1. 课程导论：Cilium与eBPF在云原生网络中的核心地位，缓存命中瓶颈问题的提出与课程目标

1.1 云原生网络的技术演进与核心挑战

随着Kubernetes成为容器编排的事实标准，传统基于iptables/ipvs的网络方案在大规模集群中暴露出明显的性能瓶颈：规则更新延迟高、连接跟踪表膨胀、CPU消耗随节点规模线性增长。云原生网络亟需一种可编程、高性能、可观测的数据平面。

Cilium应运而生，它基于eBPF（extended Berkeley Packet Filter）技术，将网络、安全、可观测性能力下沉到Linux内核，实现了无代理（agentless）的数据路径。eBPF允许用户在沙箱环境中安全地注入字节码，动态挂载到网络栈的关键钩子点，从而绕过传统内核协议栈的冗余处理。

1.2 Cilium与eBPF的核心地位

下表对比了传统网络方案与Cilium+eBPF方案在关键维度的差异：

eBPF在Cilium中的核心作用体现在三个层面：

• 网络转发层： 通过TC（Traffic Control）和XDP（eXpress Data Path）钩子，实现Pod间、节点间的高效转发。
• 策略执行层： 利用eBPF map存储Endpoint身份与策略规则，在数据包处理时实时匹配。
• 可观测性层： 通过eBPF perf event和map统计，提供延迟、吞吐、丢包等细粒度指标。

1.3 缓存命中瓶颈问题的提出

尽管eBPF将数据路径缩短到极致，但在高并发、高吞吐场景下，缓存命中率成为制约Cilium性能的关键瓶颈。eBPF程序在运行时频繁访问两类缓存结构：

1. eBPF Map缓存： 用于存储连接跟踪条目、策略规则、Endpoint信息等。Map查找是eBPF程序中最频繁的操作之一。
2. CPU缓存（L1/L2/L3）： eBPF程序处理的数据包、map条目、栈变量等，如果无法命中CPU缓存，将导致严重的内存访问延迟。

缓存未命中（Cache Miss）带来的直接影响：

• 延迟增加： 一次L3缓存未命中可能导致数十纳秒的延迟，而一次主存访问延迟高达100ns+。在PPS（Packets Per Second）百万级场景下，累积效应显著。
• 吞吐下降： CPU流水线因等待数据而停顿，IPC（Instructions Per Cycle）下降，导致整体转发能力受限。
• CPU消耗上升： 缓存未命中迫使CPU频繁访问主存，增加内存带宽压力，进而影响同节点其他容器应用的性能。

1.4 课程目标与学习路径

本课程旨在帮助学员系统掌握Cilium缓存命中瓶颈的分析方法与优化手段。通过30章的系统学习，你将达成以下目标：

1.5 Cilium数据路径与缓存交互概览

下图展示了Cilium在eBPF数据路径中与各级缓存的交互关系，帮助建立全局视角：

1.6 本课程的技术栈与前置要求

为获得最佳学习效果，建议学员具备以下基础：

• Linux内核基础： 理解进程调度、内存管理、网络协议栈基本概念。
• eBPF入门知识： 了解eBPF程序生命周期、map类型、辅助函数。
• Kubernetes网络基础： 熟悉Pod网络模型、CNI插件工作原理。
• 性能分析工具： 至少使用过perf、bpftrace或火焰图中的一种。