rngd随机数性能问题的解决办法

【问题描述】

某产品应用模块在ARM平台上测试时，应用处理业务性能处理表现变差了一些，后台环境上也发现rngd服务进程占用较高，高峰时甚至达到单CPU 100%。

【原因分析】

该模块业务代码运行中大量使用了随机数（调用/dev/random获取），会消耗系统随机数熵池。

/dev/random产生随机数的原理是利用当前系统的熵池(random pool)来计算出固定一定数量的随机比特，然后将这些比特作为字节流返回。如果随机池数据太少，则调用/dev/random会阻塞，等待随机池数据被填充。

而rngd系统服务的作用是负责动态补充该熵池资源，从测试环境问题情况来看，很有可能由于业务对随机数大量获取，导致rngd服务过载，性能成为瓶颈，从而反过来拖慢了业务的运行。

 
【rngd对比测试】

（1）X86下测试rngd随机数性能，1000个随机数，耗时15秒：

 （2）ARM下测试rngd随机数性能，1000个随机数，耗时36秒：

可以看到，在使用rngd服务补充熵池情况下，随机数产生的速度并不快，同时在ARM平台上比X86表现更差一些。因此rngd自身性能不足（高占用CPU），是此问题的主要原因。

【解决方法】

改用haveged服务来替代rngd，haveged有更好的性能（并低占用CPU）。

1、停用rngd

     systemctl stop rngd

     systemctl disable rngd

2、下载安装haveged

     wget https://download-ib01.fedoraproject.org/pub/epel/7/aarch64/Packages/h/haveged-1.9.1-1.el7.aarch64.rpm

     rpm -ivh haveged-1.9.1-1.el7.aarch64.rpm

3、启用haveged

     systemctl enable haveged

     systemctl start haveged

再次测试随机数的产生，耗时大大的缩短：

 随机数的获取加快，业务处理的性能也达到了预期，问题解决。

附-【关于随机数性能-滴池检查】

1、查看系统熵池的容量：cat /proc/sys/kernel/random/poolsize      // 默认4096

2、查看从熵池中读取熵的阀值：cat /proc/sys/kernel/random/read_wakeup_threshold

3、查看当前系统熵池中拥有的熵数: cat /proc/sys/kernel/random/entropy_avail （当entropy_avail中的值少于read_wakeup_threshold阀值，这时读取/dev/random会被阻塞）