1. 背景：热迁移的挑战与痛点

虚机热迁移是云平台和虚拟化基础设施中的核心能力之一，广泛应用于宿主机维护、负载均衡、故障规避等场景。其目标是在尽量不影响业务运行的前提下，将虚拟机从源宿主机迁移到目标宿主机。

随着云上业务规模与负载复杂度不断提升，热迁移在大规模集群中的挑战日益凸显。一方面，迁移过程中需要反复拷贝内存页，当虚拟机内存较大或脏页写入频率较高时，迁移时间显著延长，甚至可能出现迁移失败或回滚；另一方面，迁移本身会带来额外的 CPU、内存带宽和网络带宽开销，容易与同宿主机或同网络域内的在线业务争抢资源，影响整体集群稳定性。

更关键的是，在迁移收敛阶段，虚拟机仍不可避免地经历短暂停顿（downtime）。当迁移耗时过长或资源竞争严重时，这种停顿会被用户明显感知，表现为请求延迟抖动、吞吐下降甚至业务超时，对时延敏感或高 SLA 要求的场景尤为不友好。因此，如何在保证迁移成功率的同时，缩短迁移时间、降低资源开销、减少用户感知，已成为热迁移技术演进的关键问题。

2. 方案创新：引入 CPU 内置的 QAT 硬件加速

在热迁移过程中，内存压缩是降低网络带宽占用、缩短迁移时间的关键手段。然而，传统方案中压缩与解压完全依赖 CPU 执行，高强度计算会显著消耗宿主机资源，进而影响同机虚拟机的业务性能。

为解决这一矛盾，百度智能云联合英特尔，基于最新的英特尔®至强® 6 性能核处理器 Granite Rapids（GNR）平台，探索并落地了基于英特尔® 数据保护与压缩加速技术（Intel®QuickAssist Technology，英特尔®QAT）的虚拟机热迁移硬件加速方案。

英特尔®至强® 6 处理器内置的 QAT 硬件加速引擎，在热迁移场景中提供了以下关键能力：

• CPU 负载卸载：压缩/解压计算从 CPU 核心转移至专用硬件，释放通用算力资源。

• 高并行处理：支持多流并行压缩/解压，处理速度显著高于 CPU 软件实现。

• 主流算法兼容：支持 lz4、zlib 等主流压缩算法，可无缝对接现有软件栈。

• 全流程覆盖：同时支持压缩与解压，覆盖迁移发送端与接收端的完整链路。

基于这些能力，我们将计算密集的内存压缩工作从 CPU 软件栈卸载至 CPU 内置的 QAT 硬件加速引擎，在保障迁移一致性与稳定性的同时，有效缩短了迁移时间、降低了 CPU 峰值占用，并显著减轻了对用户业务性能的影响。

目前，该方案已在百度智能云完成大规模生产环境验证与推广，成为支撑高并发、低感知虚拟机热迁移的重要基础能力。

3. 方案对比：引入 QAT 前后有何不同？

3.1. 引入 QAT 前的方案

在引入 QAT 加速之前，虚拟机热迁移中的内存页数据处理完全依赖宿主机 CPU 软件栈完成。迁移过程中，虚拟机内存页在发送前需要压缩，以减少网络传输数据量，压缩与解压计算均由 CPU 核心执行。

具体流程如下：

• 预拷贝阶段：源宿主机 CPU 同时承担「脏页检测」和「软件压缩」两项工作。它先扫描运行中虚拟机的内存页，识别被业务修改的脏页，再通过 CPU 内核态的压缩算法（如 lz4 / zlib）进行软件压缩。

• 数据传输阶段：压缩后的脏页通过迁移网络发送至目标宿主机，传输效率受限于压缩后的数据量和网络带宽。

• 解压缩与恢复阶段：目标宿主机 CPU 接收压缩包后执行软件解压缩，将原始内存页写入待启动虚拟机的空内存中。经过多轮迭代后，CPU 暂停源虚拟机，拷贝最后一批脏页并完成解压缩与内存同步。

该方案的核心瓶颈在于 CPU 资源冲突：压缩/解压的计算开销会抢占业务虚拟机的 CPU 算力，导致业务性能下降；同时，大内存虚拟机（如 128GB 以上）的软件压缩耗时较长，会延长迁移时间和业务中断窗口。

3.2. 引入 QAT 后的方案

英特尔®至强® 6 Granite Rapids（GNR）性能核处理器拥有更多内核、更高内存带宽和更多 CXL 2.0 通道，支持 PCIe 5.0。其性能核具备更强的处理能力，是 AI、HPC 和存储等工作负载的理想选择。

处理器内置的 QAT 硬件加速引擎，支持压缩/解压缩、加密/解密、数据完整性校验，能有效卸载 CPU 核心的负载。在热迁移场景中，我们使用 QAT 对内存页数据进行压缩与解压卸载。

具体流程如下：

• 预拷贝阶段：源宿主机 CPU 仅负责「脏页检测」和虚拟化层管理，识别出的脏页数据通过 QAT 用户态压缩库（qatzip）提交至 CPU 内置的 QAT 硬件执行并行压缩（支持 lz4 / zlib 等主流算法），无需占用 CPU 核心进行计算。

• 数据传输阶段：QAT 压缩后的脏页数据量更小，网络传输效率显著提升。压缩包通过 TCP/IP 或 RDMA 协议传输至目标宿主机。

• 解压缩与恢复阶段：目标宿主机的 QAT 硬件接收压缩包后，执行硬件级并行解压缩，解压后的原始内存页直接写入待启动虚拟机的内存。最后一批脏页的压缩/解压同样由 QAT 完成，CPU 核心仅负责虚拟机的暂停与启动控制。

4. 落地实践：从 Demo 到生产环境的联合攻关

在方案推进过程中，我们与英特尔工程师团队开展了深度联合攻关，重点围绕虚拟机热迁移在云上大规模落地面临的关键挑战进行优化，包括：

• 高并发迁移场景下的稳定性问题，确保多虚拟机同时迁移时系统资源不发生争抢或异常抖动；

• 部分虚拟机迁移效率偏低的问题，针对内存占用大、写入速率不均衡等典型场景进行针对性优化；

• 硬件加速与云平台调度体系的协同，确保 QAT 加速能力无缝融入现有迁移流程。

最终，我们完成了从实验 Demo 到生产环境的完整落地，使基于 QAT 的虚拟机热迁移方案在云环境中满足迁移稳定性、高并发与可运维性等核心要求，为规模化部署奠定了坚实基础。

5. 百度智能云落地收益

基于上述 QAT 硬件能力，百度智能云在云服务器 BCC 中进行了落地与规模化验证，取得了以下收益：

迁移性能显著提升

在 64GB 虚拟机迁移场景中，迁移总时长由 33 秒降低至 12 秒，整体缩短约 60%。 对于内存占用高、写吞吐较低的虚拟机类型，性能收益尤为明显。同时，由于压缩效率提升，迁移过程中的网络带宽占用明显下降，链路更加稳定，有效降低了对集群网络的冲击。

此外，集群运维效率也得到提升，节点维护窗口明显缩短，为后续自动化调度和弹性伸缩提供了基础能力。

CPU 资源大幅节省

通过将内存压缩计算从 CPU 核心卸载至 CPU 内置的 QAT 硬件，迁移期间 宿主机 CPU 使用率下降 20% 以上，显著减少了对业务虚拟机的性能影响，提升了整体用户体验。

业务中断窗口缩小

得益于 QAT 的高效压缩，预拷贝阶段的脏页收敛速度更快，最终虚拟机暂停的中断窗口降至「十毫秒级」，满足金融、电商等业务的高可用要求。

高负载场景覆盖

该方案对「大内存虚拟机」场景（如分布式缓存、CDN、离线业务）的加速效果尤为明显，可在业务不中断的前提下完成快速迁移。

6. 结语：持续深化合作，夯实智能时代底座

百度智能云与英特尔持续深化战略合作，围绕 CPU 选型与定制化、软硬件协同优化以及 AI 训练与推理性能提升等核心领域展开深入创新协作。

双方充分发挥各自在云计算与芯片技术领域的优势，从底层硬件架构与关键特性出发，推进系统级与应用级的联合优化，全面释放算力潜能，持续提升 AI 与云服务的整体性能与效率，为百度智能云构建稳定、高效、可持续演进的算力基础设施，夯实智能时代的技术底座。

了解云服务器 BCC 更多信息