1. 课程导入与工程全景
在数据中心网络与算力卸载的工程实践中，Marvell DPU（Data Processing Unit）已经不再是"网卡加几个加速引擎"的简单叠加，而是一台可编程的、以网络为入口的独立计算节点。它把网络数据面、存储虚拟化、安全策略、可编程流水线以及通用 Arm 核整合在同一颗芯片上，通过 PCIe 呈现给主机，通过以太网口连接交换网络。理解这一点，是后续所有性能基准与容量评估工作的前提：我们评估的不是一块网卡，而是一台"藏在服务器里的服务器"。
本课程围绕 Marvell OCTEON 系列 DPU 展开。该系列以 OCTEON 10 DPU 为代表，内部集成了 Arm Neoverse N2 通用核、可编程的 packet processing 引擎、加密与压缩加速单元、DMA 引擎以及高速以太网 MAC/PCS。不同 SKU 在核数、主频、PCIe 通道数、以太网速率（100G/200G/400G）和内存带宽上存在明显差异，因此"性能基准"从来不是一个单一数字，而是一组与配置强绑定的指标集合。工程上我们通常把它拆成四类：网络吞吐与转发性能、主机侧卸载收益、加速引擎吞吐与延迟、以及资源占用与功耗。
先看产品定位。Marvell DPU 在数据中心中的典型角色有三类。第一类是网络卸载：把 OVS、VXLAN/Geneve 封装解封装、连接跟踪、ACL 等从主机 CPU 迁移到 DPU，释放主机算力。第二类是存储与安全卸载：IPsec/TLS 加解密、压缩、NVMe-oF 目标端处理。第三类是基础设施服务承载：在 DPU 上直接运行控制面代理、遥测采集、负载均衡等轻量服务，实现"基础设施与业务解耦"。这三类角色对应的性能关注点完全不同，评估方法也必须区分。
接下来是评估目标。性能基准（benchmark）回答的是"在给定配置下，这台 DPU 能跑多快"；容量评估（capacity assessment）回答的是"在给定业务模型下，一台 DPU 能承载多少实例、多少连接、多少带宽，需要几台"。前者是单点测量，后者是模型外推。二者共享同一套测量数据，但推导逻辑不同。工程上常见的错误是拿一个峰值吞吐数字直接做容量规划，忽略了包长分布、连接并发数、流表规模、加密比例等业务特征，导致上线后实际容量远低于预期。
为了把上述关系讲清楚，下图给出本节的核心工程全景：从产品定位出发，经过评估目标分解，落到交付物与评估流程的闭环。图中同时标出了四类关键指标与它们之间的依赖关系。
上图中，产品定位决定了评估场景的边界，评估目标决定了指标选取，交付物决定了数据必须记录到什么粒度，而评估流程则把三者串成闭环。特别要注意那条虚线反馈回路：容量评估很少一次成功，通常需要根据瓶颈分析结果回头调整配置或修正业务模型，再复测。这条回路是工程评估与"跑个分"的本质区别。
下面把评估流程的五个阶段展开，说明每个阶段实际要做什么、产出什么。
阶段一：需求与场景定义。这是最容易被跳过、却最影响结论的一步。需要明确：业务是东西向还是南北向流量为主？平均包长是多少（64B 小包与 1500B 大包对 pps 的压力差一个数量级）？并发连接数与流表规模量级？是否启用加密、压缩、隧道封装？SLA 要求的时延上限和丢包率是多少？把这些写成一份场景描述，后续所有测量都围绕它设计。例如一个典型示例场景可以定义为：南北向 VXLAN 隧道流量，平均包长 512B，并发连接 50 万，启用 IPsec 传输模式，时延 P99 要求小于 200μs。
阶段二：环境搭建。需要一台带 DPU 的服务器（host）、一台或多台打流仪或对端服务器、以及正确的固件与驱动版本。关键记录项包括：DPU SKU 与固件版本、PCIe 链路速率与宽度、主机 CPU 型号与核数、内存配置、操作系统与内核版本、DPU 上运行的固件/软件镜像版本。这些信息构成"配置快照"，没有它，任何测量数字都不可复现。打流侧要确认能产生目标包长分布和连接模型，否则测出来的只是打流仪的能力。
阶段三：基准测量。按四类指标分别采集。网络吞吐用 RFC 2544 或类似方法做阶梯加压，记录吞吐-时延曲线，找到拐点而非只看峰值；卸载收益通过对比"主机软件转发"与"DPU 卸载"两种模式下主机 CPU 占用率来量化；加速引擎用固定算法和密钥长度测吞吐与延迟；资源占用通过 DPU 侧遥测读取内存带宽、功耗、温度。每个测量点都要记录配置和负载条件。
阶段四：数据分析。把测量数据与场景需求对照，定位瓶颈。常见瓶颈包括：PCIe 带宽成为上限、单个 Arm 核处理能力饱和、流表查找成为热点、加密引擎吞吐不足、内存带宽受限。分析时要区分"DPU 能力上限"与"当前配置下的表现"，前者是硬件天花板，后者才是可优化空间。
阶段五：容量结论与交付。基于分析结果给出容量模型：在目标业务模型下，单台 DPU 可承载的带宽、连接数、实例数，以及达到该容量时的资源余量建议（通常保留 20%~30% 余量应对突发）。交付物包括基准测试报告、容量规划模型、瓶颈与优化清单、可复现的测试脚本。
最后强调一个贯穿全课程的判断原则：任何性能数字都必须附带它的配置与负载条件才有意义。"400G 吞吐"在 1500B 大包下可能轻松达到，在 64B 小包下可能只有几分之一；"100 万并发连接"在无状态转发下可行，在带连接跟踪和加密的场景下可能腰斩。本课程后续每一章都会围绕"在什么条件下、测什么、怎么测、怎么判断"展开，帮助你把 DPU 的性能从厂商规格书上的数字，转化为自己业务场景下可信的容量结论。