通过 Memoization（非 AI Gen）将 eBPF CPU 成本降低约 90%

我和我的兄弟花了很多时间从头开始设计我们的 eBPF 安全代理，使其速度非常快，但最近我们发现我们可以使用记忆让它变得更快！

几周前，我分析了 eBPF 代码，发现保护中最昂贵的部分实际上并不是执行策略（允许/拒绝），而是弄清楚哪个策略适用于给定的打开文件。

我们的策略是基于路径的，因此我们的 eBPF 利用在文件打开时触发的 LSM 挂钩。

然后，我们重建路径，遍历父目录，并检查文件或任何祖先目录是否具有匹配的策略。

虽然这有效，但它的性能不高，并且我们最终会对我们已经见过的文件重复大部分工作（例如，重复重新访问文件路径的数据库访问）。

因此，我们缓存适用于每个索引节点的策略。

这使我们的内核 CPU 成本降低了约 90%。

此外，我们最近开源了我们的存储库，因此这篇博文中的所有内容都可以在以下位置找到： 问题 在缓存之前，每个打开的文件都会遍历整个路径。

所以流程看起来像这样：

• 获取文件路径。

• 使用目录项沿着文件路径向上走。

• 在每个级别，检查该路径是否存在策略。

🔗 原始来源

如果你要核对细节，可以再看原文： Hacker News AI原文链接