今天就跟大家聊聊有关如何进行eBPF应用分析，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
最近一直在学习eBPF以及当前的应用案例，搜索到这篇文章。这篇文章将目前市面上主流的应用场景描述的很清楚。但是传播度不够，关键词的搜索中也不是第一个出现的。所以，我也是简单的调整了下格式发出来。原文链接也找不到了，如果涉及到版权请联系我。eBPF是当前的网络开发领域中的热点，netconf也有多篇相关的topic。后续我会把eBPF/XDP的源码实现，应用场景，当前现状也会陆续整理发出来。
Linux内核社区最近发布了bpfilter，一个使用Linux BPF提供的高性能网络过滤内核模块，用来替代netfilter作为iptables的长期支持的内核底层的实现，实现Linux用户的无痛向BPF过渡的换心手术。
BPF可能我们比较生疏，但是我说起tcpdump、Wireshark等流行的网络抓包和分析工具你一定听说并可能使用过，他们底层的包过滤实现就是用的BPF。所以他不是一个新的技术，也已经陪伴我们很久了。目前，BPF已经成长为一个高度灵活的和丰富功能的框架，它可以以不牺牲系统性能和安全性为前提下，大幅度扩展Linux的功能。BPF强大的灵活性、稳定性和丰富的功能，使得业界翘楚比如谷歌，facebook和Netflix等Linux内核前瞻性大企业用户纷纷对其伸出橄榄枝，用BPF来实现网络安全、负载均衡，还有性能监控、故障排查等大量的用途。 Netflix的Brendan Gregg首先称其为Linux的BPF Superpowers。
下面将介绍这些大企业实践中由于如何超负荷使用iptables内核子系统，从而导致的冗余、性能低下等问题，以及新内核如何利用新特性优雅地从底层解决这些问题。
在过去15年类，Linux内核社区构建了很多内核子系统，包括TPC/IP栈，iptables(netfiter)等等，在此过程中我们也看到了BPF一步步发展、成长、壮大。现在内核的新转变让我们意识到了BPF不仅仅是另一个功能，而是代表了一个根本的技术转型，它将及时改变Linux从网络到安全的各个方面。从iptables到bpfilter的转变,只是BPF为振兴Linux网络栈领域,使其更现代化的重要一步。为了解释为什么会有这激动人心的一步转变，首先我们介绍下内核中iptables的历史演变。
多年来iptables一直是Linux上实现防火墙和网络数据包过滤器的最主要的工具。从最初的ipchains，很多linux老司机最初可能都接触ipchains，他是iptables前身，是在linux 内核 2.2.10引入。然后是在2001年linux内核版本2.4.0开始引入了iptables。从此，多少年一来，iptables一直给用户带来了便利和麻烦两重天。一方面享受的灵活性和快速修复。另一方面，又为了在调试5000条沉沉的过滤规则而犯难，想为此骂娘。
当iptables在20年前取代其前身ipchains时，开始其生命周期时，防火墙功能的范围还很简单明确：
保护本地应用程序免受不需要的网络通信（INPUT链）
保护本地应用程序发送不需要的网络通信（OUTPUT链）
过滤由Linux系统（FORWARD链）转发/路由的网络流量。
那时后网络速度很慢，日子过的很慢。还记得用宿舍用Modem，201卡拨号情形么？那是iptables最初被设计和开发的时代。用iptables实现访问控制列表（ACLs）的标准做法是使用连续的规则列表，即每个接收或发送的网络数据包都要逐一与规则列表进行匹配，直到匹配或者全不匹配。然而，逐行的处理有明显的缺陷：过滤数据包的成本，随着添加的规则数量线性增加。
一段时间过去了，网络速度开始提高了，iptables的设置规则，也从十几条增加到数千条规则。从性能和延迟角度来看，遍历顺序的iptables列表已经变得不可忍受。
社区很快发现了瓶颈所在：长长的规则列表要么拒绝，要么允许单独的IP地址和端口组合。为此引进了ipset对IP地址进行管理。 ipset允许将与IP地址和端口组合存储到散列表中，在iptables只需引用ipset中的散列的键名就可以，极大的减少iptables规则的数量，而且ipset散列中的IP地址信息常驻内存，匹配非常快。但这也只是"头疼医头，脚疼治脚"的治表不治本的暂时权衡之策。
更不幸的是，ipset还不能适用于所有情况。近些年，随着容器技术的崛起，一个明显的问题是kube-proxy，他是Kubernetes的一个组件，容器要使用iptables和-j DNAT规则为服务提供负载均衡。它要为为每个后端服务要添加多条iptables规则。对于添加到Kubernetes的每个服务，要遍历的iptables规则列表呈指数增长。最近的KubeCon议题中详细研究kube-proxy的性能表现细节。研究结果显示，随着服务数量的增长，网络延迟和性能下降无法估量。还披露了iptables的另一个主要缺点，无法实现增量更新。每次添加新规则时，必须更新整个规则列表。结果是对2万个Kubernetes服务16万条的iptables规则，装配这些规则需要耗时5个小时。
使用基于IP/端口的机制一般还有许多其他明显的缺点，特别是在容器应用环境下。容器需要经常部署和删除。这可能导致个别IP地址的使用快速变化。一个IP地址可能被一个容器使用几秒钟，然后在几秒钟之后会换到一个容器使用。这使得依靠使用IP地址进行安全过滤的系统受到压力，因为集群中的所有节点都必须始终知道最新的IP到容器的映射。虽然在一个集群内部这几乎没有什么难度，但它在如果在分布式的跨集群应用中就会很有挑战性。关于这些这儿不在赘述，可以参考docker，k8s等相关的官方文档。
BPF革命性开发的新进展更令人兴奋，即通过用户完全透明的方式用BPF完全替换iptables的内核部分（netfiter），即现有iptables客户端和库无需任何改动。
感兴趣的同学可以去linux 内核邮件列表中找到相关的讨论。该提案由Daniel Borkmann（Covalent），网络维护部分由David Miller（Red Hat）和Alexei Starovoitov（Facebook）撰写。
Quentin Monnet在FRnOG 30上提供的以下图表显示了与iptables和nftables相比较bpfilter的一些早期测试结果。
这些早期的测试数据展示了令人乍舌的性能优势，也是BPF强大的一个实例。我们唯一要注意的是bpfilter和BPF本身并不能解决由iptables使用顺序过滤引起的性能问题，要彻底解决这个问题必须使用BPF底层内核及原生的BPF应用。
看完上述内容，你们对如何进行eBPF应用分析有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
