eBPF 调度器 sched-ext：为什么它可能是 Linux 调度未来的突破口？

Yangsh888

2009 年，一位澳大利亚的麻醉医生 Con Kolivas 因为实在忍受不了自己电脑卡顿，一怒之下写了个调度器 —— BFS（Brain Fuck Scheduler）。
这个名字听起来有点“叛逆”，但在那个 CFS（Completely Fair Scheduler）主导的时代，BFS 确实用一种近乎偏执的方式，证明了“为特定场景定制调度器”这件事的价值。
它不追求通用性，而是专注于桌面环境下的低延迟响应，用一个全局队列代替每个CPU各自的调度队列，大幅减少了调度开销。
很多用户反馈，在日常使用中，BFS 比 CFS 更“跟手”，尤其是在交互场景下。
但 BFS 始终没能进入 Linux 主线。原因很简单：Linux 内核追求的是通用、稳定、可扩展，而不是为某类硬件或某类负载做特化。
Kolivas 的努力虽然启发了很多人，但 BFS 最终于 2016 年停止更新，不过他的理念，却像一颗种子，埋进了后来者的土壤里。
时间来到 2024 年 9 月，一个名为 sched-ext 的新调度框架被正式合入 Linux 主线。相较于它的其他前辈们，它最大的不同，是允许用户通过 eBPF（extended Berkeley Packet Filter）编写自己的调度策略，而无需修改内核代码，也不用说服整个社区接受你的补丁。
这听起来可能有点技术，但背后的意义非常深远：它打破了“应用层看不懂内核、内核又无法理解应用”的僵局。

1、BFS 的全局调度队列与传统调度器的差异
传统调度器如 CFS（Completely Fair Scheduler）采用“多队列+时间片公平”的设计，每个 CPU 维护自己的运行队列，通过红黑树记录任务的虚拟运行时间（vruntime），确保每个任务按比例分配CPU时间。
这种设计在服务器负载或后台任务较多的场景下表现良好，但缺点是调度逻辑复杂，容易因频繁切换任务导致交互延迟增加。
例如，当用户点击鼠标时，系统需要等待当前运行的后台进程主动让出 CPU 资源后，才能回到前台响应输入事件，这中间所产生的延迟就会让人感觉“卡顿”。
BFS 则完全颠覆了这一逻辑。它的核心是全局队列（Global Run Queue），所有就绪态的任务都被统一管理，而非分散在每个 CPU 的本地队列中。
这种设计的好处在于：
i.减少调度开销：传统调度器需要频繁同步多个 CPU 的本地队列，而 BFS 的全局队列只需一次调度决策即可，降低了上下文切换的开销。
ii.优先级动态调整：BFS通过“最近唤醒”原则（Recently Woken）优先调度新任务。例如，当用户点击鼠标时，对应的输入处理线程刚被唤醒，BFS会立即将其加入队列头部，确保快速响应。
iii.简化调度逻辑：BFS 的队列结构类似一个先进先出（FIFO）的队列，但会根据任务类型动态调整优先级。比如，交互式任务（如桌面应用）会被赋予更高的“虚拟截止时间”，而后台任务（如编译程序）则被延后执行。
这种设计在桌面场景下效果显著：用户操作的响应延迟可降低至毫秒级，但代价是牺牲了多核 CPU 的利用率。这也是为什么 BFS 从未被主流内核接受——它太“特化”了，无法适应服务器或高并发场景的需求。

2、EEVDF 算法：
BFS 的低延迟特性，离不开 EEVDF（Earliest Eligible Virtual Deadline First）算法的支撑。EEVDF 是实时调度领域的一种经典算法，核心思想是为每个任务分配一个虚拟截止时间（Virtual Deadline），调度器总是选择“最早到期”的任务执行。
在 BFS 中，EEVDF 的实现方式如下：
i.虚拟截止时间的计算：每个任务的虚拟截止时间由两部分决定 —— 任务的优先级和运行周期。例如，交互式任务的优先级较高，其虚拟截止时间会被设置得更短；而后台任务的优先级较低，截止时间则更长。
ii.动态调整：当任务被唤醒时，BFS 会重新计算其虚拟截止时间，并将其插入全局队列的合适位置。例如，用户点击鼠标的瞬间，对应的任务会被赋予极短的截止时间，从而抢占队列头部，确保快速响应。
iii.过期处理：如果某个任务的虚拟截止时间已过且仍未执行，BFS 会强制中断当前任务，优先调度该过期任务。这种“抢占式调度”机制，是 BFS 能保障低延迟的关键。
EEVDF 的优势在于，它既保留了实时调度的确定性，又避免了传统实时调度器（如 SCHED_FIFO）可能导致的“饥饿”问题。
例如，在传统实时调度中，高优先级任务会无限运行，直到主动让出 CPU，而EEVDF 通过动态调整截止时间，确保所有任务最终都能获得执行机会。

3、EEVDF 如何融入 Linux 内核？
EEVDF 最初是作为独立的调度类（SCHED_DEADLINE）被引入 Linux 的，它与 CFS、RT（实时调度）并列。
SCHED_DEADLINE 允许用户通过系统调用（如 sched_setattr()）为任务指定运行时间（runtime）、周期（period）和截止时间（deadline），内核会根据这些参数，将任务分配到相应的调度队列，并按照 EEVDF 规则进行调度。
然而，EEVDF 的普及一度受限于其复杂性：开发者需要精确计算每个任务的参数，这对普通应用来说门槛过高。
而 BFS 的出现，巧妙地将 EEVDF 简化为“自动化的调度策略”：
i.自动参数推导：BFS 通过观察任务的唤醒模式和运行行为，自动推断其优先级和截止时间。例如，频繁被用户唤醒的任务（如 GUI 线程）会被标记为高优先级，而长时间运行的后台任务（如日志写入）则被赋予较低优先级。
ii.与传统调度器兼容：BFS 并未完全取代 CFS，而是作为 CFS 的补充。当系统检测到交互式负载增加时，会动态切换至 BFS 模式；当负载趋于稳定时，再回退到 CFS。这种“混合调度”策略，既保留了 BFS 的低延迟优势，又兼顾了 CFS 的通用性。
在 Linux 内核中，EEVDF 的集成还解决了另一个关键问题：资源争抢。
传统调度器难以平衡多个高优先级任务的资源需求，而 EEVDF 通过虚拟截止时间的动态调整，确保每个任务都能在“公平”与“及时”之间找到平衡点。
例如，在服务器场景中，EEVDF 可以优先处理短时任务（如 HTTP 请求），同时保障长时任务（如数据库备份）不会被完全饿死。

4、BFS 如何精准感知交互任务？
BFS 对交互任务的优化，依赖于一套“延迟感知”机制。其核心逻辑是：
i.任务分类：BFS 通过分析任务的 I/O 模式和唤醒频率，将任务分为“交互型”和“后台型”。例如，GUI 线程通常频繁被用户事件唤醒，而数据库查询线程则更多依赖磁盘 I/O。
ii.优先级衰减：交互型任务的优先级会随时间衰减，但每次被用户唤醒时，其优先级会被重置为最高。这种设计确保用户操作始终能得到即时响应，而不会被后台任务“淹没”。
iii.抢占式调度：当交互任务被唤醒时，BFS 会强制中断当前运行的后台任务，优先执行交互任务。例如，用户在打字时，即使有后台任务正在运行，BFS 也会立即切换到输入处理线程，确保按键无延迟。
这种机制在桌面场景下表现尤为突出。测试数据显示，BFS 能使鼠标点击的响应延迟降低至 50ms 以内，而 CFS 在相同场景下通常需要 200ms 以上。但这也意味着 BFS 在服务器场景中可能表现不佳——它会为了少数交互任务牺牲整体吞吐量。

5、sched-ext 与 eBPF：
基于上述所有分析，简而言之，我们知道 BFS 的局限性在于其“一刀切”的设计，它只能为桌面场景优化，无法适应多样化的负载需求。
而 2024 年推出的 sched-ext 框架，通过 eBPF 彻底改变了这一局面。
sched-ext 的核心理念是：将调度策略的定义权交给用户。开发者可以通过eBPF 程序（BPF 程序）实现自定义的调度逻辑，例如：
i.按业务优先级调度：在微服务架构中，为关键服务（如支付接口）分配更高的 CPU 资源，而将非关键服务（如日志收集）降级处理。
ii.动态资源隔离：在云原生环境中，为不同租户的容器分配独立的调度队列，防止资源争抢。
iii.测试极端场景：通过故意制造调度延迟或资源争用，验证系统的鲁棒性（例如 scx_chaos 调度器）。
eBPF 的安全性和灵活性，使得这些调度策略无需修改内核代码即可部署。例如，Meta 在其数据中心部署的 scx_lavd 调度器，通过 eBPF 动态分析任务间的依赖关系，将某些微服务的响应延迟降低了 30% 以上，而无需修改应用代码。
这种“调度即服务”的模式，正在重塑 Linux 的底层能力边界。

6、未来：从“通用”到“场景化”
BFS 的失败与 sched-ext 的成功，揭示了一个趋势：调度器的设计正在从“通用最优”转向“场景最优”：
在 AI 训练场景中，调度器可以优先保障模型加载和梯度计算的线程资源；
在实时音视频流媒体中，调度器可以确保解码和渲染线程始终处于高优先级运行状态；
在嵌入式设备中，调度器甚至可以根据传感器数据动态调整任务优先级。
这种“量体裁衣”的灵活性，是传统调度器难以企及的。
而 EEVDF 与 eBPF 的结合，更是为这一趋势提供了技术基础。
前者提供了精确的时间管理能力，后者则赋予了无限的策略可能性。
调度的本质，从来不是“公平”，而是“合适”。
用压路机去砸核桃当然能砸开，但如果你手里有一把小锤子，为什么不试试？
sched-ext 的意义，就是将这把小锤子，交到了真正需要它的人手里。
它的出现，不仅解决了长期存在的调度僵局，更开启了一个“调度即服务”的新范式 —— 开发者不再是被动接受调度策略的消费者，而是可以根据业务需求主动定制调度逻辑的创作者。这种转变，或许会重新定义我们对操作系统底层能力的认知。

amoy

把 BFS 比作“手工锤子”，sched-ext 比作“把锤子交给用户”，这个比喻很到位