सीईपीएच का चयन. भाग ---- पहला

हमारे पास पांच रैक, दस ऑप्टिकल स्विच, कॉन्फ़िगर बीजीपी, कुछ दर्जन एसएसडी और सभी रंगों और आकारों के एसएएस ड्राइव का एक गुच्छा था, साथ ही प्रॉक्समॉक्स और हमारे अपने एस 3 स्टोरेज में सभी स्टेटिक डालने की इच्छा थी। ऐसा नहीं है कि वर्चुअलाइजेशन के लिए यह सब जरूरी था, लेकिन एक बार जब आपने ओपनसोर्स का उपयोग करना शुरू कर दिया, तो अपने शौक को अंत तक पूरा करें। एकमात्र चीज़ जो मुझे परेशान करती थी वह थी बीजीपी। दुनिया में बीजीपी इंटरनल रूटिंग से ज्यादा असहाय, गैरजिम्मेदार और अनैतिक कुछ भी नहीं है। और मैं जानता था कि बहुत जल्द हम इसमें डूब जायेंगे।

कार्य सामान्य था - सीईपीएच था, इसने बहुत अच्छा काम नहीं किया। इसे अच्छे से करना था.
जो क्लस्टर मुझे मिला वह विषम था, जल्दी में ट्यून किया गया था और व्यावहारिक रूप से ट्यून नहीं किया गया था। इसमें विभिन्न नोड्स के दो समूह शामिल थे, जिसमें एक सामान्य ग्रिड क्लस्टर और सार्वजनिक नेटवर्क दोनों के रूप में कार्य करता था। नोड्स चार प्रकार के डिस्क से भरे हुए थे - दो प्रकार के एसएसडी, दो अलग-अलग प्लेसमेंट नियमों में एकत्र किए गए, और विभिन्न आकारों के दो प्रकार के एचडीडी, एक तीसरे समूह में एकत्र किए गए। विभिन्न आकारों की समस्या को अलग-अलग ओएसडी भार द्वारा हल किया गया था।

सेटअप स्वयं दो भागों में विभाजित है - ऑपरेटिंग सिस्टम ट्यूनिंग и सीईपीएच को स्वयं ट्यून करना और इसकी सेटिंग्स.

ओएस अपग्रेड

नेटवर्क

उच्च विलंबता ने रिकॉर्डिंग और संतुलन दोनों को प्रभावित किया। लिखते समय, क्योंकि क्लाइंट को एक सफल लेखन के बारे में तब तक प्रतिक्रिया नहीं मिलेगी जब तक कि अन्य प्लेसमेंट समूहों में डेटा प्रतिकृतियां सफलता की पुष्टि नहीं करतीं। चूंकि CRUSH मानचित्र में प्रतिकृतियां वितरित करने के नियम प्रति होस्ट एक प्रतिकृति थे, इसलिए नेटवर्क का हमेशा उपयोग किया जाता था।

इसलिए, पहली चीज़ जो मैंने करने का निर्णय लिया वह वर्तमान नेटवर्क को थोड़ा समायोजित करना था, साथ ही मुझे अलग-अलग नेटवर्क पर जाने के लिए मनाने की कोशिश करना था।

आरंभ करने के लिए, मैंने नेटवर्क कार्ड सेटिंग्स को घुमाया। कतारें स्थापित करके प्रारंभ किया गया:

क्या हुआ:

एथटूल -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

यह देखा जा सकता है कि वर्तमान पैरामीटर अधिकतम से बहुत दूर हैं। बढ़ा हुआ:

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

एक उत्कृष्ट लेख द्वारा निर्देशित

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

प्रेषण कतार की लंबाई बढ़ा दी गई txqueuelen 1000 से 10 000 तक

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

खैर, सेफ के दस्तावेज़ीकरण के बाद ही

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

वृद्धि हुई एमटीयू 9000 तक।

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

/etc/network/interfaces में जोड़ा गया ताकि स्टार्टअप पर उपरोक्त सभी लोड हो जाए

बिल्ली / आदि / नेटवर्क / इंटरफेस

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

उसके बाद, उसी लेख का अनुसरण करते हुए, मैंने 4.15 कर्नेल के हैंडल को सोच-समझकर मोड़ना शुरू किया। यह देखते हुए कि नोड्स में 128G RAM है, हमें इसके लिए एक निश्चित कॉन्फ़िगरेशन फ़ाइल मिली है sysctl

बिल्ली /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)

Сचमक नेटवर्क एक अलग फ्लैट नेटवर्क में अलग-अलग 10Gbps नेटवर्क इंटरफेस पर आवंटित किया गया था। प्रत्येक मशीन को दो-पोर्ट नेटवर्क कार्ड की आपूर्ति की गई थी मेलानाक्स 10/25 जीबीपीएस को दो अलग-अलग 10 जीबीपीएस स्विच में प्लग किया गया। एकत्रीकरण ओएसपीएफ का उपयोग करके किया गया था, क्योंकि किसी कारण से लैप के साथ बॉन्डिंग ने अधिकतम 16 जीबीपीएस का कुल थ्रूपुट दिखाया, जबकि ओएसपीएफ ने प्रत्येक मशीन पर दोनों दर्जनों का सफलतापूर्वक उपयोग किया। विलंबता को कम करने के लिए इन मेलानोक्स पर आरओसीई का उपयोग करने की आगे की योजना थी। नेटवर्क का यह भाग कैसे कॉन्फ़िगर किया गया था:

1. चूंकि मशीनों में स्वयं बीजीपी पर बाहरी आईपी होते हैं, इसलिए हमें सॉफ्टवेयर की आवश्यकता होती है - (या बल्कि, लेखन के समय, यह था एफआरआर=6.0-1 ) पहले से ही खड़ा था.
2. कुल मिलाकर, मशीनों में दो नेटवर्क इंटरफ़ेस, प्रत्येक में दो इंटरफ़ेस - कुल 4 पोर्ट थे। एक नेटवर्क कार्ड ने दो पोर्ट के साथ फैक्ट्री को देखा और उस पर बीजीपी कॉन्फ़िगर किया गया था, दूसरे ने दो पोर्ट के साथ दो अलग-अलग स्विच को देखा और उस पर ओएसपीएफ सेट किया गया था

ओएसपीएफ की स्थापना के बारे में अधिक जानकारी: मुख्य कार्य दो लिंक को एकत्रित करना और दोष सहनशीलता रखना है।
दो सरल फ़्लैट नेटवर्क में कॉन्फ़िगर किए गए दो नेटवर्क इंटरफ़ेस - 10.10.10.0/24 और 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

जिससे कारें एक दूसरे को देखती हैं।

डिस्क

अगला कदम डिस्क प्रदर्शन को अनुकूलित करना था। SSD के लिए, मैंने शेड्यूलर को इसमें बदल दिया NOOP, एचडीडी के लिए - समय सीमा तय की. यदि यह कठिन है, तो NOOP "पहले कौन उठता है - वह चप्पल" के सिद्धांत पर काम करता है, जो अंग्रेजी में "FIFO (फर्स्ट इन, फर्स्ट आउट)" जैसा लगता है। अनुरोध आते ही कतारबद्ध हो जाते हैं। DEADLINE अधिक पढ़ने-अनुकूल है, साथ ही कतार से प्रक्रिया को ऑपरेशन के समय डिस्क तक लगभग विशेष पहुंच मिलती है। हमारे सिस्टम के लिए, यह बहुत अच्छा है - आखिरकार, प्रत्येक डिस्क के साथ केवल एक प्रक्रिया काम करती है - ओएसडी डेमॉन।
(जो लोग I/O शेड्यूलर के बारे में जानना चाहते हैं वे इसके बारे में यहां पढ़ सकते हैं:
http://www.admin-magazine.com/HPC/Articles/Linux-I-O-Schedulers

जो लोग रूसी में पढ़ना पसंद करते हैं: https://www.opennet.ru/base/sys/linux_shedulers.txt.html)

लिनक्स ट्यूनिंग की अनुशंसाओं में nr_request को बढ़ाने की भी सलाह दी गई है

nr_अनुरोध
nr_requests का मान I/O अनुरोधों की मात्रा निर्धारित करता है जो I/O शेड्यूलर द्वारा ब्लॉक डिवाइस पर डेटा भेजने/प्राप्त करने से पहले बफर हो जाते हैं, यदि आप एक RAID कार्ड/ब्लॉक डिवाइस का उपयोग कर रहे हैं जो I की तुलना में बड़ी कतार को संभाल सकता है /O शेड्यूलर पर सेट है, nr_requests का मान बढ़ाने से सर्वर पर बड़ी मात्रा में I/O होने पर संपूर्ण सुधार करने और सर्वर लोड को कम करने में मदद मिल सकती है। यदि आप शेड्यूलर के रूप में डेडलाइन या सीएफक्यू का उपयोग कर रहे हैं, तो यह सुझाव दिया जाता है कि आपको nr_request मान को कतार की गहराई के मान से 2 गुना पर सेट करना चाहिए।

लेकिन! स्वयं नागरिक, सीईपीएच के डेवलपर, हमें विश्वास दिलाते हैं कि उनकी प्राथमिकताओं की प्रणाली बेहतर काम करती है।

WBTrottle और/या nr_requests

WBTrottle और/या nr_requests
फ़ाइल स्टोरेज में लिखने के लिए बफ़र्ड I/O ऑपरेशन का उपयोग होता है; यदि फ़ाइल स्टोरेज जर्नल तेज़ मीडिया पर स्थित है तो इससे कई लाभ मिलते हैं। क्लाइंट के अनुरोधों को जर्नल में डेटा लिखे जाने के तुरंत बाद सूचित किया जाता है, और फिर मानक कार्यप्रणाली का उपयोग करके बाद में डेटा को डेटा डिस्क पर स्थानांतरित कर दिया जाता है। Linuxइससे OSD स्पिंडल ड्राइव छोटे पैकेट में डेटा लिखते समय SSD के समान राइट लेटेंसी प्रदान कर सकते हैं। यह विलंबित राइट कर्नेल को डिस्क पर I/O अनुरोधों को पुनर्गठित करने की अनुमति देता है, ताकि उन्हें आपस में मिलाया जा सके या डिस्क हेड्स को अपने प्लैटर पर अधिक अनुकूलतम पथ चुनने की अनुमति दी जा सके। इसका अंतिम परिणाम यह है कि आप प्रत्येक डिस्क से डायरेक्ट या सिंक्रोनस I/O ऑपरेशन की तुलना में थोड़े अधिक I/O ऑपरेशन प्राप्त कर सकते हैं।

हालाँकि, एक निश्चित समस्या उत्पन्न होती है यदि किसी दिए गए सेफ क्लस्टर में आने वाली राइट्स की मात्रा अंतर्निहित डिस्क की सभी क्षमताओं से अधिक हो जाती है। ऐसे परिदृश्य में, डिस्क पर लिखे जाने की प्रतीक्षा में लंबित I/Os की कुल संख्या अनियंत्रित रूप से बढ़ सकती है और परिणामस्वरूप I/O कतार बन सकती है जो संपूर्ण डिस्क और सेफ कतारों को भर देती है। पढ़ने के अनुरोध विशेष रूप से खराब हैं क्योंकि वे लिखने के अनुरोधों के बीच फंस जाते हैं, जिन्हें प्राथमिक ड्राइव पर फ्लश करने में कई सेकंड लग सकते हैं।

इस समस्या को दूर करने के लिए, सेफ के पास फाइल स्टोरेज में निर्मित एक राइटबैक थ्रॉटलिंग तंत्र है जिसे WBThrottle कहा जाता है। इसे आलसी लेखन I/O की कुल मात्रा को सीमित करने के लिए डिज़ाइन किया गया है जो कतारबद्ध हो सकता है और अपनी फ्लश प्रक्रिया को सामान्य रूप से कर्नेल द्वारा सक्षम किए जाने की तुलना में जल्दी शुरू कर सकता है। दुर्भाग्य से, परीक्षण से पता चलता है कि डिफ़ॉल्ट अभी भी व्यवहार को उस स्तर तक कम नहीं कर सकता है जो पढ़ने की विलंबता पर इस प्रभाव को कम कर सके। ट्विकिंग इस व्यवहार को बदल सकती है और समग्र लेखन कतार की लंबाई को कम कर सकती है और प्रभाव को कम गंभीर बनाना संभव बना सकती है। हालाँकि, इसमें एक समझौता है: कतारबद्ध किए जाने वाले रिकॉर्ड की कुल अधिकतम संख्या को कम करके, आप आने वाले अनुरोधों को ऑर्डर करने में अपनी दक्षता को अधिकतम करने के लिए कर्नेल की क्षमता को कम कर सकते हैं। यह इस बारे में थोड़ा सोचने लायक है कि आपको अपने विशिष्ट एप्लिकेशन, कार्यभार और मिलान के लिए समायोजन के लिए और क्या चाहिए।

ऐसी राइट-बैक कतार की गहराई को नियंत्रित करने के लिए, आप या तो WBThrottle सेटिंग लागू करके I/Os के कुल अधिकतम बैकलॉग को कम कर सकते हैं, या अपने कर्नेल के सबसे ब्लॉक स्तर पर बैकलॉग के लिए अधिकतम मान को कम कर सकते हैं। दोनों समान व्यवहार को प्रभावी ढंग से नियंत्रित कर सकते हैं, और यह आपकी प्राथमिकताएँ हैं जो इस सेटिंग को लागू करने का आधार होंगी।
यह भी ध्यान दिया जाना चाहिए कि सेफ की ऑपरेशन प्राथमिकता प्रणाली छोटी डिस्क-स्तरीय क्वेरी के लिए अधिक कुशल है। किसी दिए गए डिस्क पर समग्र कतार को कम करते समय, मुख्य कतार स्थान को सेफ में ले जाया जाता है, जहां I/O ऑपरेशन की प्राथमिकता पर इसका अधिक नियंत्रण होता है। निम्नलिखित उदाहरण पर विचार करें:

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

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

आम

और आपकी कार को नरम और रेशमी बनाने के लिए कुछ और कर्नेल में बदलाव किए गए हैं ताकि लोहे से कुछ और प्रदर्शन प्राप्त किया जा सके

बिल्ली /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. 

सीईपीएच में विसर्जन

वे सेटिंग्स जिन पर मैं अधिक विस्तार से चर्चा करना चाहूंगा:

बिल्ली /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

उदाहरण के लिए, संस्करण 12.2.12 पर क्यूए पर परीक्षण किए गए कुछ पैरामीटर संस्करण सेफ 12.2.2 में गायब हैं ओएसडी_रिकवरी_थ्रेड्स। इसलिए, योजनाओं में उत्पाद पर 12.2.12 का अपडेट शामिल था। अभ्यास ने संस्करण 12.2.2 और 12.2.12 के एक क्लस्टर में अनुकूलता दिखाई है, जो आपको रोलिंग अपडेट करने की अनुमति देता है।

परीक्षण क्लस्टर

स्वाभाविक रूप से, परीक्षण के लिए युद्ध के समान संस्करण का होना आवश्यक था, लेकिन जिस समय मैंने क्लस्टर के साथ काम करना शुरू किया, रिपॉजिटरी में केवल एक नया संस्करण था। छोटे संस्करण में आप जो देख सकते हैं उसे देखने के बाद, यह बहुत बड़ा नहीं है (1393 कॉन्फ़िगरेशन में पंक्तियाँ विरुद्ध 1436 नए संस्करण में), हमने नए का परीक्षण शुरू करने का फैसला किया (वैसे भी अपडेट करें, पुराने सामान पर क्यों जाएं)

एकमात्र चीज़ जो उन्होंने पुराने संस्करण को छोड़ने की कोशिश की वह पैकेज है सेफ़-तैनाती, क्योंकि कुछ उपयोगिताएँ (और कुछ कर्मचारी) इसके सिंटैक्स के अनुरूप थीं। नया संस्करण काफी अलग था, लेकिन इसका क्लस्टर के संचालन पर कोई प्रभाव नहीं पड़ा और इसे संस्करणों द्वारा छोड़ दिया गया 1.5.39

चूंकि सेफ-डिस्क कमांड स्पष्ट रूप से कहता है कि यह बहिष्कृत है और सेफ-वॉल्यूम कमांड का उपयोग करें, प्रियों - हमने पुराने कमांड पर समय बर्बाद किए बिना, इस कमांड के साथ ओएसडी बनाना शुरू कर दिया।

योजना इस प्रकार थी - दो एसएसडी डिस्क का एक दर्पण बनाना, जिस पर हम ओएसडी लॉग रखेंगे, जो बदले में स्पिंडल एसएएस पर स्थित होते हैं। इसलिए हम जर्नल डिस्क क्रैश होने पर डेटा समस्याओं के विरुद्ध बीमा कराएंगे।

दस्तावेज़ीकरण के अनुसार एक स्टील क्लस्टर बनाएं

बिल्ली /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

संस्करण 12.2.12 के क्लस्टर के साथ सीईएफ-तैनाती के इस संस्करण के काम में पहली बात जो मुझे पता चली वह एक सॉफ्टवेयर छापे पर डीबी के साथ ओएसडी बनाने का प्रयास करते समय एक त्रुटि है -

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

वास्तव में, blkid PARTUUID नहीं दिखाता है, मुझे मैन्युअल रूप से विभाजन बनाना पड़ा:

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

ऐसा लगता है कि सबकुछ तैयार है, हम फिर से ओएसडी बनाने का प्रयास करते हैं और निम्न त्रुटि प्राप्त करते हैं (जो, वैसे, युद्ध में पुन: उत्पन्न नहीं किया गया था)

WAL का पथ निर्दिष्ट किए बिना, लेकिन db निर्दिष्ट किए बिना ब्लूस्टोर OSD बनाते समय

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

इसके अलावा, यदि उसी दर्पण पर (या किसी अन्य स्थान पर, चुनने के लिए) वाल के लिए एक और विभाजन बनाएं और ओएसडी बनाते समय इसे निर्दिष्ट करें, तो सब कुछ सुचारू रूप से चलेगा (एक अलग वाल की उपस्थिति को छोड़कर, जो आपके पास नहीं हो सकता है) चाहता था) .

लेकिन, चूंकि वाल को एनवीएमई में लाना अभी भी दूर की योजनाओं में था, इसलिए यह अभ्यास अतिश्योक्तिपूर्ण नहीं था।

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

मॉनिटर, प्रबंधक और ओएसडी बनाए गए। अब मैं उन्हें अलग-अलग तरीकों से समूहित करना चाहता हूं, क्योंकि मेरी योजना विभिन्न प्रकार की डिस्क रखने की है - एसएसडी और बड़े पर तेज़ पूल, लेकिन एसएएस पैनकेक पर धीमी।

हम मान लेंगे कि सर्वर पर 20 डिस्क हैं, पहले दस एक प्रकार के हैं, दूसरे दूसरे प्रकार के हैं।
डिफ़ॉल्ट मानचित्र इस तरह दिखता है:

सीईएफ ओएसडी पेड़

root@ceph01-q:~# ceph ओएसडी पेड़
आईडी वर्ग वजन प्रकार नाम स्थिति पुनर्भार PRI-AFF
-1 14.54799 रूट डिफॉल्ट
-3 9.09200 होस्ट सीईएच01-क्यू
0 एसएसडी 1.00000 ओएसडी.0 ऊपर 1.00000 1.00000
1 एसएसडी 1.00000 ओएसडी.1 ऊपर 1.00000 1.00000
2 एसएसडी 1.00000 ओएसडी.2 ऊपर 1.00000 1.00000
3 एसएसडी 1.00000 ओएसडी.3 ऊपर 1.00000 1.00000
4 एचडीडी 1.00000 ओएसडी.4 ऊपर 1.00000 1.00000
5 एचडीडी 0.27299 ओएसडी.5 ऊपर 1.00000 1.00000
6 एचडीडी 0.27299 ओएसडी.6 ऊपर 1.00000 1.00000
7 एचडीडी 0.27299 ओएसडी.7 ऊपर 1.00000 1.00000
8 एचडीडी 0.27299 ओएसडी.8 ऊपर 1.00000 1.00000
9 एचडीडी 0.27299 ओएसडी.9 ऊपर 1.00000 1.00000
10 एचडीडी 0.27299 ओएसडी.10 ऊपर 1.00000 1.00000
11 एचडीडी 0.27299 ओएसडी.11 ऊपर 1.00000 1.00000
12 एचडीडी 0.27299 ओएसडी.12 ऊपर 1.00000 1.00000
13 एचडीडी 0.27299 ओएसडी.13 ऊपर 1.00000 1.00000
14 एचडीडी 0.27299 ओएसडी.14 ऊपर 1.00000 1.00000
15 एचडीडी 0.27299 ओएसडी.15 ऊपर 1.00000 1.00000
16 एचडीडी 0.27299 ओएसडी.16 ऊपर 1.00000 1.00000
17 एचडीडी 0.27299 ओएसडी.17 ऊपर 1.00000 1.00000
18 एचडीडी 0.27299 ओएसडी.18 ऊपर 1.00000 1.00000
19 एचडीडी 0.27299 ओएसडी.19 ऊपर 1.00000 1.00000
-5 5.45599 होस्ट सीईएच02-क्यू
20 एसएसडी 0.27299 ओएसडी.20 ऊपर 1.00000 1.00000
21 एसएसडी 0.27299 ओएसडी.21 ऊपर 1.00000 1.00000
22 एसएसडी 0.27299 ओएसडी.22 ऊपर 1.00000 1.00000
23 एसएसडी 0.27299 ओएसडी.23 ऊपर 1.00000 1.00000
24 एचडीडी 0.27299 ओएसडी.24 ऊपर 1.00000 1.00000
25 एचडीडी 0.27299 ओएसडी.25 ऊपर 1.00000 1.00000
26 एचडीडी 0.27299 ओएसडी.26 ऊपर 1.00000 1.00000
27 एचडीडी 0.27299 ओएसडी.27 ऊपर 1.00000 1.00000
28 एचडीडी 0.27299 ओएसडी.28 ऊपर 1.00000 1.00000
29 एचडीडी 0.27299 ओएसडी.29 ऊपर 1.00000 1.00000
30 एचडीडी 0.27299 ओएसडी.30 ऊपर 1.00000 1.00000
31 एचडीडी 0.27299 ओएसडी.31 ऊपर 1.00000 1.00000
32 एचडीडी 0.27299 ओएसडी.32 ऊपर 1.00000 1.00000
33 एचडीडी 0.27299 ओएसडी.33 ऊपर 1.00000 1.00000
34 एचडीडी 0.27299 ओएसडी.34 ऊपर 1.00000 1.00000
35 एचडीडी 0.27299 ओएसडी.35 ऊपर 1.00000 1.00000
36 एचडीडी 0.27299 ओएसडी.36 ऊपर 1.00000 1.00000
37 एचडीडी 0.27299 ओएसडी.37 ऊपर 1.00000 1.00000
38 एचडीडी 0.27299 ओएसडी.38 ऊपर 1.00000 1.00000
39 एचडीडी 0.27299 ओएसडी.39 ऊपर 1.00000 1.00000
-7 6.08690 होस्ट सीईएच03-क्यू
40 एसएसडी 0.27299 ओएसडी.40 ऊपर 1.00000 1.00000
41 एसएसडी 0.27299 ओएसडी.41 ऊपर 1.00000 1.00000
42 एसएसडी 0.27299 ओएसडी.42 ऊपर 1.00000 1.00000
43 एसएसडी 0.27299 ओएसडी.43 ऊपर 1.00000 1.00000
44 एचडीडी 0.27299 ओएसडी.44 ऊपर 1.00000 1.00000
45 एचडीडी 0.27299 ओएसडी.45 ऊपर 1.00000 1.00000
46 एचडीडी 0.27299 ओएसडी.46 ऊपर 1.00000 1.00000
47 एचडीडी 0.27299 ओएसडी.47 ऊपर 1.00000 1.00000
48 एचडीडी 0.27299 ओएसडी.48 ऊपर 1.00000 1.00000
49 एचडीडी 0.27299 ओएसडी.49 ऊपर 1.00000 1.00000
50 एचडीडी 0.27299 ओएसडी.50 ऊपर 1.00000 1.00000
51 एचडीडी 0.27299 ओएसडी.51 ऊपर 1.00000 1.00000
52 एचडीडी 0.27299 ओएसडी.52 ऊपर 1.00000 1.00000
53 एचडीडी 0.27299 ओएसडी.53 ऊपर 1.00000 1.00000
54 एचडीडी 0.27299 ओएसडी.54 ऊपर 1.00000 1.00000
55 एचडीडी 0.27299 ओएसडी.55 ऊपर 1.00000 1.00000
56 एचडीडी 0.27299 ओएसडी.56 ऊपर 1.00000 1.00000
57 एचडीडी 0.27299 ओएसडी.57 ऊपर 1.00000 1.00000
58 एचडीडी 0.27299 ओएसडी.58 ऊपर 1.00000 1.00000
59 एचडीडी 0.89999 ओएसडी.59 ऊपर 1.00000 1.00000

आइए ब्लैकजैक और अन्य चीजों के साथ अपने स्वयं के वर्चुअल रैक और सर्वर बनाएं:

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

जिन समस्याओं का हमें सामना करना पड़ा युद्ध क्लस्टर, जब एक नया होस्ट बनाने और उसे मौजूदा रैक पर ले जाने का प्रयास किया जाता है - कमांड सीईएफ ओएसडी क्रश मूव सीईएफ01-होस्ट रूट=रैक01 लटक गया और मॉनिटर एक-एक करके गिरने लगे। एक साधारण CTRL+C के साथ कमांड को बाधित करने से क्लस्टर जीवित दुनिया में वापस आ गया।

खोज से निम्नलिखित समस्या सामने आई: https://tracker.ceph.com/issues/23386

समाधान यह था कि क्रशमैप को डंप कर दिया जाए और अनुभाग को वहां से हटा दिया जाए नियम प्रतिकृति_नियमसेट

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

आक्टंग: यह ऑपरेशन ओएसडी के बीच प्लेसमेंट समूह के पुनर्संतुलन का कारण बन सकता है। हमारे पास इसका कारण है, लेकिन बहुत छोटा।

और परीक्षण क्लस्टर में हमें जो विचित्रता का सामना करना पड़ा, वह यह है कि ओएसडी सर्वर को रीबूट करने के बाद, वे भूल गए कि उन्हें नए सर्वर और रैक में ले जाया गया था, और रूट डिफ़ॉल्ट पर वापस आ गए थे।
परिणामस्वरूप, अंतिम योजना को इकट्ठा करने के बाद, जिसमें हमने एसएसडी डिस्क के लिए एक अलग रूट बनाया और स्पिंडल डिस्क के लिए अलग से, हमने सभी ओएसडी को रैक के साथ खींच लिया और बस डिफ़ॉल्ट रूट को हटा दिया। रिबूट के बाद, ओएसडी अपने स्थानों पर रहना शुरू कर दिया।
दस्तावेज़ में बाद में खोजबीन करने पर एक पैरामीटर मिला जो इस व्यवहार के लिए ज़िम्मेदार है। उसके बारे में दूसरे भाग में

हमने डिस्क के प्रकार के अनुसार अलग-अलग समूह कैसे बनाए।

आरंभ करने के लिए, हमने दो जड़ें बनाईं - एसएसडी के लिए और एचडीडी के लिए

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

चूंकि सर्वर भौतिक रूप से अलग-अलग रैक में स्थित हैं, सुविधा के लिए, हमने रैक बनाए और उनमें पहले से ही सर्वर मौजूद हैं

# 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

और विभिन्न सर्वरों में उनके प्रकार के अनुसार बिखरी हुई डिस्क

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

एसएसडी-रूट और एचडीडी-रूट रूट पर डिस्क को बिखेरने के बाद, हमने रूट-डिफ़ॉल्ट को खाली छोड़ दिया, ताकि हम इसे हटा सकें

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

इसके बाद, हमें वितरण नियम बनाने की आवश्यकता है जिन्हें हम बनाए गए पूल से बांधेंगे - नियमों में हम निर्दिष्ट करेंगे कि हम किस रूट में अपना पूल डेटा और प्रतिकृति की विशिष्टता स्तर डाल सकते हैं - उदाहरण के लिए, प्रतिकृतियां अलग-अलग सर्वर पर होनी चाहिए, या अलग-अलग रैक में (यदि हमारे पास ऐसा वितरण है तो आप अलग-अलग रूट में भी कर सकते हैं)

प्रकार चुनने से पहले, दस्तावेज़ीकरण पढ़ना बेहतर है:
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

खैर, हम पूल बनाते हैं जिसमें हम भविष्य में अपने वर्चुअलाइजेशन की डिस्क छवियों को संग्रहीत करना चाहते हैं - 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

और हम इन पूलों को बताते हैं कि किन प्लेसमेंट नियमों का उपयोग करना है

 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

प्लेसमेंट समूहों की संख्या का चुनाव आपके क्लस्टर के लिए पहले से मौजूद दृष्टिकोण के साथ किया जाना चाहिए - कितना ओएसडी होगा, पूल में कितना डेटा (कुल के प्रतिशत के रूप में) होगा, कुल कितना डेटा होगा .

कुल मिलाकर, यह वांछनीय है कि प्रति डिस्क 300 से अधिक प्लेसमेंट समूह न हों, और छोटे प्लेसमेंट समूहों के साथ संतुलन बनाना आसान होगा - यानी, यदि आपका पूरा पूल 10 टीबी और 10 पीजी पर कब्जा कर लेता है - तो यह समस्याग्रस्त होगा टेराबाइट ईंटें फेंककर संतुलन बनाना (पीजी) - बाल्टियों में छोटे आकार के रेत के दानों के साथ रेत डालना आसान और चिकना होता है)।

लेकिन हमें याद रखना चाहिए कि पीजी की संख्या जितनी अधिक होगी - उनके स्थान की गणना करने में उतने ही अधिक संसाधन खर्च होंगे - मेमोरी और सीपीयू का उपयोग शुरू हो जाएगा।

अनुमानित समझ हो सकती है कैलकुलेटर दो, CEPH दस्तावेज़ के डेवलपर्स द्वारा प्रदान किया गया।

सामग्री की सूची:

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/

स्रोत: www.habr.com