Keuze fan CEPH. Diel 1

Wy hiene fiif rekken, tsien optyske skeakels, konfigureare BGP, in pear tsientallen SSD's en in bosk SAS-skiven fan alle kleuren en maten, lykas proxmox en de winsk om alle statyk yn ús eigen S3-opslach te setten. Net dat dit alles nedich wie foar virtualisaasje, mar as jo ienris begjinne mei it brûken fan opensource, gean dan yn jo hobby nei it ein. It iennichste dat my hindere wie BGP. Der is neat yn 'e wrâld mear helpleas, ûnferantwurdlik en ymmoreel as BGP ynterne routing. En ik wist dat wy der al frij gau yn dûke soene.

De taak wie banaal - d'r wie CEPH, it wurke net heul goed. It moast goed dien wurde.
It kluster dat ik krige wie heterogeen, yn 'e haast ôfstimd en praktysk net ôfstimd. It bestie út twa groepen fan ferskillende knopen, mei ien mienskiplik raster dy't fungearre as sawol in kluster as in iepenbier netwurk. De knopen waarden fol mei fjouwer soarten skiven - twa soarten SSD's, sammele yn twa aparte pleatsingsregels, en twa soarten HDD's fan ferskate grutte, sammele yn in tredde groep. It probleem mei ferskate maten waard oplost troch ferskate OSD-gewichten.

De opset sels is ferdield yn twa dielen - bestjoeringssysteem tuning и tuning de CEPH sels en syn ynstellings.

OS upgrade

netwurk

Hege latency beynfloede sawol opname as balânsjen. By it skriuwen, om't de kliïnt gjin antwurd sil krije oer in suksesfolle skriuwen oant gegevensreplika's yn oare pleatsingsgroepen sukses befêstigje. Sûnt de regels foar it fersprieden fan replika's yn 'e CRUSH-kaart ien replika per host wiene, waard it netwurk altyd brûkt.

Dêrom, it earste ding dat ik besletten om te dwaan wie in bytsje oanpasse it hjoeddeiske netwurk, parallel besykje te oertsjûgjen my te ferpleatsen nei aparte netwurken.

Om te begjinnen, draaide ik de ynstellings fan 'e netwurkkaart. Begûn mei it ynstellen fan wachtrijen:

wat is bard:

ethool -l ens1f1

root@ceph01:~# ethtool -l ens1f1
Channel parameters for ens1f1:
Pre-set maximums:
RX:     0
TX:     0
Other:      1
Combined:   63
Current hardware settings:
RX:     0
TX:     0
Other:      1
Combined:   1
root@ceph01:~# ethtool -g ens1f1
Ring parameters for ens1f1:
Pre-set maximums:
RX:     4096
RX Mini:    0
RX Jumbo:   0
TX:     4096
Current hardware settings:
RX:     256
RX Mini:    0
RX Jumbo:   0
TX:     256
root@ceph01:~# ethtool -l ens1f1
Channel parameters for ens1f1:
Pre-set maximums:
RX:     0
TX:     0
Other:      1
Combined:   63
Current hardware settings:
RX:     0
TX:     0
Other:      1
Combined:   1

It kin sjoen wurde dat de hjoeddeistige parameters fier fan maksimum binne. Fergrutte:

root@ceph01:~#ethtool -G ens1f0 rx 4096
root@ceph01:~#ethtool -G ens1f0 tx 4096
root@ceph01:~#ethtool -L ens1f0 combined 63

Begeliede troch in poerbêst artikel

https://blog.packagecloud.io/eng/2017/02/06/monitoring-tuning-linux-networking-stack-sending-data/

fergrutte de lingte fan 'e ferstjoerwachtrige txqueuelen fan 1000 oant 10 000

root@ceph01:~#ip link set ens1f0  txqueuelen 10000

No, nei de dokumintaasje fan ceph sels

https://ceph.com/geen-categorie/ceph-loves-jumbo-frames/

ferhege MTU oant 9000.

root@ceph01:~#ip link set dev ens1f0  mtu 9000

Taheakke oan /etc/network/interfaces sadat al it boppesteande wurdt laden by it opstarten

kat / etc / netwurk / ynterfaces

root@ceph01:~# cat /etc/network/interfaces
auto lo
iface lo inet loopback

auto ens1f0
iface ens1f0 inet manual
post-up /sbin/ethtool -G ens1f0 rx 4096
post-up /sbin/ethtool -G ens1f0 tx 4096
post-up /sbin/ethtool -L ens1f0 combined 63
post-up /sbin/ip link set ens1f0  txqueuelen 10000
mtu 9000

auto ens1f1
iface ens1f1 inet manual
post-up /sbin/ethtool -G ens1f1 rx 4096
post-up /sbin/ethtool -G ens1f1 tx 4096
post-up /sbin/ethtool -L ens1f1 combined 63
post-up /sbin/ip link set ens1f1  txqueuelen 10000
mtu 9000

Dêrnei begon ik, nei itselde artikel, de handgrepen fan 'e 4.15-kernel yntinsyf te draaien. Sjoen dat de knopen hawwe 128G RAM, wy krigen in bepaald konfiguraasje triem foar sysctl

cat /etc/sysctl.d/50-ceph.conf

net.core.rmem_max = 56623104  
#Максимальный размер буфера приема данных для всех соединений  54M
net.core.wmem_max = 56623104
#Максимальный размер буфера передачи данных для всех соединений 54M
net.core.rmem_default = 56623104
#Размер буфера приема данных по умолчанию для всех соединений. 54M
net.core.wmem_default = 56623104
#Размер буфера передачи данных по умолчанию для всех соединений 54M  
# на каждый сокет
net.ipv4.tcp_rmem = 4096 87380 56623104
#Векторная (минимум, по умолчанию, максимум) переменная в файле tcp_rmem
# содержит 3 целых числа, определяющих размер приемного буфера сокетов TCP.
# Минимум: каждый сокет TCP имеет право использовать эту память по 
# факту своего создания. Возможность использования такого буфера 
# гарантируется даже при достижении порога ограничения (moderate memory pressure).
# Размер минимального буфера по умолчанию составляет 8 Кбайт (8192).
#Значение по умолчанию: количество памяти, допустимое для буфера 
# передачи сокета TCP по умолчанию. Это значение применяется взамен
# параметра /proc/sys/net/core/rmem_default, используемого другими протоколами.
# Значение используемого по умолчанию буфера обычно (по умолчанию) 
# составляет 87830 байт. Это определяет размер окна 65535 с 
# заданным по умолчанию значением tcp_adv_win_scale и tcp_app_win = 0, 
# несколько меньший, нежели определяет принятое по умолчанию значение tcp_app_win.
# Максимум: максимальный размер буфера, который может быть автоматически
# выделен для приема сокету TCP. Это значение не отменяет максимума, 
# заданного в файле /proc/sys/net/core/rmem_max. При «статическом»
# выделении памяти с помощью SO_RCVBUF этот параметр не имеет значения.
net.ipv4.tcp_wmem = 4096 65536 56623104
net.core.somaxconn = 5000    
# Максимальное число открытых сокетов, ждущих соединения.
net.ipv4.tcp_timestamps=1
# Разрешает использование временных меток (timestamps), в соответствии с RFC 1323.
net.ipv4.tcp_sack=1
# Разрешить выборочные подтверждения протокола TCP
net.core.netdev_max_backlog=5000 (дефолт 1000)
# максимальное количество пакетов в очереди на обработку, если 
# интерфейс получает пакеты быстрее, чем ядро может их обработать.
net.ipv4.tcp_max_tw_buckets=262144
# Максимальное число сокетов, находящихся в состоянии TIME-WAIT одновременно.
# При превышении этого порога – «лишний» сокет разрушается и пишется
# сообщение в системный журнал.
net.ipv4.tcp_tw_reuse=1
#Разрешаем повторное использование TIME-WAIT сокетов в случаях,
# если протокол считает это безопасным.
net.core.optmem_max=4194304
#Увеличить максимальный общий буфер-космической ALLOCATABLE
#измеряется в единицах страниц (4096 байт)
net.ipv4.tcp_low_latency=1
#Разрешает стеку TCP/IP отдавать предпочтение низкому времени ожидания
# перед более высокой пропускной способностью.
net.ipv4.tcp_adv_win_scale=1
# Эта переменная влияет на вычисление объема памяти в буфере сокета,
# выделяемой под размер TCP-окна и под буфер приложения.
# Если величина tcp_adv_win_scale отрицательная, то для вычисления размера
# используется следующее выражение:
# Bytes- bytes2в степени -tcp_adv_win_scale
# Где bytes – это размер окна в байтах. Если величина tcp_adv_win_scale
# положительная, то для определения размера используется следующее выражение:
# Bytes- bytes2в степени tcp_adv_win_scale
# Переменная принимает целое значение. Значение по-умолчанию – 2, 
# т.е. под буфер приложения отводится ¼ часть объема, определяемого переменной
# tcp_rmem.
net.ipv4.tcp_slow_start_after_idle=0
# механизм перезапуска медленного старта, который сбрасывает значение окна 
# перегрузки, если соединение не использовалось заданный период времени.
# Лучше отключить SSR на сервере, чтобы улучшить производительность 
# долгоживущих соединений.
net.ipv4.tcp_no_metrics_save=1
#Не сохранять результаты измерений TCP соединения в кеше при его закрытии.
net.ipv4.tcp_syncookies=0
#Отключить механизм отправки syncookie
net.ipv4.tcp_ecn=0
#Explicit Congestion Notification (Явное Уведомление о Перегруженности) в 
# TCP-соединениях. Используется для уведомления о возникновении «затора» 
# на маршруте к заданному хосту или сети. Может использоваться для извещения
# хоста-отправителя о необходимости снизить скорость передачи пакетов через
# конкретный маршрутизатор или брандмауэр.
net.ipv4.conf.all.send_redirects=0
# выключает выдачу ICMP Redirect … другим хостам. Эта опция обязательно
# должна быть включена, если хост выступает в роли маршрутизатора любого рода.
# У нас нет маршрутизации.
net.ipv4.ip_forward=0
#Сопсно отключение форвардинга. Мы не шлюз, докер на машинах не поднят,
# нам это не нужно.
net.ipv4.icmp_echo_ignore_broadcasts=1
#Не отвечаем на ICMP ECHO запросы, переданные широковещательными пакетами
net.ipv4.tcp_fin_timeout=10
#определяет время сохранения сокета в состоянии FIN-WAIT-2 после его
# закрытия локальной стороной. Дефолт 60
net.core.netdev_budget=600 # (дефолт 300)
# Если выполнение программных прерываний не выполняются достаточно долго,
# то темп роста входящих данных может превысить возможность ядра 
# опустошить буфер. В результате буферы NIC переполнятся, и трафик будет потерян.
# Иногда, необходимо увеличить длительность работы SoftIRQs
# (программных прерываний) с CPU. За это отвечает netdev_budget. 
# Значение по умолчанию 300. Параметр заставит процесс SoftIRQ обработать
# 300 пакетов от NIC перед тем как отпустить CPU
net.ipv4.tcp_fastopen=3
# TFO TCP Fast Open
# если и клиент и сервер имеют поддержку TFO, о которой сообщают за счет
# специального флага в TCP пакете. В нашем случае является плацебо, просто
# выглядит красиво)

Сglâns netwurk waard tawiisd op aparte 10Gbps netwurk ynterfaces yn in apart plat netwurk. Eltse masine waard foarsjoen fan twa-poarte netwurk cards mellanox 10/25 Gbps ynstútsenComment yn twa aparte 10Gbps switches. Aggregaasje waard útfierd mei OSPF, sûnt bonding mei lacp foar guon reden toande in totale trochstreaming fan maksimaal 16 Gbps, wylst ospf mei súkses benutte beide tsientallen folslein op elke masine. Fierdere plannen wiene om ROCE te brûken op dizze melanoxes om latency te ferminderjen. Hoe dit diel fan it netwurk is ynsteld:

Sûnt de masines sels eksterne IP's hawwe op BGP, hawwe wy software nedich - (of leaver, op it stuit fan skriuwen, wie it frr=6.0-1 ) stie al.
Yn totaal hienen de masines twa netwurkynterfaces, elk twa ynterfaces - in totaal fan 4 havens. Ien netwurkkaart seach nei it fabryk mei twa havens en BGP wie derop konfigureare, de twadde seach nei twa ferskillende skeakels mei twa havens en OSPF wie derop ynsteld

Mear oer it opsetten fan OSPF: De wichtichste taak is om twa keppelings te aggregearjen en te hawwen fan fouttolerânsje.
twa netwurkynterfaces konfigureare yn twa ienfâldige platte netwurken - 10.10.10.0/24 en 10.10.20.0/24

1: ens1f0: <BROADCAST,MULTICAST,UP,LOWER_UP> mtu 9000 qdisc mq state UP group default qlen 1000
inet 10.10.10.2/24 brd 10.10.10.255 scope global ens1f0
2: ens1f1: <BROADCAST,MULTICAST,UP,LOWER_UP> mtu 9000 qdisc mq state UP group default qlen 1000
inet 10.10.20.2/24 brd 10.10.20.255 scope global ens1f1

wêrmei't auto's elkoar sjogge.

skiif

De folgjende stap wie it optimalisearjen fan skiifprestaasjes. Foar SSD haw ik de planner feroare nei noop, foar HDD - deadline. As it rûch is, dan wurket NOOP op it prinsipe fan "wa komt earst op - dat binne de slippers", dat yn it Ingelsk klinkt as "FIFO (First In, First Out)". Oanfragen wurde yn 'e wachtrige steld as se oankomme. DEADLINE is lêsfreonliker, plus it proses fan 'e wachtrige krijt hast eksklusive tagong ta de skiif op' e tiid fan 'e operaasje. Foar ús systeem is dit geweldich - ommers, mar ien proses wurket mei elke skiif - de OSD-daemon.
(Dejingen dy't yn 'e I / O-planner wolle dûke kinne hjir oer lêze:
http://www.admin-magazine.com/HPC/Articles/Linux-I-O-Schedulers

Dejingen dy't leaver yn it Russysk lêze: https://www.opennet.ru/base/sys/linux_shedulers.txt.html)

Yn 'e oanbefellings foar it ôfstimmen fan Linux wurdt it ek advisearre om nr_request te ferheegjen

nr_requests
De wearde fan nr_requests bepaalt it bedrach fan I/O-oanfragen dy't buffere wurde foardat de I/O-planner gegevens ferstjoert / ûntfangt nei it blokapparaat, as jo in RAID-kaart / Blokapparaat brûke dat in gruttere wachtrige kin omgean dan wat de I / O Scheduler is ynsteld op, it ferheegjen fan de wearde fan nr_requests kin helpe om te ferbetterjen troch en ferminderje tsjinner load doe't grutte hoemannichten I / O foarkomme op de tsjinner. As jo brûke Deadline of CFQ as de planner, wurdt suggerearre dat jo moatte ynstelle de nr_request wearde oan 2 kear de wearde fan wachtrige djipte.

MAR! Boargers sels, de ûntwikkelders fan CEPH, oertsjûgje ús dat har systeem fan prioriteiten better wurket.

WBTrottle en/of nr_requests

WBTrottle en/of nr_requests
Triem opslach brûkt buffered I / O foar skriuwen; dit bringt in oantal foardielen as de triem opslach log is op flugger media. Kliïntefersiken wurde op 'e hichte brocht sa gau as de gegevens nei it log skreaun binne, en dan op in letter momint nei de gegevensskiif sels spoeld wurde mei de standert Linux-funksjonaliteit. Dit makket it mooglik foar OSD-spindle-driven om skriuwlatinsje te leverjen lykas SSD's by it skriuwen yn lytse bursts. Dizze fertrage weromskriuwing lit de kernel sels ek I/O-oanfragen nei skiif opnij regelje, mei de hoop om se tegearre te fusearjen of besteande skiifkoppen wat better paad oer har platters te litten nimme. It netto-effekt is dat jo miskien wat mear I / O út elke skiif kinne squeeze dan mooglik mei direkte of syngroane I / O.

Lykwols, in bepaald probleem ûntstiet as it folume fan ynkommende skriuwt nei in opjûne Ceph kluster outstrips alle mooglikheden fan de ûnderlizzende skiven. Yn sa'n senario kin it totale oantal oanhâldende I / Os dy't wachtsje op in skreaun wurde op skiif groeie uncontrollably en resultearje yn in I / O wachtrige dy't follet de hiele skiif en Ceph wachtrige. Lêsoanfragen binne benammen min, om't se fêst sitte tusken skriuwfersiken, dy't ferskate sekonden duorje kinne om nei it primêre stasjon te spoelen.

Om dit probleem te oerwinnen, hat Ceph in skriuw-throttling-meganisme ynboud yn triemopslach neamd WBThrottle. It is ûntworpen om de totale hoemannichte luie skriuw-I/O te beheinen dy't yn 'e wachtrige kinne stean en har flushproses earder begjinne dan normaal soe wêze ynskeakele troch de kernel sels. Spitigernôch litte testen sjen dat de standertynstellingen it gedrach noch net kinne snije op in nivo dat dizze ynfloed kin ferminderje op lêslatinsje. Tweaking kin dit gedrach feroarje en de totale lingte fan skriuwwachtrige ferminderje en it mooglik meitsje dat de ynfloed minder serieus is. D'r is lykwols in trade-off: troch it ferminderjen fan it totale maksimale oantal records dat tastien is yn wachtrige, kinne jo it fermogen fan 'e kernel sels ferminderje om syn effisjinsje te maksimalisearjen by it bestellen fan ynkommende oanfragen. It is de muoite wurdich om wat te tinken oer wat jo mear nedich binne foar jo spesifike applikaasje, wurkdruk en oanpasse oan oerienkomst.

Om de djipte fan sa'n skriuwwachtrige te kontrolearjen, kinne jo de totale maksimale efterstân fan I / O's ferminderje troch de WBThrottle-ynstelling ta te passen, of de maksimale wearde foar efterstân ferminderje op it meast bloknivo fan jo kernel. Beide kinne itselde gedrach effektyf kontrolearje, en it is jo foarkar dy't de basis wêze sil foar it útfieren fan dizze ynstelling.
It moat ek opmurken wurde dat Ceph's operaasje foarrangssysteem effisjinter is foar koartere fragen op skyfnivo. By it ferminderjen fan de totale wachtrige nei in opjûne skiif, wurdt de wichtichste wachtrige lokaasje ferpleatst nei Ceph, dêr't it hat mear kontrôle oer hokker prioriteit in I / O operaasje hat. Beskôgje it folgjende foarbyld:

echo 8 > /sys/block/sda/queue/nr_requests

http://onreader.mdl.ru/MasteringCeph/content/Ch09.html#030202

GEWOAN

En in pear mear kernel-tweaks om jo auto sêft en seidich te meitsjen om wat mear prestaasjes út izer te drukken

cat /etc/sysctl.d/60-ceph2.conf

 kernel.pid_max = 4194303
#Дисков в каждой машине по 25, потому рассчитывали что процессов будет много
kernel.threads-max=2097152
# Тредов, естессно, тоже.
vm.max_map_count=524288
# Увеличили количество областей карты памяти процесса. 
# Как следует из документации по ядерным переменным 
# Области карты памяти используется как побочный эффект вызова
# malloc, напрямую с помощью mmap, mprotect и madvise, а также при загрузке
# общих библиотек.
fs.aio-max-nr=50000000
# Подтюним параметры input-output
# Ядро Linux предоставляет функцию асинхронного неблокирующего ввода-вывода (AIO),
# которая позволяет процессу инициировать несколько операций ввода-вывода
# одновременно, не дожидаясь завершения какой-либо из них. 
# Это помогает повысить производительность приложений, 
# которые могут перекрывать обработку и ввод-вывод.
# Параметр aio-max-nr определяет максимальное количество допустимых 
# одновременных запросов.
vm.min_free_kbytes=1048576
# минимальный размер свободной памяти который необходимо поддерживать.
# Выставлен 1Gb, чего вполне достаточно для работы операционной системы, 
# и позволяет избегать OOM Killer для процессов OSD. Хотя памяти и так
# как у дурака фантиков, но запас карман не тянет
vm.swappiness=10
# Говорим использовать своп если осталось свободным 10% памяти.
# На машинах 128G оперативы, и 10% это 12 Гигов. Более чем достаточно для работы.
# Штатный параметр в 60% заставлял тормозить систему, залезая в своп,
# когда есть еще куча свободной памяти
vm.vfs_cache_pressure=1000
# Увеличиваем со штатных 100. Заставляем ядро активнее выгружать
# неиспользуемые страницы памяти из кеша.
vm.zone_reclaim_mode=0
# Позволяет  устанавливать более или менее агрессивные подходы к
# восстановлению памяти, когда в зоне заканчивается память. 
# Если он установлен на ноль, то не происходит восстановление зоны.
# Для файловых серверов или рабочих нагрузок
# выгодно, если их данные кэшированы, zone_reclaim_mode
# оставить отключенным, поскольку эффект кэширования, 
# вероятно, будет более важным, чем местонахождение данных.
vm.dirty_ratio=20
# Процент оперативной памяти, который можно выделить под "грязные" страницы
# Вычисляли из примерного расчета: 
# В система 128 гигов памяти.
# Примерно по 20 дисков SSD, у которых в настройках CEPH указано 
# выделять под кэширование по 3G оперативы.
# Примерно по 40 дисков HDD, для которых этот параметр равен 1G
# 20% от 128 это 25.6 гигов. Итого, в случае максимальной утилизации памяти,
# для системы останется 2.4G памяти. Чего ей должно хватить чтоб выжить и дождаться
# стука копыт кавалерии - то есть пришествия DevOps который все починит.
vm.dirty_background_ratio=3
# процент системной памяти, который можно заполнить dirty pages до того,
# как фоновые процессы pdflush/flush/kdmflush запишут их на диск
fs.file-max=524288
# Ну и открытых файлов у нас,вероятно, будет сильно больше, чем указано по дефолту.

Immersion yn CEPH

Ynstellings dêr't ik yn mear detail op yngean wol:

cat /etc/ceph/ceph.conf

osd:
journal_aio: true               # Три параметра, включающие 
journal_block_align: true       # прямой i/o
journal_dio: true               # на журнал
journal_max_write_bytes: 1073714824 # Немного растянем максимальный размер
# разово записываемой операции в журнал
journal_max_write_entries: 10000    # Ну и количество одновременных записей
journal_queue_max_bytes: 10485760000 
journal_queue_max_ops: 50000
rocksdb_separate_wal_dir: true      # Решили делать отдельный wal                                                                            
# Даже попытались выбить под это дело                                                                                                                                                                                     
# NVMe
bluestore_block_db_create: true     # Ну и под журнал отдельное устройство
bluestore_block_db_size: '5368709120 #5G'
bluestore_block_wal_create: true
bluestore_block_wal_size: '1073741824   #1G' 
bluestore_cache_size_hdd: '3221225472   # 3G' 
# большой объем оперативы позволяет 
# хранить достаточно большие объемы
bluestore_cache_size_ssd: '9663676416   # 9G' 
keyring: /var/lib/ceph/osd/ceph-$id/keyring
osd_client_message_size_cap: '1073741824 #1G'
osd_disk_thread_ioprio_class: idle
osd_disk_thread_ioprio_priority: 7
osd_disk_threads: 2 # количество тредов у демона на один диск
osd_failsafe_full_ratio: 0.95
osd_heartbeat_grace: 5
osd_heartbeat_interval: 3
osd_map_dedup: true
osd_max_backfills: 2 # количество одновременных операций заполнения на один ОСД.
osd_max_write_size: 256
osd_mon_heartbeat_interval: 5
osd_op_threads: 16
osd_op_num_threads_per_shard: 1
osd_op_num_threads_per_shard_hdd: 2
osd_op_num_threads_per_shard_ssd: 2
osd_pool_default_min_size: 1     # Особенности жадности. Очень быстро стало
osd_pool_default_size: 2         # нехватать места, потому как временное                                                                                                                                                      
# решение приняли уменьшение количество 
# реплик данных
osd_recovery_delay_start: 10.000000
osd_recovery_max_active: 2
osd_recovery_max_chunk: 1048576
osd_recovery_max_single_start: 3
osd_recovery_op_priority: 1
osd_recovery_priority: 1            # параметр регулируем по необходимости на ходу
osd_recovery_sleep: 2
osd_scrub_chunk_max: 4

Guon fan 'e parameters dy't waarden hifke op QA op ferzje 12.2.12 ûntbrekke yn ferzje ceph 12.2.2, bygelyks osd_recovery_threads. Dêrom omfette de plannen in update oer de prod nei 12.2.12. Oefenjen hat komptabiliteit sjen litten yn ien kluster fan ferzjes 12.2.2 en 12.2.12, wêrtroch jo in rôljende update kinne meitsje.

Test kluster

Fansels, foar testen wie it nedich om deselde ferzje te hawwen as yn 'e slach, mar op it stuit dat ik begon te wurkjen mei it kluster, hie it repository allinich in nijere. Nei it besjen fan wat jo kinne sjen yn 'e lytse ferzje, is it net heul grut (1393 rigels yn konfiguraasjes tsjin 1436 yn 'e nije ferzje), hawwe wy besletten om te begjinnen mei it testen fan' e nije (bywurkje yn elts gefal, wêrom gean op it âlde spul)

It ienige ding dat se besochten de âlde ferzje te ferlitten is it pakket ceph-deploy omdat guon fan 'e nutsbedriuwen (en guon fan' e meiwurkers) waarden ôfstimd op syn syntaksis. De nije ferzje wie hiel oars, mar it hie gjin ynfloed op de wurking fan it kluster sels, en it waard ferlitten troch de ferzjes 1.5.39

Sûnt it kommando ceph-disk dúdlik seit dat it is ôfkard en brûk it kommando ceph-volume, leave minsken - binne wy begon te meitsjen OSD mei dit kommando, sûnder tiid te fergrieme oan 'e ferâldere.

It plan wie as folget - om in spegel te meitsjen fan twa SSD-skiven, wêrop wy OSD-logs sille pleatse, dy't, op har beurt, lizze op spindle-SAS's. Dat wy sille fersekerje tsjin gegevensproblemen as de sjoernaalskiif crasht.

Meitsje in stielen kluster neffens de dokumintaasje

cat /etc/ceph/ceph.conf

root@ceph01-qa:~# cat /etc/ceph/ceph.conf # положили заранее подготовленный конфиг
[client]
rbd_cache = true
rbd_cache_max_dirty = 50331648
rbd_cache_max_dirty_age = 2
rbd_cache_size = 67108864
rbd_cache_target_dirty = 33554432
rbd_cache_writethrough_until_flush = true
rbd_concurrent_management_ops = 10
rbd_default_format = 2
[global]
auth_client_required = cephx
auth_cluster_required = cephx
auth_service_required = cephx
cluster network = 10.10.10.0/24
debug_asok = 0/0
debug_auth = 0/0
debug_buffer = 0/0
debug_client = 0/0
debug_context = 0/0
debug_crush = 0/0
debug_filer = 0/0
debug_filestore = 0/0
debug_finisher = 0/0
debug_heartbeatmap = 0/0
debug_journal = 0/0
debug_journaler = 0/0
debug_lockdep = 0/0
debug_mon = 0/0
debug_monc = 0/0
debug_ms = 0/0
debug_objclass = 0/0
debug_objectcatcher = 0/0
debug_objecter = 0/0
debug_optracker = 0/0
debug_osd = 0/0
debug_paxos = 0/0
debug_perfcounter = 0/0
debug_rados = 0/0
debug_rbd = 0/0
debug_rgw = 0/0
debug_throttle = 0/0
debug_timer = 0/0
debug_tp = 0/0
fsid = d0000000d-4000-4b00-b00b-0123qwe123qwf9
mon_host = ceph01-q, ceph02-q, ceph03-q
mon_initial_members = ceph01-q, ceph02-q, ceph03-q
public network = 8.8.8.8/28 # адрес изменен, естественно ))
rgw_dns_name = s3-qa.mycompany.ru # и этот адрес измен
rgw_host = s3-qa.mycompany.ru # и этот тоже
[mon]
mon allow pool delete = true
mon_max_pg_per_osd = 300 # больше трехсот плейсмент групп
# на диск не решились
# хотя параметр, естественно, зависит от количества пулов,
# их размеров и количества OSD. Иметь мало но здоровых PG
# тоже не лучший выбор - страдает точность балансировки
mon_osd_backfillfull_ratio = 0.9
mon_osd_down_out_interval = 5
mon_osd_full_ratio = 0.95 # пока для SSD дисков местом для их
# журнала является тот-же девайс что и для ОСД
# решили что 5% от диска (который сам размером 1.2Tb)
#  должно вполне хватить, и коррелирует с параметром
# bluestore_block_db_size плюс вариативность на большие 
# плейсмент группы
mon_osd_nearfull_ratio = 0.9
mon_pg_warn_max_per_osd = 520
[osd]
bluestore_block_db_create = true
bluestore_block_db_size = 5368709120 #5G
bluestore_block_wal_create = true
bluestore_block_wal_size = 1073741824 #1G
bluestore_cache_size_hdd = 3221225472 # 3G
bluestore_cache_size_ssd = 9663676416 # 9G
journal_aio = true
journal_block_align = true
journal_dio = true
journal_max_write_bytes = 1073714824
journal_max_write_entries = 10000
journal_queue_max_bytes = 10485760000
journal_queue_max_ops = 50000
keyring = /var/lib/ceph/osd/ceph-$id/keyring
osd_client_message_size_cap = 1073741824 #1G
osd_disk_thread_ioprio_class = idle
osd_disk_thread_ioprio_priority = 7
osd_disk_threads = 2
osd_failsafe_full_ratio = 0.95
osd_heartbeat_grace = 5
osd_heartbeat_interval = 3
osd_map_dedup = true
osd_max_backfills = 4
osd_max_write_size = 256
osd_mon_heartbeat_interval = 5
osd_op_num_threads_per_shard = 1
osd_op_num_threads_per_shard_hdd = 2
osd_op_num_threads_per_shard_ssd = 2
osd_op_threads = 16
osd_pool_default_min_size = 1
osd_pool_default_size = 2
osd_recovery_delay_start = 10.0
osd_recovery_max_active = 1
osd_recovery_max_chunk = 1048576
osd_recovery_max_single_start = 3
osd_recovery_op_priority = 1
osd_recovery_priority = 1
osd_recovery_sleep = 2
osd_scrub_chunk_max = 4
osd_scrub_chunk_min = 2
osd_scrub_sleep = 0.1
rocksdb_separate_wal_dir = true

# создаем мониторы
root@ceph01-qa:~#ceph-deploy mon create ceph01-q
# генерируем ключи для аутентификации нод в кластере
root@ceph01-qa:~#ceph-deploy gatherkeys ceph01-q
# Это если поштучно. Если у нас несколько машин доступны - те, которые описаны в конфиге в секции 
# mon_initial_members = ceph01-q, ceph02-q, ceph03-q
# можно запустить эти две команды в виде одной
root@ceph01-qa:~#ceph-deploy mon create-initial
# Положим ключи в указанные в конфиге места
root@ceph01-qa:~#cat ceph.bootstrap-osd.keyring > /var/lib/ceph/bootstrap-osd/ceph.keyring 
root@ceph01-qa:~#cat ceph.bootstrap-mgr.keyring > /var/lib/ceph/bootstrap-mgr/ceph.keyring 
root@ceph01-qa:~#cat ceph.bootstrap-rgw.keyring > /var/lib/ceph/bootstrap-rgw/ceph.keyring
# создадим ключ для управления кластером
root@ceph01-qa:~#ceph-deploy admin ceph01-q
# и менеджер, плагинами управлять
root@ceph01-qa:~#ceph-deploy mgr create ceph01-q

It earste ding dat ik stroffele oer yn it wurk fan dizze ferzje fan ceph-deploy mei in kluster fan ferzje 12.2.12 is in flater by it besykjen om in OSD te meitsjen mei db op in software-raid -

root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sde --block.db /dev/md0
blkid could not detect a PARTUUID for device: /dev/md1

Ja, blkid lit PARTUUID net sjen, ik moast partysjes manuell oanmeitsje:

root@ceph01-qa:~#parted /dev/md0 mklabel GPT 
# разделов будет много, 
# без GPT их создать не получится
# размер раздела мы указали в конфиге выше = bluestore_block_db_size: '5368709120 #5G'
# Дисков у меня 20 под OSD, руками создавать разделы лень
# потому сделал цикл
root@ceph01-qa:~#for i in {1..20}; do echo -e "nnnn+5Gnw" | fdisk /dev/md0; done

It liket derop dat alles klear is, wy besykje de OSD opnij te meitsjen en de folgjende flater te krijen (dy't trouwens net yn 'e striid waard reprodusearre)

by it meitsjen fan in bluestore OSD sûnder it paad nei WAL oan te jaan, mar db oantsjutte

root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sde --block.db /dev/md0
stderr: 2019-04-12 10:39:27.211242 7eff461b6e00 -1 bluestore(/var/lib/ceph/osd/ceph-0/) _read_fsid unparsable uuid
stderr: 2019-04-12 10:39:27.213185 7eff461b6e00 -1 bdev(0x55824c273680 /var/lib/ceph/osd/ceph-0//block.wal) open open got: (22) Invalid argument
stderr: 2019-04-12 10:39:27.213201 7eff461b6e00 -1 bluestore(/var/lib/ceph/osd/ceph-0/) _open_db add block device(/var/lib/ceph/osd/ceph-0//block.wal) returned: (22) Invalid argument
stderr: 2019-04-12 10:39:27.999039 7eff461b6e00 -1 bluestore(/var/lib/ceph/osd/ceph-0/) mkfs failed, (22) Invalid argument
stderr: 2019-04-12 10:39:27.999057 7eff461b6e00 -1 OSD::mkfs: ObjectStore::mkfs failed with error (22) Invalid argument
stderr: 2019-04-12 10:39:27.999141 7eff461b6e00 -1  ** ERROR: error creating empty object store in /var/lib/ceph/osd/ceph-0/: (22) Invalid argumen

Boppedat, as op deselde spegel (of op in oar plak, om út te kiezen) in oare partysje foar WAL meitsje en it spesifisearje by it meitsjen fan de OSD, dan sil alles soepel gean (útsein it ferskinen fan in aparte WAL, dy't jo miskien net hawwe woe).

Mar, om't it noch yn 'e fiere plannen siet om WAL nei NVMe te bringen, wie de praktyk net oerstallich.

root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sdf --block.wal  /dev/md0p2 --block.db /dev/md1p2

Makke monitors, managers en OSD. No wol ik se op ferskate manieren groepearje, om't ik fan plan is om ferskate soarten skiven te hawwen - snelle pools op SSD en grut, mar stadich op SAS-pannekoeken.

Wy sille oannimme dat der 20 skiven op de tsjinners, de earste tsien is ien type, de twadde is in oar.
De standertkaart sjocht der sa út:

ceph osd beam

root@ceph01-q:~# ceph osd beam
ID KLASSE WEIGHT TYPE NAAM STATUS REWEIGHT PRI-AFF
-1 14.54799 root standert
-3 9.09200 host ceph01-q
0 ssd 1.00000 osd.0 omheech 1.00000 1.00000
1 ssd 1.00000 osd.1 omheech 1.00000 1.00000
2 ssd 1.00000 osd.2 omheech 1.00000 1.00000
3 ssd 1.00000 osd.3 omheech 1.00000 1.00000
4 hdd 1.00000 osd.4 up 1.00000 1.00000
5 hdd 0.27299 osd.5 up 1.00000 1.00000
6 hdd 0.27299 osd.6 up 1.00000 1.00000
7 hdd 0.27299 osd.7 up 1.00000 1.00000
8 hdd 0.27299 osd.8 up 1.00000 1.00000
9 hdd 0.27299 osd.9 up 1.00000 1.00000
10 hdd 0.27299 osd.10 up 1.00000 1.00000
11 hdd 0.27299 osd.11 up 1.00000 1.00000
12 hdd 0.27299 osd.12 up 1.00000 1.00000
13 hdd 0.27299 osd.13 up 1.00000 1.00000
14 hdd 0.27299 osd.14 up 1.00000 1.00000
15 hdd 0.27299 osd.15 up 1.00000 1.00000
16 hdd 0.27299 osd.16 up 1.00000 1.00000
17 hdd 0.27299 osd.17 up 1.00000 1.00000
18 hdd 0.27299 osd.18 up 1.00000 1.00000
19 hdd 0.27299 osd.19 up 1.00000 1.00000
-5 5.45599 host ceph02-q
20 ssd 0.27299 osd.20 omheech 1.00000 1.00000
21 ssd 0.27299 osd.21 omheech 1.00000 1.00000
22 ssd 0.27299 osd.22 omheech 1.00000 1.00000
23 ssd 0.27299 osd.23 omheech 1.00000 1.00000
24 hdd 0.27299 osd.24 up 1.00000 1.00000
25 hdd 0.27299 osd.25 up 1.00000 1.00000
26 hdd 0.27299 osd.26 up 1.00000 1.00000
27 hdd 0.27299 osd.27 up 1.00000 1.00000
28 hdd 0.27299 osd.28 up 1.00000 1.00000
29 hdd 0.27299 osd.29 up 1.00000 1.00000
30 hdd 0.27299 osd.30 up 1.00000 1.00000
31 hdd 0.27299 osd.31 up 1.00000 1.00000
32 hdd 0.27299 osd.32 up 1.00000 1.00000
33 hdd 0.27299 osd.33 up 1.00000 1.00000
34 hdd 0.27299 osd.34 up 1.00000 1.00000
35 hdd 0.27299 osd.35 up 1.00000 1.00000
36 hdd 0.27299 osd.36 up 1.00000 1.00000
37 hdd 0.27299 osd.37 up 1.00000 1.00000
38 hdd 0.27299 osd.38 up 1.00000 1.00000
39 hdd 0.27299 osd.39 up 1.00000 1.00000
-7 6.08690 host ceph03-q
40 ssd 0.27299 osd.40 omheech 1.00000 1.00000
41 ssd 0.27299 osd.41 omheech 1.00000 1.00000
42 ssd 0.27299 osd.42 omheech 1.00000 1.00000
43 ssd 0.27299 osd.43 omheech 1.00000 1.00000
44 hdd 0.27299 osd.44 up 1.00000 1.00000
45 hdd 0.27299 osd.45 up 1.00000 1.00000
46 hdd 0.27299 osd.46 up 1.00000 1.00000
47 hdd 0.27299 osd.47 up 1.00000 1.00000
48 hdd 0.27299 osd.48 up 1.00000 1.00000
49 hdd 0.27299 osd.49 up 1.00000 1.00000
50 hdd 0.27299 osd.50 up 1.00000 1.00000
51 hdd 0.27299 osd.51 up 1.00000 1.00000
52 hdd 0.27299 osd.52 up 1.00000 1.00000
53 hdd 0.27299 osd.53 up 1.00000 1.00000
54 hdd 0.27299 osd.54 up 1.00000 1.00000
55 hdd 0.27299 osd.55 up 1.00000 1.00000
56 hdd 0.27299 osd.56 up 1.00000 1.00000
57 hdd 0.27299 osd.57 up 1.00000 1.00000
58 hdd 0.27299 osd.58 up 1.00000 1.00000
59 hdd 0.89999 osd.59 up 1.00000 1.00000

Litte wy ús eigen firtuele racks en servers meitsje mei blackjack en oare dingen:

root@ceph01-q:~#ceph osd crush add-bucket rack01 root #создали новый root
root@ceph01-q:~#ceph osd crush add-bucket ceph01-q host #создали новый хост
root@ceph01-q:~#ceph osd crush move ceph01-q root=rack01 #переставили сервер в другую стойку
root@ceph01-q:~#osd crush add 28 1.0 host=ceph02-q # Добавили ОСД в сервер
# Если криво создали то можно удалить
root@ceph01-q:~# ceph osd crush remove osd.4
root@ceph01-q:~# ceph osd crush remove rack01

De problemen dy't wy tsjinkamen yn striid cluster, as jo besykje in nije host te meitsjen en it nei in besteande rack te ferpleatsen - it kommando ceph osd crush move ceph01-host root=rack01 hong, en de monitors begûnen te fallen ien foar ien. It ûnderbrekken fan it kommando mei in ienfâldige CTRL + C joech it kluster werom nei de wrâld fan 'e libbenen.

De sykopdracht joech it folgjende probleem op: https://tracker.ceph.com/issues/23386

De oplossing wie om de crushmap te dumpen en de seksje dêr fuort te heljen regel replicated_ruleset

root@ceph01-prod:~#ceph osd getcrushmap -o crushmap.row #Дампим карту в сыром виде
root@ceph01-prod:~#crushtool -d crushmap.row -o crushmap.txt #переводим в читаемый
root@ceph01-prod:~#vim  crushmap.txt #редактируем, удаляя rule replicated_ruleset
root@ceph01-prod:~#crushtool -c crushmap.txt  -o new_crushmap.row #компилируем обратно
root@ceph01-prod:~#ceph osd setcrushmap -i  new_crushmap.row #загружаем в кластер

Achtung: dizze operaasje kin feroarsaakje in pleatsing groep rebalance tusken OSDs. Wy hawwe it feroarsake, mar hiel lyts.

En de nuverheid dy't wy tsjinkamen yn 'e testkluster is dat se nei it opnij opstarten fan' e OSD-tsjinner fergeaten dat se waarden ferpleatst nei nije servers en rekken, en werom nei root-standert.
As gefolch hawwe wy it definitive skema gearstald, wêryn wy in aparte root foar ssd-skiven en apart foar spindle-skiven makke hawwe, lutsen wy alle OSD's lâns de rekken en wiske gewoan de standertroot. Nei de herstart begûnen de OSD's op har plakken te bliuwen.
Rummaging letter yn 'e dokumintaasje fûn in parameter dy't ferantwurdlik is foar dit gedrach. Oer him yn it twadde diel

Hoe't wy ferskate groepen diene troch soarten skiven.

Om te begjinnen hawwe wy twa woartels makke - foar ssd en foar hdd

root@ceph01-q:~#ceph osd crush add-bucket ssd-root root
root@ceph01-q:~#ceph osd crush add-bucket hdd-root root

Om't de servers fysyk yn ferskate racks lizze, hawwe wy foar gemak racks makke en d'r binne al tsjinners yn har

# Стойки:
root@ceph01-q:~#ceph osd crush add-bucket ssd-rack01 rack
root@ceph01-q:~#ceph osd crush add-bucket ssd-rack02 rack
root@ceph01-q:~#ceph osd crush add-bucket ssd-rack03 rack
root@ceph01-q:~#ceph osd crush add-bucket hdd-rack01 rack
root@ceph01-q:~#ceph osd crush add-bucket hdd-rack01 rack
root@ceph01-q:~#ceph osd crush add-bucket hdd-rack01 rack
# Сервера
root@ceph01-q:~#ceph osd crush add-bucket ssd-ceph01-q host
root@ceph01-q:~#ceph osd crush add-bucket ssd-ceph02-q host
root@ceph01-q:~#ceph osd crush add-bucket ssd-ceph03-q host
root@ceph01-q:~#ceph osd crush add-bucket hdd-ceph01-q host
root@ceph01-q:~#ceph osd crush add-bucket hdd-ceph02-q host
root@ceph01-q:~#ceph osd crush add-bucket hdd-ceph02-q host

en ferspraat skiven neffens harren typen yn ferskillende tsjinners

root@ceph01-q:~# Диски с 0 по 3 это SSD, находятся в ceph01-q, ставим их в сервер 
root@ceph01-q:~#  ssd-ceph01-q
root@ceph01-q:~#ceph osd crush add 0 1 host=ssd-ceph01-q
root@ceph01-q:~#ceph osd crush add 1 1 host=ssd-ceph01-q
root@ceph01-q:~#ceph osd crush add 2 1 host=ssd-ceph01-q
root@ceph01-q:~#ceph osd crush add 3 1 host=ssd-ceph01-q
root-ceph01-q:~# аналогично с другими серверами

Nei't de skiven oer de ssd-root en hdd-root-roots ferspraat hawwe, litte wy de root-standert leech litte, sadat wy it wiskje kinne

root-ceph01-q:~#ceph osd crush remove default

Folgjende moatte wy distribúsjeregels oanmeitsje dy't wy sille bine oan 'e oanmakke pools - yn' e regels sille wy spesifisearje yn hokker root wy ús poolgegevens kinne pleatse en it unike nivo fan 'e replika - replika's moatte bygelyks op ferskate servers wêze, of yn ferskate rekken (jo kinne sels yn ferskate woartel, as wy sa'n ferdieling hawwe)

Foardat jo in type kieze, is it better om de dokumintaasje te lêzen:
http://docs.ceph.com/docs/jewel/rados/operations/crush-map/#crushmaprules

root-ceph01-q:~#ceph osd crush rule create-simple rule-ssd ssd-root host firstn
root-ceph01-q:~#ceph osd crush rule create-simple rule-hdd hdd-root host firstn
root-ceph01-q:~# Мы указали два правила, в которых данные реплицируются 
root-ceph01-q:~# между хостами - то есть реплика должна лежать на другом хосте,
root-ceph01-q:~# даже если они в одной стойке
root-ceph01-q:~# В продакшене, если есть возможность, лучше распределить хосты
root-ceph01-q:~# по стойкам и указать распределять реплики по стойкам:
root-ceph01-q:~# ##ceph osd crush rule create-simple rule-ssd ssd-root rack firstn

No, wy meitsje pools wêryn wy yn 'e takomst skiifôfbyldings fan ús virtualisaasje wolle opslaan - PROXMOX:

    root-ceph01-q:~# #ceph osd pool create {NAME} {pg_num}  {pgp_num}
root-ceph01-q:~# ceph osd pool create ssd_pool 1024 1024 
root-ceph01-q:~# ceph osd pool create hdd_pool 1024 1024

En wy fertelle dizze swimbaden hokker pleatsingsregels te brûken

 root-ceph01-q:~#ceph osd crush rule ls # смотрим список правил
root-ceph01-q:~#ceph osd crush rule dump rule-ssd | grep rule_id #выбираем ID нужного
root-ceph01-q:~#ceph osd pool set ssd_pool crush_rule 2

De kar fan it oantal pleatsingsgroepen moat benadere wurde mei in foarôf besteande fisy foar jo kluster - hoefolle OSD der sil wêze, hoefolle gegevens (as persintaazje fan it totaal) sil yn 'e swimbad wêze, hoefolle gegevens yn totaal .

Yn totaal is it winsklik om net mear as 300 pleatsingsgroepen per skiif te hawwen, en it sil makliker wêze om te balansearjen mei lytse pleatsingsgroepen - dat is, as jo hiele swimbad 10 Tb en 10 PG yn beslacht - dan sil it problematysk wêze om te balansearjen troch terabyte bakstiennen (pg) te goaien - sân mei in lytse grutte sânkorrels yn emmers jitte binne ienfâldiger en soepeler).

Mar wy moatte betinke dat hoe grutter it oantal PG's - hoe mear boarnen wurde bestege oan it berekkenjen fan har lokaasje - it ûnthâld en de CPU begjinne te brûken.

Approximate begryp kin jouwe rekkenmasine, levere troch de ûntwikkelders fan 'e CEPH-dokumintaasje.

List fan materialen:

https://blog.packagecloud.io/eng/2017/02/06/monitoring-tuning-linux-networking-stack-sending-data
http://www.admin-magazine.com/HPC/Articles/Linux-I-O-Schedulers
http://onreader.mdl.ru/MasteringCeph/content/Ch09.html#030202
https://tracker.ceph.com/issues/23386
https://ceph.com/pgcalc/

Boarne: www.habr.com

Ceph - fan "op 'e knibbel" nei "produksje"