flow对性能的影响

2023-11-09

 不同高中低端ROUTER,其netflow处理性能果然相差很大
低端10000f/s是极限,中端40000f/s,高端60000f/s(且还有simpled这个杀手锏)
    -
低端ROUTER2600280036003700)来说,采集10000/秒已经是极限了,CPU利用率已经超10%,高于20000f/s40000f/s,CPU利用率都在接近30%作用
    -
高端ROUTER7200(注意不要太老的NPE),7500(注意不要太老的NPE),3800),其40000f/sCPU利用率都能在10%以下(太老的NPE还是能达到20%),明显性能占优
    -
骨干ROUTER 12000支持 10000f/s CPU利用率也在10%以下,40000/sCPU利用率在20%左右,65000f/sCPU利用率是30%左右,采用simpling后,40000f/s能降到12%左右,65000f/s能降到14%

  CPU
损耗主要在流采集上,不在export

    flow
采集因为都是ASIC硬件抓取,所以对性能几乎没有影响。有影响的地方主要是flow技术里侧重于软件的部分————Cache技术
因此flow对性能的影响主要集中于当前cache中的active flow数目

  flow
对内存的消耗————主要是对CACHE的消耗
   
每个flow(cache entry)64字节
   Cache size
缺省值是64K entries,每个cache entry大约占用64 字节的存贮空间
用满就是64 x 64000 =4096000  (4M DRAM)
    NetFlow cache
的缺省大小可以满足需要,不建议更改
cisco
强烈建议保留缺省值,如果必须修改entry值,可能需要先扩容内存

  cisco
官方对export流量对带宽的损耗的解释:正常流量的1.5%
the amount of export data being about 1.5% of the switched traffic in the router.

   
根据计算,在采样率为11000时,对 10Gbit/s的流量进行NetFlow分析,只产生1.3Mbit/s的流量

   Flow Counts and PPS

Flow Count

PPS

(export 多少个UDP包(每个UDP包里含1-30flow)每秒)

注:业界标准,1GE网口线速为1,488,095pps

Bps

占用的带宽

2,000

274

 

10,000 

1394

 

45,000

6326

 

65,000

8903 

 

 

28Mbps

65000/8 = 8903,相当于1export包里有8flow

8flow的一个UDP包,只400字节足够

8903 x 400字节/x8 , 约等于 28M bps

(注意不能乘1500字节/包,因为1500字节是为30flow一包算的)


  
常见的几种解决性能问题的办法:
Some significant factors in reducing CPU utilization from the NetFlow process include:
   -Sampled NetFlow
   -Optimize the aging timers to proper values for the amount of flows
  
优化老化时间
   -Leverage a distributed architecture
   
分布式架构
   -Utilization of flow masks on Catalyst 65k/7600
   
flow mask(6500系列)

   Sampled
采样率要设置得适中
   
采样率过高(1000:1或更高),流量分析的误差将加大,尤其对小Flow或混杂在大流量中的部分关键的小Flow的分析,因此路由器的采样率在很大程度上决定了分析结果的准确性
   
而采样率越低,对资源的占用越大。如果设置过低的NetFlow采样率会对路由器的性能带来较大的影响。

CISCO
官方测算的不同sampling比率对CPU利用率的降低比率
CPU Utilization and Sampling Rate for the Cisco 7505 Router

 Sampling Rate

 Average % Decrease in CPU

 1100

 75

 11000

 82

 

通常sampling 只在大型router 部署,甚至只在72,75,12000上有支持的指令
ip route-cache flow [simpling] (
flow-sampler-map …)

cisco
文档的sampled配置:

 Router(config)# flow-sampler-map mysampler1
Router(config-sampler)# mode random one-out-of 100

Router(config-if)# interface FastEthernet9/0/0
Router(config-if)# ip address 150.1.2.2 255.255.255.0
Router(config-if)# flow-sampler mysampler1
Router(config-if)# ip route-cache distributed

 另一类sampled配置:

 

 interface GigabitEthernet0/1/0
 no ip address
 ip route-cache flow sampled input

interface GigabitEthernet0/1/0.2
 encapsulation dot1Q 2
 ip address 122.64.0.145 255.255.255.252
!
ip flow-sampling-mode packet-interval 500

 

 

 不同接口不同采样比
flow-sampler-map test1
 mode random one-out-of 100
!
flow-sampler-map test2
 mode random one-out-of 1000
interface FastEthernet1/0
 ip address 10.194.194.72 255.255.255.0
 ip flow ingress
 ip flow egress
 duplex half
 flow-sampler test1
!
interface FastEthernet2/0
 ip address 10.193.193.21 255.255.255.0
 ip flow ingress
 ip flow egress
 duplex half
 flow-sampler test2

转载于:https://blog.51cto.com/kwsnh/482382

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

flow对性能的影响 的相关文章

  • 【VSCODE】3、如何支持点击函数跳转

    在安装 vscode 之后 需要配置一下才能支持 command 鼠标 实现函数跳转 一 配置方式 我要配置的是 python 语言 以 python 语言为例来设置 1 在扩展商店搜索 python 并安装 2 安装完成后点击设置按钮 进
  • 可转债数据一览表集思录_可转债投资每周记录20200830

    0 说明 还有一个交易日 8 月份就要过去了 本月上证指数上涨 2 8 左右 可转债等权指数上涨 3 3 左右 截止到本周 我自己 2020 年可转债的中签率如下 8 月份就要过去了 一只可转债都没有中过 没有比我更惨的了吧 当前我自己的投
  • vim配色方案设置(更换vim配色方案)

    1 安装vim后 执行命令 whereis vim 你会看到返回结果 vim usr bin vim usr share vim usr share man man1 vim 1 gz 注意 usr share vim 为vim为用户提供的
  • 基于 VGG16 迁移学习的轴承故障诊断方法代码(python代码,带有数据集,可以直接运行)

    运行效果 基于 VGG16 迁移学习的轴承故障诊断方法代码 python代码 带有数据集 可以直接运行 哔哩哔哩 bilibili 这个项目是复现的这篇文章 基于VGG16迁移学习的轴承故障诊断方法 中国知网 可以结合这篇文章理解本次项目
  • [Binospace] HBase Metrics参数详解

    本研究针对HBase 0 94 及以上版本的系统 RegionServer 本目标主要集中分析在RegionServer提供的相关Metrics接口 在0 94新版本中 Metrics包括 RegionServerMetrics JvmMe
  • JVM-GC垃圾回收器

    垃圾回收器简介 垃圾回收器 工作模式 暂停方式 回收算法 特点 Serial GC 串行 工作线程暂停 一个线程进行垃圾回收 新生代复制算法 Serial Old GC 串行 工作线程暂停 一个线程进行垃圾回收 老年代标记 整理算法 Par
  • 10分钟学会用Python轻松玩转Excel

    前言 当你需要每天对 Excel 做大量重复的操作 如果只靠人工来做既浪费时间 又十分枯燥 好在 Python 为我们提供了许多操作 Excel 的模块 能够让我们从繁琐的工作中腾出双手 今天就和大家分享一个快速处理 Excel 的模块 o

随机推荐