eBPF:内核变成可编程的基础设施
一、引言
Cilium 可以替换 kube-proxy,用 BPF Map 查询减少传统 iptables 模式新连接选路时的规则遍历。Tetragon 在内核层追踪进程行为,按配置在内核挂载点上执行过滤或终止动作。Pixie 在不修改任何应用代码的情况下,给出整个集群的服务拓扑和延迟分布。
这三件事背后是同一个机制:eBPF。
它不是一个工具,是一个平台——网络、可观测性、安全三个领域都在向它收敛,原因是它提供了一个此前不存在的能力:在 Linux 内核提供的受限接口上,加载经过验证的自定义逻辑。
二、为什么:内核边界的困境
边界的存在与代价
Linux 内核和用户空间之间有一条边界。这条边界存在的意义是稳定性与安全性:用户程序不能直接操作硬件,不能随意访问内存,不能破坏内核状态。需要内核服务的操作,通常通过系统调用等受控接口穿越这条边界。(参见 06-系统调用:内核与用户空间的边界)
边界保护了系统,但也带来了代价:系统调用有特权级切换等开销,但不等于每次都发生进程上下文切换;部分数据路径还需要复制,另一些可用零拷贝或内存映射减少它。用户态过滤通常介入较晚,内核已有 Netfilter 等早期处理机制,只是可扩展方式受到约束。
内核模块的两难
在 eBPF 之前,若既有内核接口无法表达所需逻辑,两条常见的扩展路径是修改内核或加载模块。
修改内核源码:周期以年计,需要深厚的内核知识,每次内核版本升级都需要重新适配。
编写内核模块(Kernel Module):可以动态加载,不需要重编内核。但内核模块和内核共享同一个地址空间,内存越界、空指针解引用和死锁,都可能破坏内核甚至导致主机崩溃。模块功能强大,却没有用户进程那样的地址空间隔离。
结果是:大量本该在内核做的事情,被迫推到了用户空间。
既有内核路径的约束:iptables 的故事
以 Kubernetes 的 kube-proxy 为例。它需要实现 Service 的负载均衡:把发往 ClusterIP 的流量,路由到后端某个 Pod。
传统的 iptables 模式由用户空间的 kube-proxy 生成规则,由内核 Netfilter 执行。对需要选择后端的新连接,Service 规则的遍历成本会随规模增长;后续包通常复用连接跟踪和 NAT 状态,不会每包都重新遍历全部 Service 规则。规则同步的成本同样值得关注。(参见 11-网络:Linux 的网络模型)
所以问题不是“iptables 在用户空间转发”,也不是“内核只能做线性查找”。IPVS、nftables 和 eBPF 都提供了不同路径。这里要理解的是:规则表达方式、连接状态和更新机制,会影响规模增长后的成本。 Kubernetes Service 代理机制
eBPF 的回答
eBPF 打开了一条更受约束的扩展路径:在内核里运行经过加载时验证的程序。
verifier 检查控制流、寄存器与指针状态、可访问内存和 helper 使用是否满足内核规则。通过验证,是获准加载的条件,不是“业务正确、没有漏洞、没有开销”的证明。它降低了直接加载任意内核代码的风险,但不能替你判断这条策略是否会错杀进程,或每秒触发百万次的探针是否会拖慢服务。Linux verifier
三、怎么设计:eBPF 的核心机制
沙箱虚拟机
eBPF 虚拟机是一个精简的 RISC 指令集:11 个 64 位寄存器,固定大小的栈(512 字节),有限的指令集。限制不是缺陷,是安全设计的结果——受限的指令集让 verifier 的静态分析成为可能。
与通用虚拟机(JVM、V8)不同,eBPF 不以完备性为目标。它的目标是:在内核路径上以最低开销执行一小段经过验证的逻辑。
Verifier:加载前的静态检查
Verifier 是 eBPF 安全保证的核心,它在 bpf() 系统调用加载程序时执行,做三件事:
控制流与有界执行检查:早期 verifier 拒绝循环;现代内核支持多种有界循环与迭代机制。具体可接受形式由内核版本、程序类型和复杂度限制决定,不能把可终止性理解为“每次运行一定足够快”。
内存安全:程序不能访问任意内存地址,只能访问:它自己的栈、通过辅助函数(helper function)访问的 Maps、以及内核明确暴露的上下文(如数据包内容)。任何潜在的越界访问都会被拒绝。
类型安全:Verifier 追踪每个寄存器的类型状态,确保指针不会被误用(比如把整数当指针解引用)。
Verifier 的局限:对于复杂的程序,静态分析的路径数可能呈指数增长,超出 verifier 的分析上限。这意味着 eBPF 程序需要刻意编写,避免过于复杂的控制流。
Maps:内核与用户空间的双向通道
eBPF 程序运行在内核里,但它产生的数据(统计信息、追踪事件、路由表)需要被用户空间的程序读取;用户空间的控制逻辑(策略配置)也需要传入内核。Maps 是主要的数据共享机制;事件也可以通过 perf/ring buffer 等接口输出,不应把它理解为所有程序交互的唯一形态。
用户空间程序
↕ (bpf() 系统调用)
BPF Maps(内核内存)
↕ (helper function)
eBPF 程序(内核路径)Maps 有多种类型,按使用场景选择:
| 类型 | 特性 | 典型用途 |
|---|---|---|
| BPF_MAP_TYPE_HASH | key-value 哈希表,平均常数级查找 | Cilium 的 Service 路由表 |
| BPF_MAP_TYPE_ARRAY | 整数索引数组,极低开销 | 计数器、统计信息 |
| BPF_MAP_TYPE_LRU_HASH | 有 LRU 淘汰的哈希表 | 连接追踪(自动清理旧连接) |
| BPF_MAP_TYPE_RINGBUF | 多生产者共享环形缓冲区 | 高性能事件流(替代 perf buffer) |
| BPF_MAP_TYPE_PERF_EVENT_ARRAY | perf 事件数组 | 追踪事件上报 |
挂载点(Hook Points):eBPF 能插入的位置
eBPF 程序的能力边界由它挂载的位置决定。内核在关键路径上暴露了多种挂载点:
XDP(eXpress Data Path):数据包在支持原生 XDP 的网卡驱动层、分配 sk_buff 之前,就可以被 eBPF 程序处理。这是 Linux 网络栈上最早的介入点,绕过了整个协议栈,适合 DDoS 防护和超高性能负载均衡。
TC(Traffic Control):数据包在进入/离开网络接口时的处理点,比 XDP 晚但功能更丰富,可以访问完整的 sk_buff 结构。Cilium 的大部分数据包处理逻辑在这里。
kprobe / kretprobe:动态挂载到支持探测的内核函数入口或返回;黑名单、内联优化和内核配置会限制可用目标。kprobe:vfs_read 只覆盖经过该函数的读取路径,并不涵盖 mmap 等所有文件访问。不需要修改内核代码,不需要重新编译——动态挂载,即时生效。
tracepoint:内核预设的追踪点,通常比内部函数名更稳定,但仍应检查目标内核的事件格式,不能视为永不变化的用户态 ABI。相比 kprobe(绑定到函数名,内核版本间可能变化),tracepoint 更稳定,适合生产环境。(参见 13-可观测性:系统如何记录自己)
uprobe:挂载到用户空间程序的函数入口。可追踪有可定位符号或地址的用户态函数;语言运行时、JIT、内联、优化与符号裁剪都会影响可用性。Python 级函数或异步调用链也不是挂一个 uprobe 就自动完整可见。
LSM(Linux Security Module):安全策略钩子。eBPF 程序可以挂载到 LSM 钩子上,在内核层做访问控制决策——文件访问、进程创建、网络连接,在系统调用层面就被拦截,而不是事后监控。
eBPF 程序的生命周期
① 编写:用 C(受限子集)编写 eBPF 程序
② 编译:Clang + LLVM 编译为 eBPF 字节码(.o 文件)
③ 验证:调用 bpf(BPF_PROG_LOAD) 系统调用
内核 verifier 静态分析,通过则接受,不通过则返回错误
④ JIT 编译:内核把 eBPF 字节码 JIT 编译为本机机器码
(x86_64、ARM64……),性能接近原生代码
⑤ 挂载:把程序挂载到 hook point(XDP、kprobe、tracepoint……)
⑥ 执行:触发条件满足时,程序在内核路径上执行
⑦ 交互:通过 Maps 和用户空间程序交换数据四、三个统一的领域
网络:从 iptables 到 eBPF Maps
在传统 iptables Service 路径中,新连接的后端选择可能涉及较长规则链。Cilium 可以用 BPF Map 查询以及 socket/数据包挂载点处理服务转发,减少部分路径上的规则匹配:
传统 iptables 的简化新连接路径:
首包 → Service 规则匹配 → 后端选择 → 建立连接跟踪 / NAT 状态
后续包 → 复用已建立状态
Cilium 的一种简化路径:
socket / 数据包 → Service Map 查找 → 后端选择 → 转发与连接状态处理哈希查询的平均复杂度说明数据结构的差异,不能推导出整个请求延迟恒定。Map 容量、冲突、连接跟踪、封装、代理和 CPU 竞争仍会影响结果。
NetworkPolicy 同样需要控制面先计算身份与策略,再由数据面执行;Cilium 将其中一部分执行逻辑放到 eBPF 中。L7 策略则可能把流量交给 Envoy,不能统称为“完全不进用户空间”。
XDP 可以把部分过滤提前到协议栈之前。它的吞吐收益需要结合 NIC、包大小、程序逻辑和丢包率测量;没有这组条件,本篇不给出“单核线速多少 Gbps”的通用承诺。
可观测性:零侵入的内核级追踪
应用 SDK 能提供业务语义,代理和系统工具也能在不改业务代码时观察网络与进程。不同方法覆盖不同层次,开销与上下文同样不同。
eBPF 扩展了无需修改业务代码的观察范围。通过合适的 kprobe、tracepoint 和 uprobe,可以观察受支持的内核与用户态事件;完整追踪仍受上下文传播与应用语义限制。(参见 13-可观测性:系统如何记录自己)
bpftrace:eBPF 的命令行追踪工具,语法类似 awk/DTrace:
# 追踪经过 vfs_read 的调用,打印进程名;这不会输出文件名
bpftrace -e 'kprobe:vfs_read { printf("%s read\n", comm); }'
# 统计各进程的系统调用次数(每秒输出)
bpftrace -e 'tracepoint:raw_syscalls:sys_enter { @[comm] = count(); }
interval:s:1 { print(@); clear(@); }'
# 观察发起 TCP 连接的进程(内核需暴露该探针)
bpftrace -e 'kprobe:tcp_connect { printf("%s pid=%d\n", comm, pid); }'
# 统计 vfs_read 的延迟分布(直方图)
bpftrace -e '
kprobe:vfs_read { @start[tid] = nsecs; }
kretprobe:vfs_read /@start[tid]/ {
@latency = hist(nsecs - @start[tid]);
delete(@start[tid]);
}'这些命令展示了无需重编业务程序的动态观察能力。它们仍会消耗 CPU、内存和事件输出带宽,运行前需要限定目标和持续时间。
Pixie:基于 eBPF 的 Kubernetes 全栈可观测性平台。不需要修改任何应用代码,不需要 sidecar,部署 Pixie agent 之后自动追踪:HTTP/gRPC 请求(包括请求头、响应码、延迟)、数据库查询(SQL 语句和执行时间)、服务间调用拓扑。实际覆盖取决于协议、TLS 库、语言和版本;业务 span 与跨进程因果关系仍需验证。
安全:策略下沉到内核层
seccomp 可按系统调用号及数值参数过滤,也可以叠加进一步限制;它不能随意解引用指针去读取路径等内容,且不是完整安全沙箱。eBPF 的 LSM、kprobe 等挂载点补充了另一些上下文与执行能力。Seccomp 过滤机制
Tetragon 代表了 eBPF 在安全领域的范式转变:
运行时行为追踪:不是”这个进程启动时被允许了什么”,而是”这个进程运行时实际做了什么”。Tetragon 在内核层追踪:
- 哪个进程(精确到 PID、容器、Namespace、Pod)读了哪个文件
- 哪个进程建立了哪个网络连接(目标 IP、端口)
- 哪个进程 fork 出了子进程、执行了什么命令
Kubernetes 感知:Tetragon 把内核事件和 K8s 的 Pod / Namespace / ServiceAccount 关联,产生带有 K8s 上下文的安全事件——不只是”PID 1234 读了 /etc/passwd”,而是”Namespace production 里 Pod frontend-xxx 的进程读了 /etc/passwd”。
内核层执行动作:Tetragon 可在策略匹配时发送终止信号,或在支持的挂载点执行拒绝动作。发送 SIGKILL 与让某个系统调用返回拒绝不是同一件事,阻止副作用还依赖挂载时机;不能只看到进程被杀就宣称敏感读取一定未发生。Tetragon 执行动作
# Tetragon 策略示意:匹配实验标记路径时发送 SIGKILL
# 仅在隔离 VM 验证;不是对读取已被阻止的证明
apiVersion: cilium.io/v1alpha1
kind: TracingPolicy
metadata:
name: kill-lab-marker-reader
spec:
kprobes:
- call: "security_file_open"
syscall: false
args:
- index: 0
type: "file"
selectors:
- matchArgs:
- index: 0
operator: "Equal"
values:
- "/tmp/ebpf-lab-marker"
matchActions:
- action: Sigkill # 直接发 SIGKILL 给违规进程五、在 Kubernetes 里的位置
eBPF 已经是 Kubernetes 数据面的重要实现选项。是否使用它,仍由发行版、云产品模式和集群配置决定。
Cilium 替换 kube-proxy
不能把 GKE、EKS、AKS 都写成“默认 Cilium”。不同产品提供不同网络模式,已有集群也可能继续使用原有 CNI。Cilium 的 kubeProxyReplacement=true 只是一项配置,启用前还要核对内核、API Server 可达方式、CNI 安装与已有 kube-proxy 状态,不能在现有集群里随手切换。Cilium 安装条件
是否值得替换,要看相同工作负载下的新建连接延迟、已有连接吞吐、丢包、CPU 和规则收敛时间。没有环境与测试方法,“快十倍”不能作为选型依据。
Hubble:Cilium 的可观测性层
Hubble 构建在 Cilium 之上,利用 eBPF 已经处理的每个数据包,产生服务间流量的实时拓扑和指标:
# 实时查看流量
hubble observe --pod myapp --follow
# 查看服务间调用拓扑
hubble observe --namespace production --protocol http基础流量信息不需要业务 sidecar;HTTP 等 L7 观测需要相应代理与配置,不能仅凭 Hubble 已启动就认定所有协议都被解析。运行 hubble observe 前还需启用 Hubble、让 CLI 连通 Hubble API;集群视图通常经 Relay 获取。Hubble CLI 前置、L7 可见性
Ambient Mesh 的数据平面
Istio Ambient Mesh(下一篇展开)用每节点 ztunnel 提供 L4 隧道,按需加入 waypoint 提供 L7 能力。当前 Istio CNI 在 Pod 网络命名空间内配置 iptables 重定向,并与 ztunnel 协作;这不是“默认用 eBPF 替换 sidecar”。Cilium 与 Ambient 展示的是两种可以组合但不能混为一谈的设计。Ambient 流量重定向
六、上手:用 bpftrace 感受 eBPF 的能力
环境准备
# Ubuntu / Debian
sudo apt install bpftrace
# 记录内核和 bpftrace 版本,按所用发行版确认功能支持
uname -r
bpftrace --version
# bpftool 需另按发行版安装;bpftrace 包不保证包含它
# 查看已加载的 eBPF 程序
sudo bpftool prog list
# 查看内核暴露的 tracepoint
sudo bpftrace -l 'tracepoint:*' | head -20基础 one-liners:感受零侵入追踪
# 追踪 openat 系统调用,打印进程名和文件路径;不是所有文件打开路径
sudo bpftrace -e '
tracepoint:syscalls:sys_enter_openat {
printf("%s opened %s\n", comm, str(args->filename));
}'
# 聚合经过 vfs_write 且成功写入的返回字节数
sudo bpftrace -e '
kretprobe:vfs_write /retval > 0/ { @bytes[comm] = sum(retval); }
END { print(@bytes); }'
# 追踪新建的 TCP 连接
sudo bpftrace -e '
kprobe:tcp_connect {
printf("connect: %s (pid %d)\n", comm, pid);
}'
# 统计系统调用频率(10 秒内)
sudo bpftrace -e '
tracepoint:raw_syscalls:sys_enter { @syscalls[args->id] = count(); }
interval:s:10 { print(@syscalls); exit(); }'先在隔离 Linux 测试机运行,记录未挂探针时的请求延迟与 CPU,再以限定进程、短时间窗、内核聚合的方式试探。逐事件 printf 在高频路径上可能成为主要开销。出现延迟、CPU 或丢事件异常就停止并比较恢复后的基线。无需修改业务代码,不等于不影响被观察对象。
理解输出
bpftrace 的输出是内核事件的直接映射。comm 是触发事件的进程名,pid 是进程 ID,tid 是线程 ID,nsecs 是纳秒时间戳。Maps 操作(@bytes[comm] = sum(retval))把数据聚合在内核里,减少用户空间的数据传输量。
进阶:用 BCC 写延迟统计
下面示例依赖 do_sys_open 符号,先用 bpftrace -l 'kprobe:do_sys_open' 核对。新内核的 open 路径可能不同;探针缺失或无事件时,换用已确认的系统调用 tracepoint,不把空输出当成“没有延迟”。
BCC(BPF Compiler Collection)允许用 Python 控制逻辑 + C 内核逻辑来写更复杂的 eBPF 工具:
# 统计 do_sys_open 的延迟分布
from bcc import BPF
from time import sleep
program = """
#include <uapi/linux/ptrace.h>
BPF_HASH(start, u32, u64);
BPF_HISTOGRAM(dist);
int kprobe__do_sys_open(struct pt_regs *ctx) {
u32 pid = bpf_get_current_pid_tgid();
u64 ts = bpf_ktime_get_ns();
start.update(&pid, &ts);
return 0;
}
int kretprobe__do_sys_open(struct pt_regs *ctx) {
u32 pid = bpf_get_current_pid_tgid();
u64 *tsp = start.lookup(&pid);
if (tsp) {
u64 latency = bpf_ktime_get_ns() - *tsp;
dist.increment(bpf_log2l(latency));
start.delete(&pid);
}
return 0;
}
"""
b = BPF(text=program)
print("Tracing open() latency... Ctrl+C to stop.")
try:
sleep(10)
except KeyboardInterrupt:
pass
b["dist"].print_log2_hist("nsecs")七、故障剧场:亲手把它弄坏
以下均为未执行的实验设计。记录内核、CNI、工具版本和正常业务基线;只在可重建环境中操作,观察异常即停止,结束后确认探针、测试资源已清理且基线恢复。
实验一:对照两种 Service 实现,观察规则与查表
使用两个预先按官方文档建好的隔离集群:A 明确运行 kube-proxy 的 iptables 模式,B 明确运行 Cilium kube-proxy replacement。不要在一个现存集群里边实验边切换 CNI。先检查 DNS、跨节点连通性和一个有真实后端的测试 Service 都正常,再在各自专用 namespace 创建同样数量的 Service:
kubectl create namespace ebpf-lab
for i in $(seq 1 100); do
kubectl -n ebpf-lab create service clusterip svc-$i --tcp=80:80
done
# 在 A 集群节点上观察无后端 Service 的拒绝规则
# 没有可用 endpoints 时,不应期待相应的 KUBE-SVC/KUBE-SEP NAT 链增长
sudo iptables-save -t filter | rg 'ebpf-lab|has no endpoints'
# 在 B 集群对应节点的 Cilium agent 中检查服务表
kubectl -n kube-system exec "<cilium-pod>" -- cilium-dbg service list
# 两边分别清理本实验 namespace
kubectl delete namespace ebpf-lab这些空后端 Service 用来观察“声明存在但不能转发”时各实现如何表达拒绝,不用于比较转发性能。kube-proxy 的 iptables 实现对这类 Service 生成 filter 拒绝规则;增加 Service 对象不意味着一定增加同样数量的 NAT 链。进一步比较转发时,先为两边配置同样的真实后端,确认 EndpointSlice 中有就绪地址,再检查 NAT 或 Cilium 服务表;固定节点配置、连接复用比例和负载,记录吞吐与延迟分布。规则数量不是请求耗时的替身。kube-proxy 实现
实验二:加载一个不通过 verifier 的程序
下面用显式非法内存读取制造可检验的拒绝条件,避免 C 的无限循环与有符号溢出被编译器优化成另一种程序。仅在测试机使用匹配架构的 Clang、libbpf 头文件与已挂载的 bpffs:
// bad_prog.c:汇编保留非法地址读取,预期由 verifier 拒绝
#include <linux/bpf.h>
#include <bpf/bpf_helpers.h>
SEC("socket")
int bad_program(void *ctx) {
asm volatile("r0 = 0; r0 = *(u64 *)(r0 + 0);");
return 0;
}
char LICENSE[] SEC("license") = "GPL";clang -O2 -target bpf -c bad_prog.c -o bad_prog.o
sudo bpftool -d prog load bad_prog.o /sys/fs/bpf/ebpf-lab-bad保存实际 verifier 日志,区分“权限不足”“头文件缺失”和“非法内存访问被拒绝”。只有后一种才验证本实验的假设;若意外加载成功,停止后续挂载并清理该 pin,先检查编译产物。一个拒绝案例只说明这条验证规则生效,不能证明所有可加载程序对业务无害。
实验三:用 bpftrace 追踪一个”慢”的操作
# 场景:某个应用响应慢,不知道是哪里慢
# 用 bpftrace 追踪它的 read() 系统调用延迟
sudo bpftrace -e '
tracepoint:syscalls:sys_enter_read /comm == "python3"/ {
@start[tid] = nsecs;
}
tracepoint:syscalls:sys_exit_read /comm == "python3" && @start[tid]/ {
$latency = nsecs - @start[tid];
if ($latency > 1000000) { // 只记录超过 1ms 的
printf("slow read: %d us\n", $latency / 1000);
}
delete(@start[tid]);
}'不修改应用代码,不重新部署,实时看到哪些 read() 调用超过了 1ms 阈值。
八、日常排障:eBPF 工具链坏了怎么查
Cilium agent 不健康
# 查看 Cilium 整体状态
cilium status
# 输出:Cilium: OK / KVStore: OK / Kubernetes: OK / ...
# 任何 Not OK 的组件都会显示具体错误
# 详细连通性测试(会在集群里创建测试 pod)
cilium connectivity test
# 查看 Cilium agent 日志
kubectl logs -n kube-system -l k8s-app=cilium --tail=100
# 查看特定 Pod 的网络策略是否生效
kubectl -n kube-system exec "<cilium-pod>" -- cilium-dbg endpoint list
kubectl -n kube-system exec "<cilium-pod>" -- cilium-dbg endpoint get "<endpoint-id>"eBPF 程序加载失败:读 verifier 错误
verifier 的错误报告是最重要的调试信息:
# 用 bpftool 查看加载失败的详细原因
sudo bpftool -d prog load my_prog.o /sys/fs/bpf/my_prog 2>&1
# 错误报告的关键字段:
# "invalid mem access 'scalar'" → 空指针或越界访问
# "R0 !read_ok" → 返回值未初始化
# "back-edge from insn X to Y" → 检测到可能的无限循环
# "jump out of range" → 跳转目标超出程序边界Maps 数据异常:bpftool 查看内核 Map
# 列出所有 eBPF Maps
sudo bpftool map list
# 查看某个 Map 的内容(以 Cilium 的路由 Map 为例)
sudo bpftool map dump id "<map-id>"
# 查看 Map 的统计信息
sudo bpftool map show id "<map-id>"内核版本兼容性
内核版本只是入口,不是兼容性结论。发行版回移、内核配置、BTF、允许的程序类型、helper、挂载点与权限共同决定能力。尤其不能把“有 BTF”直接等同于“支持所有 CO-RE 程序”。保留目标系统的探测结果,比背一张最小版本表更可靠。
# 查看当前内核版本
uname -r
# 查看内核支持的 eBPF 程序类型
sudo bpftool feature probe九、往哪走
eBPF 的位置已经清楚,选型仍需证据
eBPF 已经支撑 Cilium、Tetragon 和多类观测工具,但采用广泛不是每个集群都必须迁移的理由。网络故障如何恢复、内核升级如何验证、平台团队是否有能力排查 BPF Map 与代理链路,都是选择的一部分。
BTF 与 CO-RE:一次编译,跨内核版本运行
eBPF 程序的历史痛点是内核版本兼容性:不同内核版本的内部数据结构(如 task_struct)字段偏移不同,程序需要针对每个内核版本重新编译。
BTF(BPF Type Format)把内核的类型信息嵌入到内核镜像里,CO-RE(Compile Once, Run Everywhere)利用 BTF 在加载时动态重定位字段偏移。它减少了针对每台机器重新编译的需求,但不能补出目标内核不存在的字段、helper 或程序类型,也不能抹平语义差异与 CPU 架构。CO-RE 应理解为跨版本适配能力,而不是“有 BTF 就保证运行”。libbpf 与 CO-RE
eBPF for Windows
Microsoft 正在推进 eBPF for Windows 项目——在 Windows 内核上实现 eBPF 兼容层。可编程内核的思想不再是 Linux 的专属,而是正在成为跨平台的基础设施范式。
这条线的终点:eBPF 是一个平台,不是一个工具。网络、可观测性、安全三个领域向它收敛,意味着未来的云原生基础设施将越来越多地把决策逻辑下沉到内核层——更高性能、更强安全、更低侵入。理解它的能力和边界,才能判断哪些处理值得下沉,以及相应排障责任由谁承担。
关联
- → 06-系统调用:内核与用户空间的边界:
bpf()是系统调用,eBPF 程序通过它穿越内核边界加载;边界的代价正是 eBPF 想要消除的 - → 11-网络:Linux 的网络模型:XDP、TC、Netfilter 是 Linux 网络栈的组成部分,eBPF 在这些层次上做可编程扩展
- → 13-可观测性:系统如何记录自己:kprobe、tracepoint、uprobe 是 Linux 可观测性体系的基础,eBPF 把它们变成了可编程的
- → 07-服务网格-流量治理从应用代码中解脱:对照 Ambient 的 iptables/ztunnel 与 Cilium 的 eBPF/代理路径,区分机制与能力
- → 02-Kubernetes-声明意图,控制器维持世界:Cilium 替换 kube-proxy,eBPF 优化了 K8s 数据平面的关键路径
- → 07):eBPF 可结合 perf event 等挂载点进行无需修改业务代码的采样,让”持续 profiling”成为可观测性的第四类信号
- → 10):Hubble / Pixie 用 eBPF 在内核路径捕获网络与系统调用,是”零侵入观测”的底座
参考与验证边界
核验日期:2026-10-14。上手命令、策略与故障剧场均是待在指定 Linux 环境验证的设计,本轮未加载探针、未部署 CNI、未测性能。
- Linux verifier:加载检查及其机制。
- Kubernetes Service 代理:iptables、IPVS、nftables 等路径。
- libbpf 概览:BTF 与 CO-RE。
- Cilium kube-proxy replacement:安装条件和配置。
- Cilium Service Mesh:eBPF 与 L7 代理分工。
- Istio Ambient 重定向:CNI、iptables 与 ztunnel 的关系。
- bpftrace 语言与限制:探针、输出与运行成本。