🥇 Openstack এ ভারসাম্য লোড করুন

বড় ক্লাউড সিস্টেমে, স্বয়ংক্রিয় ভারসাম্য বা কম্পিউটিং সংস্থানগুলির উপর লোড সমতল করার সমস্যাটি বিশেষত তীব্র। Tionix (ক্লাউড পরিষেবাগুলির একজন বিকাশকারী এবং অপারেটর, কোম্পানিগুলির Rostelecom গ্রুপের অংশ) এই সমস্যাটির যত্ন নিয়েছে।

এবং, যেহেতু আমাদের প্রধান ডেভেলপমেন্ট প্ল্যাটফর্ম ওপেনস্ট্যাক, এবং আমরা, সমস্ত লোকের মতো, অলস, তাই কিছু প্রস্তুত মডিউল নির্বাচন করার সিদ্ধান্ত নেওয়া হয়েছিল যা ইতিমধ্যেই প্ল্যাটফর্মে অন্তর্ভুক্ত রয়েছে। আমাদের পছন্দ ওয়াচারের উপর পড়েছে, যা আমরা আমাদের প্রয়োজনে ব্যবহার করার সিদ্ধান্ত নিয়েছি।

প্রথমত, এর পদ এবং সংজ্ঞা দেখি।

শর্তাবলী এবং সংজ্ঞা

লক্ষ্য একটি মানব-পাঠযোগ্য, পর্যবেক্ষণযোগ্য এবং পরিমাপযোগ্য শেষ ফলাফল যা অবশ্যই অর্জন করতে হবে। প্রতিটি লক্ষ্য অর্জনের জন্য এক বা একাধিক কৌশল রয়েছে। একটি কৌশল হল একটি অ্যালগরিদমের বাস্তবায়ন যা একটি নির্দিষ্ট লক্ষ্যের জন্য একটি সমাধান খুঁজে পেতে সক্ষম।

কর্ম একটি প্রাথমিক কাজ যা OpenStack ক্লাস্টারের টার্গেট পরিচালিত সম্পদের বর্তমান অবস্থা পরিবর্তন করে, যেমন: একটি ভার্চুয়াল মেশিন স্থানান্তর করা (মাইগ্রেশন), একটি নোডের পাওয়ার স্টেট পরিবর্তন করা (change_node_power_state), নোভা সার্ভিসের অবস্থা পরিবর্তন করা (change_nova_service_state) ), স্বাদ পরিবর্তন (আকার পরিবর্তন), এনওপি বার্তা নিবন্ধন করা (না), নির্দিষ্ট সময়ের জন্য কর্মের অভাব - বিরতি (ঘুম), ডিস্ক স্থানান্তর (ভলিউম_মাইগ্রেট)।

কর্ম পরিকল্পনা - একটি নির্দিষ্ট লক্ষ্য অর্জনের জন্য একটি নির্দিষ্ট ক্রমে সম্পাদিত কর্মের একটি নির্দিষ্ট প্রবাহ। কর্ম পরিকল্পনায় কর্মক্ষমতা সূচকগুলির একটি সেট সহ পরিমাপিত বৈশ্বিক কর্মক্ষমতাও রয়েছে। একটি সফল অডিটের পর ওয়াচার দ্বারা একটি কর্ম পরিকল্পনা তৈরি করা হয়, যার ফলস্বরূপ ব্যবহৃত কৌশলটি লক্ষ্য অর্জনের জন্য একটি সমাধান খুঁজে পায়। একটি কর্ম পরিকল্পনা অনুক্রমিক কর্মের একটি তালিকা নিয়ে গঠিত।

নিরীক্ষা ক্লাস্টার অপ্টিমাইজ করার জন্য একটি অনুরোধ. একটি নির্দিষ্ট ক্লাস্টারে একটি লক্ষ্য অর্জনের জন্য অপ্টিমাইজেশন করা হয়। প্রতিটি সফল অডিটের জন্য, ওয়াচার একটি অ্যাকশন প্ল্যান তৈরি করে।

নিরীক্ষার সুযোগ সম্পদের একটি সেট যার মধ্যে অডিট সঞ্চালিত হয় (উপলভ্যতা অঞ্চল(গুলি), নোড অ্যাগ্রিগেটর, পৃথক গণনা নোড বা স্টোরেজ নোড ইত্যাদি)। নিরীক্ষার সুযোগ প্রতিটি টেমপ্লেটে সংজ্ঞায়িত করা হয়েছে। যদি কোন অডিট স্কোপ নির্দিষ্ট করা না থাকে, তাহলে পুরো ক্লাস্টারটি নিরীক্ষিত হয়।

অডিট টেমপ্লেট - একটি অডিট চালু করার জন্য সেটিংসের একটি সংরক্ষিত সেট৷ একই সেটিংস সহ একাধিকবার অডিট চালানোর জন্য টেমপ্লেটগুলির প্রয়োজন৷ টেমপ্লেটটিতে অবশ্যই অডিটের উদ্দেশ্য থাকতে হবে; যদি কৌশলগুলি নির্দিষ্ট না করা হয়, তাহলে সবচেয়ে উপযুক্ত বিদ্যমান কৌশলগুলি নির্বাচন করা হয়।

ক্লাস্টার ফিজিক্যাল মেশিনের একটি সংগ্রহ যা কম্পিউট, স্টোরেজ এবং নেটওয়ার্কিং রিসোর্স প্রদান করে এবং একই OpenStack ম্যানেজমেন্ট নোড দ্বারা পরিচালিত হয়।

ক্লাস্টার ডেটা মডেল (CDM) ক্লাস্টার দ্বারা পরিচালিত সংস্থানগুলির বর্তমান অবস্থা এবং টপোলজির একটি যৌক্তিক উপস্থাপনা।

দক্ষতা সূচক - একটি সূচক যা নির্দেশ করে যে এই কৌশলটি ব্যবহার করে তৈরি করা সমাধানটি কীভাবে সঞ্চালিত হয়। কর্মক্ষমতা সূচকগুলি একটি নির্দিষ্ট লক্ষ্যের জন্য নির্দিষ্ট এবং সাধারণত ফলস্বরূপ কর্ম পরিকল্পনার বিশ্বব্যাপী কার্যকারিতা গণনা করতে ব্যবহৃত হয়।

কার্যকারিতা স্পেসিফিকেশন প্রতিটি লক্ষ্যের সাথে যুক্ত নির্দিষ্ট বৈশিষ্ট্যের একটি সেট যা বিভিন্ন কর্মক্ষমতা সূচকগুলিকে সংজ্ঞায়িত করে যা সংশ্লিষ্ট লক্ষ্য অর্জনের জন্য একটি কৌশলকে অবশ্যই তার সমাধানে অর্জন করতে হবে। প্রকৃতপক্ষে, কৌশল দ্বারা প্রস্তাবিত প্রতিটি সমাধান এর বৈশ্বিক কার্যকারিতা গণনা করার আগে স্পেসিফিকেশনের বিরুদ্ধে পরীক্ষা করা হবে।

স্কোরিং ইঞ্জিন একটি এক্সিকিউটেবল ফাইল যাতে ভাল-সংজ্ঞায়িত ইনপুট, ভাল-সংজ্ঞায়িত আউটপুট রয়েছে এবং একটি সম্পূর্ণ গাণিতিক কাজ সম্পাদন করে। এইভাবে, গণনাটি যে পরিবেশে সঞ্চালিত হয় তার থেকে স্বাধীন-এটি যেকোনো জায়গায় একই ফলাফল দেবে।

প্রহরী পরিকল্পনাকারী - প্রহরী সিদ্ধান্ত নেওয়ার ইঞ্জিনের অংশ। এই মডিউলটি একটি কৌশল দ্বারা উত্পন্ন ক্রিয়াগুলির একটি সেট নেয় এবং একটি কর্মপ্রবাহ পরিকল্পনা তৈরি করে যা নির্দিষ্ট করে কিভাবে এই বিভিন্ন ক্রিয়াগুলি সময়মতো নির্ধারণ করা যায় এবং প্রতিটি কর্মের জন্য পূর্বশর্তগুলি কী।

প্রহরী লক্ষ্য এবং কৌশল

লক্ষ্য
কৌশল

ডামি গোল
ডামি কৌশল

নমুনা স্কোরিং ইঞ্জিন ব্যবহার করে ডামি কৌশল

রিসাইজ সহ ডামি কৌশল

শক্তি সংরক্ষণ
শক্তি সঞ্চয় কৌশল

সার্ভার একত্রীকরণ
বেসিক অফলাইন সার্ভার একত্রীকরণ

ভিএম ওয়ার্কলোড একত্রীকরণ কৌশল

কাজের চাপের ভারসাম্য
কাজের চাপ ব্যালেন্স মাইগ্রেশন কৌশল

স্টোরেজ ক্যাপাসিটি ব্যালেন্স কৌশল

কাজের চাপ স্থিতিশীলতা

কোলাহলপূর্ণ প্রতিবেশী
কোলাহলপূর্ণ প্রতিবেশী

তাপ অপ্টিমাইজেশান
আউটলেট তাপমাত্রা ভিত্তিক কৌশল

এয়ারফ্লো অপ্টিমাইজেশন
অভিন্ন বায়ুপ্রবাহ মাইগ্রেশন কৌশল

হার্ডওয়্যার রক্ষণাবেক্ষণ
জোন মাইগ্রেশন

শ্রেণীবিভক্ত করা হয়নি এমন
actuator

ডামি গোল - সংরক্ষিত লক্ষ্য যা পরীক্ষার উদ্দেশ্যে ব্যবহৃত হয়।

সম্পর্কিত কৌশল: ডামি কৌশল, নমুনা স্কোরিং ইঞ্জিন ব্যবহার করে ডামি কৌশল এবং আকার পরিবর্তনের সাথে ডামি কৌশল। ডামি কৌশল হল একটি ডামি কৌশল যা টেম্পেস্টের মাধ্যমে ইন্টিগ্রেশন পরীক্ষার জন্য ব্যবহৃত হয়। এই কৌশলটি কোন দরকারী অপ্টিমাইজেশন প্রদান করে না, এর একমাত্র উদ্দেশ্য হল টেম্পেস্ট পরীক্ষাগুলি ব্যবহার করা।

নমুনা স্কোরিং ইঞ্জিন ব্যবহার করে ডামি কৌশল - কৌশলটি আগেরটির মতোই, একমাত্র পার্থক্য হল একটি নমুনা "স্কোরিং ইঞ্জিন" ব্যবহার করা যা মেশিন লার্নিং পদ্ধতি ব্যবহার করে গণনা পরিচালনা করে।

রিসাইজ সহ ডামি কৌশল - কৌশলটি আগেরটির মতোই, একমাত্র পার্থক্য হল স্বাদ পরিবর্তনের ব্যবহার (মাইগ্রেশন এবং রিসাইজ)।

উৎপাদনে ব্যবহৃত হয় না।

শক্তি সংরক্ষণ - শক্তি খরচ কমিয়ে দিন। এই লক্ষ্যের সেভিং এনার্জি স্ট্র্যাটেজি, ভিএম ওয়ার্কলোড কনসোলিডেশন স্ট্র্যাটেজি (সার্ভার কনসোলিডেশন) এর সাথে, ডায়নামিক পাওয়ার ম্যানেজমেন্ট (DPM) বৈশিষ্ট্যগুলির জন্য সক্ষম যা কম সম্পদ ব্যবহারের সময়কালেও গতিশীলভাবে ওয়ার্কলোড একত্রিত করে শক্তি সঞ্চয় করে: ভার্চুয়াল মেশিনগুলি কম নোডে সরানো হয় , এবং অপ্রয়োজনীয় নোড নিষ্ক্রিয় করা হয়। একত্রীকরণের পরে, কৌশলটি নির্দিষ্ট পরামিতি অনুসারে নোডগুলি চালু/বন্ধ করার বিষয়ে একটি সিদ্ধান্ত দেয়: "min_free_hosts_num" - বিনামূল্যে সক্রিয় নোডের সংখ্যা যা লোডের জন্য অপেক্ষা করছে এবং "free_used_percent" - বিনামূল্যে সক্রিয় হোস্টের শতাংশ নোডের সংখ্যা যা মেশিন দ্বারা দখল করা হয়। কাজের জন্য কৌশল থাকতে হবে নোডগুলিতে পাওয়ার সাইক্লিং পরিচালনা করতে Ironic সক্ষম এবং কনফিগার করা হয়েছে।

কৌশল পরামিতি

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

বিনামূল্যে_ব্যবহৃত_শতাংশ
সংখ্যা
10.0
ভার্চুয়াল মেশিনের সাথে কম্পিউটিং নোডের সংখ্যার সাথে ফ্রি কম্পিউটিং নোডের সংখ্যার অনুপাত

min_free_hosts_num
int
1
বিনামূল্যে কম্পিউটিং নোডের সর্বনিম্ন সংখ্যা

ক্লাউডে কমপক্ষে দুটি নোড থাকতে হবে। ব্যবহৃত পদ্ধতিটি নোডের পাওয়ার স্টেট পরিবর্তন করছে (চেঞ্জ_নোড_পাওয়ার_স্টেট)। কৌশলটির জন্য মেট্রিক্স সংগ্রহের প্রয়োজন নেই।

সার্ভার একত্রীকরণ - কম্পিউটিং নোডের সংখ্যা কমিয়ে দিন (একত্রীকরণ)। এর দুটি কৌশল রয়েছে: বেসিক অফলাইন সার্ভার একত্রীকরণ এবং ভিএম ওয়ার্কলোড একত্রীকরণ কৌশল।

বেসিক অফলাইন সার্ভার একত্রীকরণ কৌশল ব্যবহার করা সার্ভারের মোট সংখ্যা কমিয়ে দেয় এবং মাইগ্রেশনের সংখ্যাও কম করে।

মৌলিক কৌশল নিম্নলিখিত মেট্রিক্স প্রয়োজন:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

compute.node.cpu.percent
সিলোমিটার
না

cpu_util
সিলোমিটার
না

কৌশল পরামিতি: মাইগ্রেশন_অ্যাটেম্পটস - শাটডাউনের জন্য সম্ভাব্য প্রার্থীদের অনুসন্ধান করার জন্য সংমিশ্রণের সংখ্যা (ডিফল্ট, 0, কোন বিধিনিষেধ নেই), সময়কাল - মেট্রিক ডেটা উত্স থেকে স্ট্যাটিক অ্যাগ্রিগেশন পেতে সেকেন্ডে সময় ব্যবধান (ডিফল্ট, 700)।

ব্যবহৃত পদ্ধতি: মাইগ্রেশন, নোভা সার্ভিস স্টেট পরিবর্তন (change_nova_service_state)।

VM ওয়ার্কলোড একত্রীকরণ কৌশলটি একটি প্রথম-ফিট হিউরিস্টিকের উপর ভিত্তি করে যা পরিমাপ করা CPU লোডের উপর ফোকাস করে এবং নোডগুলিকে কম করার চেষ্টা করে যেগুলি খুব বেশি বা খুব কম লোড প্রদত্ত সংস্থান ক্ষমতার সীমাবদ্ধতা রয়েছে। এই কৌশলটি এমন একটি সমাধান প্রদান করে যার ফলে নিম্নলিখিত চারটি ধাপ ব্যবহার করে ক্লাস্টার সংস্থানগুলির আরও দক্ষ ব্যবহার হয়:

আনলোডিং ফেজ - অতিব্যবহৃত সম্পদের প্রক্রিয়াকরণ;
একত্রীকরণ পর্যায় - অব্যবহৃত সম্পদ পরিচালনা;
সমাধানের অপ্টিমাইজেশান - স্থানান্তরের সংখ্যা হ্রাস করা;
অব্যবহৃত গণনা নোড নিষ্ক্রিয় করা হচ্ছে।

কৌশলটির জন্য নিম্নলিখিত মেট্রিক্স প্রয়োজন:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

স্মৃতি
সিলোমিটার
না

disk.root.size
সিলোমিটার
না

নিম্নলিখিত মেট্রিকগুলি ঐচ্ছিক কিন্তু উপলব্ধ থাকলে কৌশল নির্ভুলতা উন্নত করবে:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

memory.resident
সিলোমিটার
না

cpu_util
সিলোমিটার
না

কৌশল পরামিতি: সময়কাল — মেট্রিক ডেটা উত্স থেকে স্ট্যাটিক একত্রীকরণ পেতে সেকেন্ডে সময় ব্যবধান (ডিফল্ট, 3600)।

পূর্ববর্তী কৌশল হিসাবে একই পদ্ধতি ব্যবহার করে। আরো বিস্তারিত এখানে.

কাজের চাপের ভারসাম্য - কম্পিউটিং নোডের মধ্যে কাজের চাপের ভারসাম্য বজায় রাখুন। লক্ষ্যটির তিনটি কৌশল রয়েছে: ওয়ার্কলোড ব্যালেন্স মাইগ্রেশন স্ট্র্যাটেজি, ওয়ার্কলোড স্টেবিলাইজেশন, স্টোরেজ ক্যাপাসিটি ব্যালেন্স স্ট্র্যাটেজি।

ওয়ার্কলোড ব্যালেন্স মাইগ্রেশন স্ট্র্যাটেজি হোস্ট ভার্চুয়াল মেশিন ওয়ার্কলোডের উপর ভিত্তি করে ভার্চুয়াল মেশিন মাইগ্রেশন চালায়। যখনই একটি নোডের % CPU বা RAM ব্যবহার নির্দিষ্ট থ্রেশহোল্ড অতিক্রম করে তখনই একটি মাইগ্রেশন সিদ্ধান্ত নেওয়া হয়। এই ক্ষেত্রে, সরানো ভার্চুয়াল মেশিনটি নোডটিকে সমস্ত নোডের গড় কাজের চাপের কাছাকাছি নিয়ে আসা উচিত।

প্রয়োজনীয়তা

শারীরিক প্রসেসর ব্যবহার;
কমপক্ষে দুটি শারীরিক কম্পিউটিং নোড;
সিলোমিটার কম্পোনেন্ট ইনস্টল এবং কনফিগার করা হয়েছে - সিলোমিটার-এজেন্ট-কম্পিউট, প্রতিটি কম্পিউট নোডে চলমান, এবং সিলোমিটার API, সেইসাথে নিম্নলিখিত মেট্রিক্স সংগ্রহ করে:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

cpu_util
সিলোমিটার
না

memory.resident
সিলোমিটার
না

কৌশল পরামিতি:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

ছন্দোবিজ্ঞান
স্ট্রিং
'cpu_util'
অন্তর্নিহিত মেট্রিক্স হল: 'cpu_util', 'memory.resident'।

গোবরাট
সংখ্যা
25.0
মাইগ্রেশনের জন্য কাজের চাপ থ্রেশহোল্ড।

কাল
সংখ্যা
300
ক্রমবর্ধমান সময়কাল সিলোমিটার।

ব্যবহৃত পদ্ধতি হল মাইগ্রেশন।

ওয়ার্কলোড স্টেবিলাইজেশন হল একটি কৌশল যার লক্ষ্য লাইভ মাইগ্রেশন ব্যবহার করে কাজের চাপ স্থিতিশীল করা। কৌশলটি একটি আদর্শ বিচ্যুতি অ্যালগরিদমের উপর ভিত্তি করে এবং ক্লাস্টারে কনজেশন আছে কিনা তা নির্ধারণ করে এবং ক্লাস্টারকে স্থিতিশীল করতে মেশিন মাইগ্রেশন ট্রিগার করে এর প্রতিক্রিয়া জানায়।

প্রয়োজনীয়তা

শারীরিক প্রসেসর ব্যবহার;
কমপক্ষে দুটি শারীরিক কম্পিউটিং নোড;
সিলোমিটার কম্পোনেন্ট ইনস্টল এবং কনফিগার করা হয়েছে - সিলোমিটার-এজেন্ট-কম্পিউট, প্রতিটি কম্পিউট নোডে চলমান, এবং সিলোমিটার API, সেইসাথে নিম্নলিখিত মেট্রিক্স সংগ্রহ করে:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

cpu_util
সিলোমিটার
না

memory.resident
সিলোমিটার
না

স্টোরেজ ক্যাপাসিটি ব্যালেন্স স্ট্র্যাটেজি (কুইন্স থেকে শুরু করে বাস্তবায়িত কৌশল) - কৌশলটি সিন্ডার পুলের লোডের উপর নির্ভর করে ডিস্ক স্থানান্তর করে। যখনই পুল ব্যবহারের হার একটি নির্দিষ্ট থ্রেশহোল্ড অতিক্রম করে তখন একটি স্থানান্তরের সিদ্ধান্ত নেওয়া হয়। যে ডিস্কটি সরানো হচ্ছে তা পুলটিকে সমস্ত সিন্ডার পুলের গড় লোডের কাছাকাছি নিয়ে আসা উচিত।

প্রয়োজনীয়তা এবং সীমাবদ্ধতা

ন্যূনতম দুটি সিন্ডার পুল;
ডিস্ক মাইগ্রেশনের সম্ভাবনা।
ক্লাস্টার ডেটা মডেল - সিন্ডার ক্লাস্টার ডেটা মডেল সংগ্রাহক।

কৌশল পরামিতি:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

ভলিউম_থ্রেশহোল্ড
সংখ্যা
80.0
ভলিউম ব্যালেন্স করার জন্য ডিস্কের থ্রেশহোল্ড মান।

ব্যবহৃত পদ্ধতি হল ডিস্ক মাইগ্রেশন (volume_migrate)।

কোলাহলপূর্ণ প্রতিবেশী - একটি "কোলাহলপূর্ণ প্রতিবেশী" সনাক্ত করুন এবং স্থানান্তর করুন - একটি নিম্ন অগ্রাধিকার ভার্চুয়াল মেশিন যা শেষ স্তরের ক্যাশে অতিরিক্ত ব্যবহার করে IPC এর পরিপ্রেক্ষিতে একটি উচ্চ অগ্রাধিকার ভার্চুয়াল মেশিনের কার্যকারিতাকে নেতিবাচকভাবে প্রভাবিত করছে৷ নিজস্ব কৌশল: কোলাহলপূর্ণ প্রতিবেশী (কৌশলগত প্যারামিটারটি ক্যাশে_থ্রেশহোল্ড (ডিফল্ট মান 35) ব্যবহার করা হয়, যখন কর্মক্ষমতা নির্দিষ্ট মান পর্যন্ত নেমে যায়, তখন মাইগ্রেশন শুরু হয়। কৌশলটি কাজ করার জন্য, সক্ষম এলএলসি (শেষ স্তরের ক্যাশে) মেট্রিক্স, CMT সমর্থন সহ সর্বশেষ ইন্টেল সার্ভার, সেইসাথে নিম্নলিখিত মেট্রিক্স সংগ্রহ করা:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

cpu_l3_cache
সিলোমিটার
না
ইন্টেল প্রয়োজন CMT.

ক্লাস্টার ডেটা মডেল (ডিফল্ট): নোভা ক্লাস্টার ডেটা মডেল সংগ্রাহক। ব্যবহৃত পদ্ধতি হল মাইগ্রেশন।

ড্যাশবোর্ডের মাধ্যমে এই লক্ষ্য নিয়ে কাজ করা কুইন্সে সম্পূর্ণরূপে বাস্তবায়িত হয় না।

তাপ অপ্টিমাইজেশান - তাপমাত্রা ব্যবস্থা অপ্টিমাইজ করুন। আউটলেট (এক্সস্ট এয়ার) তাপমাত্রা একটি সার্ভারের তাপ/ওয়ার্কলোড স্থিতি পরিমাপ করার জন্য গুরুত্বপূর্ণ তাপীয় টেলিমেট্রি সিস্টেমগুলির মধ্যে একটি। টার্গেটের একটি কৌশল রয়েছে, আউটলেট তাপমাত্রা ভিত্তিক কৌশল, যা সোর্স হোস্টের আউটলেট তাপমাত্রা কনফিগারযোগ্য থ্রেশহোল্ডে পৌঁছে গেলে তাপগতভাবে অনুকূল হোস্টে (সর্বনিম্ন আউটলেট তাপমাত্রা) কাজের লোড স্থানান্তর করার সিদ্ধান্ত নেয়।

কৌশলটি কাজ করার জন্য, আপনার ইন্টেল পাওয়ার নোড ম্যানেজার ইনস্টল এবং কনফিগার করা একটি সার্ভার প্রয়োজন 3.0 বা তার পরে, সেইসাথে নিম্নলিখিত মেট্রিক্স সংগ্রহ করা:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

hardware.ipmi.node.outlet_temperature
সিলোমিটার
এই IPMI

কৌশল পরামিতি:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

গোবরাট
সংখ্যা
35.0
মাইগ্রেশনের জন্য তাপমাত্রা থ্রেশহোল্ড।

কাল
সংখ্যা
30
সময়ের ব্যবধান, সেকেন্ডে, মেট্রিক ডেটা উৎস থেকে পরিসংখ্যানগত একত্রীকরণ পেতে।

ব্যবহৃত পদ্ধতি হল মাইগ্রেশন।

এয়ারফ্লো অপ্টিমাইজেশন - বায়ুচলাচল মোড অপ্টিমাইজ করুন। নিজস্ব কৌশল - লাইভ মাইগ্রেশন ব্যবহার করে অভিন্ন বায়ুপ্রবাহ। কৌশলটি ভার্চুয়াল মেশিন মাইগ্রেশনকে ট্রিগার করে যখনই সার্ভার ফ্যান থেকে বায়ুপ্রবাহ একটি নির্দিষ্ট থ্রেশহোল্ড অতিক্রম করে।

কৌশলটি কাজ করার জন্য আপনার প্রয়োজন:

হার্ডওয়্যার: গণনা নোড < সমর্থনকারী নোডম্যানেজার 3.0;
কমপক্ষে দুটি কম্পিউটিং নোড;
সিলোমিটার-এজেন্ট-কম্পিউট এবং সিলোমিটার API উপাদান প্রতিটি কম্পিউটিং নোডে ইনস্টল এবং কনফিগার করা হয়েছে, যা সফলভাবে বায়ু প্রবাহ, সিস্টেম পাওয়ার, ইনলেট তাপমাত্রার মতো মেট্রিক্স রিপোর্ট করতে পারে:

মেট্রিক্স
পরিষেবা
প্লাগইন
মন্তব্য

hardware.ipmi.node.airflow
সিলোমিটার
এই IPMI

hardware.ipmi.node.temperature
সিলোমিটার
এই IPMI

hardware.ipmi.node.power
সিলোমিটার
এই IPMI

কৌশলটি কাজ করার জন্য, আপনার ইন্টেল পাওয়ার নোড ম্যানেজার 3.0 বা তার পরে ইনস্টল এবং কনফিগার করা একটি সার্ভার প্রয়োজন।

সীমাবদ্ধতা: ধারণাটি উৎপাদনের উদ্দেশ্যে নয়।

ক্রমাগত নিরীক্ষার সাথে এই অ্যালগরিদমটি ব্যবহার করার প্রস্তাব করা হয়েছে, যেহেতু প্রতি পুনরাবৃত্তিতে শুধুমাত্র একটি ভার্চুয়াল মেশিন স্থানান্তরিত করার পরিকল্পনা করা হয়েছে।

লাইভ মাইগ্রেশন সম্ভব।

কৌশল পরামিতি:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

থ্রেশহোল্ড_এয়ারফ্লো
সংখ্যা
400.0
মাইগ্রেশন ইউনিটের জন্য বায়ুপ্রবাহ থ্রেশহোল্ড হল 0.1CFM

threshold_inlet_t
সংখ্যা
28.0
মাইগ্রেশন সিদ্ধান্তের জন্য ইনলেট তাপমাত্রা থ্রেশহোল্ড

threshold_power
সংখ্যা
350.0
মাইগ্রেশন সিদ্ধান্তের জন্য সিস্টেম পাওয়ার থ্রেশহোল্ড

ব্যবহৃত পদ্ধতি হল মাইগ্রেশন।

হার্ডওয়্যার রক্ষণাবেক্ষণ - হার্ডওয়্যার রক্ষণাবেক্ষণ। এই লক্ষ্য সম্পর্কিত কৌশল হল জোন মাইগ্রেশন। হার্ডওয়্যার রক্ষণাবেক্ষণের প্রয়োজনে ভার্চুয়াল মেশিন এবং ডিস্কগুলির কার্যকর স্বয়ংক্রিয় এবং ন্যূনতম স্থানান্তরের জন্য কৌশলটি একটি সরঞ্জাম। কৌশল ওজন অনুসারে কর্মের একটি পরিকল্পনা তৈরি করে: কর্মের একটি সেট যার ওজন বেশি থাকে অন্যদের আগে পরিকল্পনা করা হবে। দুটি কনফিগারেশন বিকল্প আছে: কর্ম_ওজন এবং সমান্তরালকরণ।

সীমাবদ্ধতা: কর্মের ওজন এবং সমান্তরালকরণ কনফিগার করা প্রয়োজন।

কৌশল পরামিতি:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

compute_nodes
বিন্যাস
না
মাইগ্রেশনের জন্য নোড গণনা করুন।

স্টোরেজ_পুল
বিন্যাস
না
স্থানান্তরের জন্য স্টোরেজ নোড।

সমান্তরাল_মোট
পূর্ণসংখ্যা
6
ক্রিয়াকলাপগুলির মোট সংখ্যা যা সমান্তরালভাবে সম্পাদন করতে হবে৷

parallel_per_node
পূর্ণসংখ্যা
2
প্রতিটি গণনা নোডের জন্য সমান্তরালভাবে সম্পাদিত কর্মের সংখ্যা।

সমান্তরাল_প্রতি_পুল
পূর্ণসংখ্যা
2
প্রতিটি স্টোরেজ পুলের জন্য সমান্তরালভাবে সম্পাদিত কর্মের সংখ্যা।

অগ্রাধিকার
লক্ষ্য
না
ভার্চুয়াল মেশিন এবং ডিস্কের জন্য অগ্রাধিকার তালিকা।

সাথে_সংযুক্ত_ভলিউম
বুলিয়ান
মিথ্যা
False — সমস্ত ডিস্ক স্থানান্তরিত হওয়ার পরে ভার্চুয়াল মেশিনগুলি স্থানান্তরিত হবে। সত্য — সমস্ত সংযুক্ত ডিস্ক স্থানান্তরিত হওয়ার পরে ভার্চুয়াল মেশিনগুলি স্থানান্তরিত হবে।

কম্পিউটিং নোডের অ্যারের উপাদান:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

src_node
স্ট্রিং
না
কম্পিউট নোড যেখান থেকে ভার্চুয়াল মেশিনগুলি স্থানান্তরিত হচ্ছে (প্রয়োজনীয়)৷

dst_node
স্ট্রিং
না
ভার্চুয়াল মেশিনগুলি যে নোডটিতে স্থানান্তরিত হচ্ছে তা গণনা করুন।

স্টোরেজ নোড অ্যারে উপাদান:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

src_pool
স্ট্রিং
না
স্টোরেজ পুল যেখান থেকে ডিস্কগুলি স্থানান্তরিত হচ্ছে (প্রয়োজনীয়)।

dst_pool
স্ট্রিং
না
স্টোরেজ পুল যেখানে ডিস্ক স্থানান্তরিত হয়।

src_type
স্ট্রিং
না
আসল ডিস্কের ধরন (প্রয়োজনীয়)।

dst_type
স্ট্রিং
না
ফলস্বরূপ ডিস্কের ধরন (প্রয়োজনীয়)।

বস্তুর অগ্রাধিকার উপাদান:

স্থিতিমাপ
টাইপ
ডিফল্টরূপে
বিবরণ

প্রকল্প
বিন্যাস
না
প্রকল্পের নাম।

compute_node
বিন্যাস
না
নোডের নাম গণনা করুন।

স্টোরেজ_পুল
বিন্যাস
না
স্টোরেজ পুলের নাম।

গনা
এনাম
না
ভার্চুয়াল মেশিন প্যারামিটার [“vcpu_num”, “mem_size”, “disk_size”, “created_at”]।

স্টোরেজ
এনাম
না
ডিস্ক প্যারামিটার [“সাইজ”, “created_at”]।

ব্যবহৃত পদ্ধতিগুলি হল ভার্চুয়াল মেশিন মাইগ্রেশন, ডিস্ক মাইগ্রেশন।

শ্রেণীবিভক্ত করা হয়নি এমন - কৌশল উন্নয়ন প্রক্রিয়া সহজতর করার জন্য ব্যবহৃত একটি সহায়ক লক্ষ্য। কোনো স্পেসিফিকেশন নেই এবং কৌশলটি এখনও বিদ্যমান লক্ষ্যের সাথে যুক্ত না হলে ব্যবহার করা যেতে পারে। এই লক্ষ্যটি একটি রূপান্তর পয়েন্ট হিসাবেও ব্যবহার করা যেতে পারে। এই লক্ষ্যের সাথে সম্পর্কিত একটি কৌশল হল Actuator।

নতুন লক্ষ্য তৈরি করা

প্রহরী সিদ্ধান্ত ইঞ্জিন একটি "বাহ্যিক লক্ষ্য" প্লাগইন ইন্টারফেস রয়েছে যা একটি বাহ্যিক লক্ষ্যকে একীভূত করা সম্ভব করে যা একটি কৌশল ব্যবহার করে অর্জন করা যেতে পারে।

আপনি একটি নতুন লক্ষ্য তৈরি করার আগে, আপনাকে নিশ্চিত করতে হবে যে কোনো বিদ্যমান লক্ষ্য আপনার চাহিদা পূরণ করে না।

একটি নতুন প্লাগইন তৈরি করা হচ্ছে

একটি নতুন লক্ষ্য তৈরি করতে, আপনাকে অবশ্যই: টার্গেট ক্লাস প্রসারিত করুন, একটি ক্লাস পদ্ধতি প্রয়োগ করুন get_name() আপনি যে নতুন টার্গেট তৈরি করতে চান তার অনন্য আইডি ফেরত দিতে। এই অনন্য শনাক্তকারীকে অবশ্যই আপনার পরে ঘোষণা করা এন্ট্রি পয়েন্ট নামের সাথে মিলতে হবে।

পরবর্তী আপনাকে ক্লাস পদ্ধতি বাস্তবায়ন করতে হবে get_display_name() আপনি যে টার্গেট তৈরি করতে চান তার অনুবাদিত ডিসপ্লে নামটি ফেরত দিতে (অনুবাদিত স্ট্রিংটি ফেরত দিতে একটি ভেরিয়েবল ব্যবহার করবেন না যাতে এটি অনুবাদ টুল দ্বারা স্বয়ংক্রিয়ভাবে সংগ্রহ করা যায়।)

একটি ক্লাস পদ্ধতি প্রয়োগ করুন get_translatable_display_name()আপনার নতুন লক্ষ্যের অনুবাদ কী (আসলে ইংরেজি প্রদর্শন নাম) ফেরত দিতে। ফেরত মান অবশ্যই get_display_name() এ অনুবাদ করা স্ট্রিং এর সাথে মিলতে হবে।

তার পদ্ধতি বাস্তবায়ন করুন লাভ_কার্যকারিতা_নির্দিষ্টকরণ()আপনার লক্ষ্যের জন্য দক্ষতা স্পেসিফিকেশন ফেরত দিতে. get_eficacy_specification() পদ্ধতিটি Watcher দ্বারা প্রদত্ত অশ্রেণীবদ্ধ() উদাহরণ প্রদান করে। এই পারফরম্যান্স স্পেসিফিকেশনটি আপনার লক্ষ্য বিকাশের প্রক্রিয়াতে কার্যকর কারণ এটি খালি স্পেসিফিকেশনের সাথে মিলে যায়।

→ এখানে আরো পড়ুন।

প্রহরী স্থাপত্য (আরো বিস্তারিত) এখানে).

উপাদান

প্রহরী API - একটি উপাদান যা ওয়াচার দ্বারা প্রদত্ত REST API প্রয়োগ করে। ইন্টারঅ্যাকশন মেকানিজম: CLI, Horizon প্লাগইন, Python SDK।

প্রহরী ডিবি — প্রহরী ডাটাবেস।

প্রহরী প্রয়োগকারী — একটি কম্পোনেন্ট যা ওয়াচার ডিসিশন ইঞ্জিন কম্পোনেন্ট দ্বারা তৈরি একটি অ্যাকশন প্ল্যান কার্যকর করে।

প্রহরী সিদ্ধান্ত ইঞ্জিন - অডিট লক্ষ্য অর্জনের জন্য সম্ভাব্য অপ্টিমাইজেশন কর্মের একটি সেট গণনার জন্য দায়ী উপাদান। একটি কৌশল নির্দিষ্ট করা না থাকলে, উপাদানটি স্বাধীনভাবে সবচেয়ে উপযুক্ত একটি নির্বাচন করে।

প্রহরী মেট্রিক্স প্রকাশক - একটি উপাদান যা কিছু মেট্রিক বা ইভেন্ট সংগ্রহ ও গণনা করে এবং সেগুলিকে CEP এন্ডপয়েন্টে প্রকাশ করে। উপাদানটির কার্যকারিতাও সিলোমিটার প্রকাশক দ্বারা সরবরাহ করা যেতে পারে।

কমপ্লেক্স ইভেন্ট প্রসেসিং (সিইপি) ইঞ্জিন - জটিল ইভেন্ট প্রক্রিয়াকরণের জন্য ইঞ্জিন। পারফরম্যান্সের কারণে, একাধিক CEP ইঞ্জিন একযোগে চলমান হতে পারে, প্রতিটি একটি নির্দিষ্ট ধরনের মেট্রিক/ইভেন্ট প্রক্রিয়াকরণ করে। ওয়াচার সিস্টেমে, সিইপি দুই ধরনের অ্যাকশন ট্রিগার করে: - টাইম সিরিজ ডাটাবেসে সংশ্লিষ্ট ইভেন্ট/মেট্রিক্স রেকর্ড করে; - যখন এই ইভেন্টটি বর্তমান অপ্টিমাইজেশান কৌশলের ফলাফলকে প্রভাবিত করতে পারে তখন ওয়াচার ডিসিশন ইঞ্জিনে উপযুক্ত ইভেন্ট পাঠান, যেহেতু ওপেনস্ট্যাক ক্লাস্টার একটি স্ট্যাটিক সিস্টেম নয়।

উপাদানগুলি AMQP প্রোটোকল ব্যবহার করে ইন্টারঅ্যাক্ট করে।

→ প্রহরী কনফিগার করা হচ্ছে

প্রহরীর সাথে মিথস্ক্রিয়া পরিকল্পনা

প্রহরী পরীক্ষার ফলাফল

অপ্টিমাইজেশানে - অ্যাকশন প্ল্যান 500 পৃষ্ঠায় (উভয়ই খাঁটি কুইন্সে এবং টিওনিক্স মডিউল সহ একটি স্ট্যান্ডে), এটি শুধুমাত্র অডিট চালু হওয়ার পরে এবং একটি অ্যাকশন প্ল্যান তৈরি হওয়ার পরে উপস্থিত হয়; খালিটি সাধারণত খোলা হয়।
অ্যাকশন বিশদ ট্যাবে ত্রুটি রয়েছে, অডিট লক্ষ্য এবং কৌশল (উভয়ই খাঁটি কুইন্সে এবং টিওনিক্স মডিউল সহ স্ট্যান্ডে) পাওয়া সম্ভব নয়।
ডামি (পরীক্ষা) এর উদ্দেশ্য নিয়ে অডিট তৈরি করা হয় এবং সাধারণত চালু করা হয়, কর্ম পরিকল্পনা তৈরি করা হয়।
অশ্রেণীবদ্ধ লক্ষ্যের জন্য অডিট তৈরি করা হয় না কারণ লক্ষ্যটি কার্যকরী নয় এবং নতুন কৌশল তৈরি করার সময় মধ্যবর্তী কনফিগারেশনের উদ্দেশ্যে করা হয়।
ওয়ার্কলোড ব্যালেন্সিং (স্টোরেজ ক্যাপাসিটি ব্যালেন্স স্ট্র্যাটেজি) এর উদ্দেশ্যে অডিট সফলভাবে তৈরি করা হয়, কিন্তু একটি অ্যাকশন প্ল্যান তৈরি হয় না। কোন স্টোরেজ পুল অপ্টিমাইজেশান প্রয়োজন.
ওয়ার্কলোড ব্যালেন্সিং লক্ষ্য (ওয়ার্কলোড ব্যালেন্স মাইগ্রেশন স্ট্র্যাটেজি) এর জন্য অডিট সফলভাবে তৈরি করা হয়, কিন্তু একটি কর্ম পরিকল্পনা তৈরি হয় না।
ওয়ার্কলোড ব্যালেন্সিং (ওয়ার্কলোড স্ট্যাবিলাইজেশন স্ট্র্যাটেজি) এর জন্য অডিট ব্যর্থ হয়।
কোলাহলপূর্ণ প্রতিবেশী লক্ষ্যের জন্য অডিট সফলভাবে তৈরি করা হয়, কিন্তু একটি কর্ম পরিকল্পনা তৈরি করা হয় না।
হার্ডওয়্যার রক্ষণাবেক্ষণের উদ্দেশ্যে অডিটগুলি সফলভাবে তৈরি করা হয়, অ্যাকশন প্ল্যানটি সম্পূর্ণরূপে তৈরি হয় না (কর্মক্ষমতা সূচকগুলি তৈরি করা হয়, তবে কর্মের তালিকা নিজেই তৈরি হয় না)।
কম্পিউট এবং কন্ট্রোল নোডগুলিতে nova.conf কনফিগারে সম্পাদনা (ডিফল্ট বিভাগে compute_monitors = cpu.virt_driver) ত্রুটিগুলি সংশোধন করে না।
সার্ভার একত্রীকরণ (বেসিক কৌশল) লক্ষ্য করে অডিটও ব্যর্থ হয়।
সার্ভার একত্রীকরণ (VM ওয়ার্কলোড একত্রীকরণ কৌশল) এর উদ্দেশ্যে অডিট একটি ত্রুটির সাথে ব্যর্থ হয়। লগগুলিতে উত্স ডেটা প্রাপ্তিতে একটি ত্রুটি রয়েছে৷ ত্রুটি আলোচনা, বিশেষ করে এখানে.
আমরা কনফিগার ফাইলে ওয়াচার নির্দিষ্ট করার চেষ্টা করেছি (এটি সাহায্য করেনি - সমস্ত অপ্টিমাইজেশান পৃষ্ঠায় একটি ত্রুটির ফলে, কনফিগার ফাইলের মূল বিষয়বস্তুতে ফিরে যাওয়া পরিস্থিতি সংশোধন করে না):
[watcher_strategies.basic] ডেটাসোর্স = সিলোমিটার, গনোচি
শক্তি সংরক্ষণের জন্য অডিট ব্যর্থ হয়। লগ দ্বারা বিচার করে, সমস্যাটি এখনও আয়রনিকের অনুপস্থিতি; এটি বেয়ারমেটাল পরিষেবা ছাড়া কাজ করবে না।
থার্মাল অপ্টিমাইজেশনের জন্য অডিট ব্যর্থ হয়। ট্রেসব্যাক সার্ভার একত্রীকরণ (ভিএম ওয়ার্কলোড একত্রীকরণ কৌশল) (উৎস ডেটা ত্রুটি) এর মতোই
এয়ারফ্লো অপ্টিমাইজেশনের উদ্দেশ্যে অডিট একটি ত্রুটির সাথে ব্যর্থ হয়৷

নিম্নলিখিত অডিট সমাপ্তির ত্রুটিগুলিও সম্মুখীন হয়েছে৷ ডিসিশন-ইঞ্জিন.লগ লগগুলিতে ট্রেসব্যাক (ক্লাস্টার স্টেট সংজ্ঞায়িত করা হয়নি)।

→ ত্রুটি আলোচনা এখানে

উপসংহার

আমাদের দুই মাসের গবেষণার ফলাফল ছিল দ্ব্যর্থহীন উপসংহার যে একটি পূর্ণাঙ্গ, কার্যকরী লোড ব্যালেন্সিং সিস্টেম পাওয়ার জন্য, আমাদের এই অংশে, ওপেনস্ট্যাক প্ল্যাটফর্মের জন্য সরঞ্জামগুলিকে পরিমার্জিত করার জন্য ঘনিষ্ঠভাবে কাজ করতে হবে।

প্রহরী প্রভূত সম্ভাবনা সহ একটি গুরুতর এবং দ্রুত বিকাশকারী পণ্য হিসাবে প্রমাণিত হয়েছে, যার সম্পূর্ণ ব্যবহারের জন্য অনেক গুরুতর কাজ করতে হবে।

তবে সিরিজের পরবর্তী নিবন্ধগুলিতে এই বিষয়ে আরও।

উত্স: www.habr.com

Openstack এ লোড ব্যালেন্সিং

শর্তাবলী এবং সংজ্ঞা

প্রহরী লক্ষ্য এবং কৌশল

কৌশল পরামিতি

প্রয়োজনীয়তা

প্রয়োজনীয়তা

প্রয়োজনীয়তা এবং সীমাবদ্ধতা

নতুন লক্ষ্য তৈরি করা

একটি নতুন প্লাগইন তৈরি করা হচ্ছে

উপাদান

প্রহরীর সাথে মিথস্ক্রিয়া পরিকল্পনা

প্রহরী পরীক্ষার ফলাফল

উপসংহার

একটি মন্তব্য জুড়ুন উত্তর বাতিল