当前位置:首页 > 文章列表 > 文章 > linux > Linux io_uring multishot 怎样理解一次提交多次完成

Linux io_uring multishot 怎样理解一次提交多次完成

来源:17golang原创 2026-11-20 13:47:36 0浏览 收藏

Linux io_uring 的 multishot 不是“提交一次、只返回一次”的特殊写法,而是让一个 SQE 对应一个仍然存活的请求。请求每次产生事件时都可以写入一个 CQE;只要 CQE 的 flags 含有 IORING_CQE_F_MORE,就说明原请求还会继续产生完成项。最终 CQE 没有这个标志,应用才需要决定是否重新布置同类请求。

官方资料:https://man7.org/linux/man-pages/man7/io_uring_multishot.7.html

记住一个判断:先看 cqe->res 处理结果,再看 cqe->flags & IORING_CQE_F_MORE 判断请求是否仍有效;不要因为收到一个 CQE 就无条件重新提交。

一次提交为什么能得到多个完成

普通请求通常是一个 SQE 对应一个 CQE。multishot 把“请求本身”与“某次事件的完成通知”分开:SQE 只负责建立长期请求,后续每个事件都可以产生新的 CQE。这个模型适合重复的 accept、recv 或 poll,减少应用不断准备和提交 SQE 的开销。

SQE、multishot request、多个 CQE 与 IORING_CQE_F_MORE 的静态结构关系图
图1:结构说明图,查看 SQE、多个 CQE 与最终结束标志之间的关系。

判断重点只有两个:res 是本次完成的结果,负数表示取反后的 errno;IORING_CQE_F_MORE 是请求生命周期信号,而不是“本次数据还有更多字节”。没有 MORE 的 CQE 表示该 multishot 请求已经结束,即使 res 本身是成功值,也不能继续假设它会自动产生下一个 CQE。

multishot accept 的最小判断

以 accept 为例,应用只提交一次 multishot accept,之后每个新连接都可能得到一个 CQE,新的文件描述符位于 cqe->res。下面是处理逻辑的最小骨架,示例只表达 API 关系,不代表在本文环境中已经运行。

struct io_uring_cqe *cqe;
/* 轮询一个完成项;实际程序还要安排等待和并发保护。 */
if (io_uring_peek_cqe(&ring, &cqe) == 0) {
    int result = cqe->res;
    bool more = (cqe->flags & IORING_CQE_F_MORE) != 0;

    /* 负数是取反后的 errno,不能当成新的连接 fd。 */
    if (result 

这里的关键不是把 rearm_multishot_accept() 写在每个分支里,而是把它绑定到“没有 MORE”这一生命周期事实。若收到的是错误 CQE,通常同样没有 MORE;应用应记录错误、释放本次资源,再按策略重新提交。

multishot recv 的缓冲与结束边界

recv multishot 与 accept 不同,它还要解决“每次数据放到哪里”。liburing 的常见用法是预先注册 provided buffer ring,在 SQE 上设置 IOSQE_BUFFER_SELECT,让内核为每个完成选择缓冲区。CQE 的 res 表示收到的字节数,IORING_CQE_F_BUFFER 则让应用取得被选择的缓冲区标识。

socket、recv multishot、provided buffer ring 与缓冲回收边界的静态结构图
图2:结构说明图,查看 recv multishot 与 provided buffer ring 的资源边界。
struct io_uring_sqe *sqe = io_uring_get_sqe(&ring);
/* 一个 recv 请求可以持续生成 CQE,因此必须选择提供式缓冲区。 */
io_uring_prep_recv_multishot(sqe, socket_fd, NULL, 0, 0);
sqe->buf_group = buffer_group_id;
sqe->flags |= IOSQE_BUFFER_SELECT;
/* 提交后,每个 CQE 都要读取 res 和 flags,再回收对应缓冲区。 */
io_uring_submit(&ring);

缓冲区是这个模型的资源资产:应用拿到数据后要按提供式缓冲区的规则归还;如果 buffer ring 耗尽,multishot recv 可能以 -ENOBUFS 结束。IORING_CQE_F_MORE 仍然是是否继续的最终判断,不能只看 res > 0 就认为请求还活着。

一张速查表:什么时候重新提交

观察项含义处理重点
res 本次完成返回负错误码按取反后的 errno 记录和释放资源
flags & IORING_CQE_F_MORE原 multishot 请求仍然有效处理 CQE,通常不重新提交
没有 IORING_CQE_F_MORE请求已结束或被取消需要继续监听时重新布置同类请求
IORING_CQE_F_BUFFER本次 recv 使用了提供式缓冲区读取缓冲区 ID,并按规则归还

把这四项放在同一个完成处理器里,基本就能避免两个常见错误:一是每收到一个 CQE 就重复提交,造成请求堆积;二是忽略最终 CQE 的无 MORE 状态,导致连接关闭、取消或缓冲耗尽后不再恢复。

常见问题

一个 CQE 没有 MORE,一定是程序出错吗?

不一定。它表示该 multishot 请求结束,原因可能是错误、取消、连接关闭或特定资源耗尽。是否重提取决于业务是否仍需要监听。

multishot recv 能否直接复用一个固定 char 数组?

通常不能按普通单次 recv 的思路直接复用。多次完成需要可供内核选择的缓冲资源,应用还要跟踪每个 CQE 对应的缓冲区并及时归还。

参考资料:https://kernel.dk/io_uring%20and%20networking%20in%202023.pdf;https://www.man7.org/linux/man-pages/man3/io_uring_prep_recv_multishot.3.html

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Linux pr 怎样把两个文本文件并排输出Linux pr 怎样把两个文本文件并排输出
上一篇
Linux pr 怎样把两个文本文件并排输出
Linux systemd-detect-virt 怎样判断当前运行在虚拟机还是容器
下一篇
Linux systemd-detect-virt 怎样判断当前运行在虚拟机还是容器
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1145次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1129次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1306次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1245次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1097次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码