在SSD测试中，往往选择异步IO引擎进行测试，也就是在fio命令或者脚本中加上ioengine= libaio，这是因为异步IO模式的效率要远高于同步模式，尤其是测试NVMe SSD时，这样的测试结果是非常明显的。2019年，Linux Kernel走进了5.x时代，众多新特性中与存储密切相关的就是IO引擎——io_uring。其主要作者是Linux块设备层维护者Jens Axboe（他也是前文提到的fio的作者）。
Jens Axboe发布了一篇名为《Efficient IO with io_uring》文档，对io_uring进行了介绍。首先，他简述了Linux的IO发展历程，总结了当前Linux的原生异步IO接口（AIO）的局限，描述了io_uring易用、效率高等优势，并对io_uring的实现进行了概述。
a. io_uring 通过 单一producer& 单一consumer的ring buffer数据结构，实现了用户态和内核态无锁共享；
b. 同时，io_uring的CQ与SQ通过 mmap() 共享数据；减少了不必要的数据拷贝overhead;
c. IO submission 数据结构设计的十分有前瞻性，为 E2E data protection等企业级需求预留了字段；非常的user-friendly;
d. io_uring 代码由 Jens Axboe 和 nvme 驱动维护者 Christoph Helwig 合作完成， 可以说是从立案阶段就有意识的与nvme驱动层紧密联动；与nvme高度匹配。
我们在Centos7.6上装了一个5.3.8版本的Kernel，并对一块U.2接口，7.68TB的 PBlaze5 910 NVMe SSD进行测试。测试工具是fio3.16，测试过程中主要对比io_uring和libaio两种IO 引擎的性能及QoS等指标。文章最后部分将借助perf工具等工具对io_uring的调度机制进行分析。
4k随机写（延时）——libaio、io_uring及polling模式下的io_uring
在同样的硬件平台上；仅仅更换IO引擎， 就可以带来0.83微秒，8% 的latency改善，应该说对于延时敏感的应用，是十分宝贵而难得的。下图是polling模式下的io_uring的最终log，从这张图我们可以看到不仅是平均写延时降低，更值得注意的是99.9%和99.99%的QoS有了更好的表现。
QoS的改善在随机读场景下表现更加明显。下图对比了io_uring和libaio的4k随机读测试结果（numjobs=1 iodepth=1）。
从这次测试的结果对比可以计算得出，io_uring延时百分点中99.9%、99.99%、99.999%（5个9的实验结果有一定的随机性，在此仅作参考）三个值分别比libaio降低了17%、77%和74%，io_uring带来的性能和服务质量的优势显而易见。
此外，测试数据显示4k随机读/写的IOPS也均有提升，值得一提的是，使用io_uring，可以以更少的资源消耗，达到同样的性能，这为今后更高速的SSD发挥性能潜力留足了空间。
这里我们对io_uring在性能上的优势进行了简单的验证，回到上文中提到的《Efficient IO with io_uring》文档，除了性能相关的效率（Efficiency）和性能可扩展性（Scalability），易用性是io_uring的一大亮点，接下来我们就分两步对io_uring的内部实现和调用做一个说明。
第一步我们借助 perf工具对fio (io_uring 引擎， 随机写)采集10秒，从生成的火焰图来看，fio调用主要有两类，一类是下图左侧部分，以io_poll 一类函数为代表；主要表现了其在内核态对IO请求进行poll的调用（下图左侧部分）。
而另一方面， 从右侧 io_submit_sqe部分的调用来看；其充分利用了blk-mq; blk_flush等优化；相比传统的block layer实现了对nvme更高效的调用。将上图右侧部分放大如下图。
火焰图让我们直观的看到了io_uring调用的分布，io_uring的主干代码超过3000行，对于非内核开发的读者看起来可能略微复杂，所以我们进一步使用能够追踪内核调用信息的ftrace功能进行实验，采用kernel tracing的方式，追踪一次完整的io_uring 的IO 堆栈。希望一窥其中奥妙。而使用ftrace可以追踪到具体的内核调用信息。下面就通过一段ftrace抓取的信息看io_uring的完整调用关系。
下面是节选的部分追踪轨迹：
可以看出io_uring的调用关系：
结合这段trace 读起io_uring的相关代码 事半功倍！
一定程度上，io_uring代表了Linux kernel block层的未来，至少从中我们可以看出一些block层进化的方向，而且我们看到io_uring也在快速发展，相信未来io_uring会更加的高效、易用，并拥有更加丰富的功能和更强的扩展能力。这让我们充满期待，NVMe的存储时代需要一个属于自己的高速IO引擎。
相关阅读
1.https://kernel-recipes.org/en/2019/talks/faster-io-through-io_uring
2.https://kernel.dk/io_uring.pdf
3.https://git.kernel.org/pub/scm/linux/kernel/git/stable/linux.git/tree/fs/io_uring.c?h=v5.3.8
