进性：

1. 低开销：eBPF 在内核态执行，无需频繁的用户态/内核态切换，开销更低。
2. 无需埋点：eBPF 可以通过 kprobes/uprobes 动态地收集数据，无需修改应用代码。
3. 更全面的数据：eBPF 可以收集更底层的数据，如内核事件、系统调用等，而 Jaeger/Zipkin 主要关注服务间的调用。
4. 安全性：eBPF 的 Verifier 机制确保了程序的安全性，不会影响内核稳定性。
5. 动态性：eBPF 程序可以动态加载和卸载，无需重启应用或内核。

总结：eBPF 是一种更底层、更通用、更安全的技术，可以用于实现更广泛的可观测性场景，包括 Jaeger/Zipkin 所关注的分布式追踪。

四、使用 eBPF 的开源软件

1. BCC (BPF Compiler Collection)

   • 官网：GitHub - iovisor/bcc: BCC - Tools for BPF-based Linux IO analysis, networking, monitoring, and more
   • 解决的难题：提供了一组工具和库，简化 eBPF 程序的开发和部署。
   • 局限性：需要一定的 C 和 Python 编程基础。

2. bpftrace

   • 官网：GitHub - bpftrace/bpftrace: High-level tracing language for Linux
   • 解决的难题：提供了一种高级的、声明式的语言，用于编写 eBPF 程序，简化了 eBPF 的使用。
   • 局限性：表达能力不如 BCC 强大，不适合复杂的 eBPF 程序。

3. Cilium

   • 官网：Cilium - Cloud Native, eBPF-based Networking, Observability, and Security
   • 解决的难题：基于 eBPF 实现 Kubernetes 的网络、安全和可观测性。
   • 局限性：主要面向 Kubernetes 环境。

4. Falco

   • 官网：Falco
   • 解决的难题：基于 eBPF 实现容器安全监控和威胁检测。
   • 局限性：主要面向容器安全。

5. Katran

   • 官网：GitHub - facebookincubator/katran: A high performance layer 4 load balancer
   • 解决的难题：基于 eBPF 实现高性能的 L4 负载均衡器。
   • 局限性：主要面向网络负载均衡。

6. Pixie

   • 官网：Kubernetes Monitoring, Application Debug Platform | Pixie
   • 解决的难题：基于 eBPF 实现 Kubernetes 应用的自动监控和调试。
   • 局限性：主要面向 Kubernetes 环境。

7. Parca

   • 官网：Parca - Open Source infrastructure-wide continuous profiling
   • 解决的难题：基于 eBPF 实现持续性能分析（Continuous Profiling）。
   • 局限性：主要面向性能分析。

五、开源软件的局限性或待实现功能

1. eBPF 学习曲线陡峭：eBPF 技术本身有一定的学习门槛，需要掌握内核、C 语言、BPF 虚拟机等知识。
2. eBPF 程序开发调试困难：eBPF 程序的开发和调试不如用户态程序方便。
3. eBPF 安全性挑战：虽然 Verifier 机制可以防止大部分安全问题，但仍需谨慎编写 eBPF 程序，避免潜在的安全漏洞。
4. eBPF 与应用集成的挑战：将 eBPF 收集的数据与应用层面的指标、日志、调用链关联起来，需要一定的集成工作。
5. eBPF 标准化：eBPF 相关的工具和库仍在快速发展中，缺乏统一的标准。

待实现功能：

1. 更友好的 eBPF 开发工具：提供更高级的语言、更强大的调试工具、更完善的文档，降低 eBPF 的使用门槛。
2. 更丰富的 eBPF 程序库：提供更多预定义的 eBPF 程序，覆盖更多的可观测性场景。
3. eBPF 与 OpenTelemetry 的集成：将 eBPF 收集的数据与 OpenTelemetry 标准集成，实现更全面的可观测性。
4. eBPF 在安全领域的应用：进一步探索 eBPF 在安全领域的应用，如入侵检测、漏洞利用检测等。
5. eBPF 在边缘计算的应用：将 eBPF 应用于边缘计算场景，实现边缘设备的监控和管理。

猫哥说

eBPF 是一项强大的内核技术，在可观测性领域具有广阔的应用前景。虽然 eBPF 仍存在一些挑战，但随着技术的不断发展和社区的不断壮大，eBPF 将在可观测性领域发挥越来越重要的作用。

其实eBPF本身没有那么难，但是如果总是让工程师人员复用，以做简单项目为主，以酒量作为考察标准，搞不出来eBPF，让单子飞了，是再正常不过的事情！