Kita wis limang rak, sepuluh ngalih optik, diatur BGP, saperangan rolas SSDs lan Bunch saka disk SAS kabeh werna lan ukuran, uga proxmox lan kepinginan kanggo sijine kabeh data statis menyang panyimpenan S3 kita dhewe. Ora kabeh iki dibutuhake kanggo virtualisasi, nanging yen sampeyan miwiti nggunakake opensource, banjur tindakake hobi sampeyan nganti pungkasan. Siji-sijine sing ngganggu aku yaiku BGP. Ora ana wong sing ora duwe daya, ora tanggung jawab lan ora sopan tinimbang rute BGP internal. Lan aku ngerti yen rauh bakal nyilem.
Tugas kasebut ora pati penting - ana CEPH, nanging ora bisa ditindakake kanthi apik. Iku perlu kanggo nindakake "becik".
Kluster sing daktampa heterogen, cepet-cepet disetel lan praktis ora disetel. Iki kalebu rong klompok simpul sing beda-beda, kanthi siji kothak umum minangka kluster lan jaringan umum. Kelenjar kasebut diisi karo patang jinis disk - rong jinis SSD, diklumpukake ing rong aturan penempatan sing kapisah, lan rong jinis HDD kanthi ukuran sing beda-beda, diklumpukake ing klompok katelu. Masalah karo ukuran beda wis ditanggulangi dening bobot OSD beda.
Setup dhewe dipérang dadi rong bagéan - tuning sistem operasi и tuning saka CEPH dhewe lan setelane.
Nganyarke OS
Network
Latensi dhuwur kena pengaruh rekaman lan imbangan. Nalika ngrekam - amarga klien ora bakal nampa respon babagan rekaman sukses nganti replika data ing grup panggonan liyane konfirmasi sukses. Wiwit aturan kanggo nyebarake replika ing peta CRUSH padha siji replika saben inang, jaringan tansah digunakake.
Mulane, ing bab pisanan aku mutusaké kanggo nindakake rada tweak jaringan saiki, nalika ing wektu sing padha nyoba kanggo gawe uwong yakin kula kanggo pindhah menyang jaringan kapisah.
Kanggo miwiti, aku ngapiki setelan kertu jaringan. Aku miwiti kanthi nyetel antrian:
Ditambahake menyang /etc/network/interfaces supaya kabeh ing ndhuwur dimuat nalika wiwitan
kucing / lsp / jaringan / antarmuka
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
Sawise iku, sawise artikel sing padha, aku wiwit mikir kanthi ati-ati ing gagang kernel 4.15. Ngelingi sing kelenjar duwe 128G RAM, kita rampung karo file konfigurasi kanggo 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)
Сjaringan luster dialokasikan ing antarmuka jaringan 10Gbps sing kapisah menyang jaringan datar sing kapisah. Saben mesin dilengkapi kertu jaringan dual-port mellanox 10/25 Gbps, disambungake menyang rong switch 10Gbps sing kapisah. Agregasi ditindakake kanthi nggunakake OSPF, amarga ikatan karo lacp sakperangan alesan nuduhake total throughput maksimal 16 Gbps, dene ospf kasil nggunakake loro puluhan ing saben mesin. Rencana ing mangsa ngarep yaiku njupuk kauntungan saka ROCE ing melanox iki kanggo nyuda latensi. Cara nyiyapake bagean jaringan iki:
Amarga mesin kasebut duwe alamat IP eksternal ing BGP, kita butuh piranti lunak - (luwih tepate, nalika nulis artikel iki frr=6.0-1 ) wis ngadeg.
Secara total, mesin kasebut duwe rong antarmuka jaringan, saben duwe rong antarmuka - total 4 port. Siji kertu jaringan katon ing pabrik kanthi rong port lan BGP dikonfigurasi, sing nomer loro ndeleng rong saklar sing beda karo rong port lan OSPF disetel.
Rincian liyane babagan nyetel OSPF: Tugas utama yaiku nggabungake loro pranala lan duwe toleransi fault.
loro antarmuka jaringan dikonfigurasi dadi rong jaringan datar sing prasaja - 10.10.10.0/24 lan 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
kang mobil ndeleng saben liyane.
disk
Langkah sabanjure yaiku ngoptimalake disk. Kanggo SSD aku diganti panjadwal kanggo noop, kanggo HDD - Deadline. Kanggo terus terang, NOOP nggarap prinsip "first in, first out," sing ing basa Inggris kaya "FIFO (First In, First Out)." Panyuwunan antri nalika teka. DEADLINE luwih maca-oriented, plus proses antrian nemu akses meh eksklusif kanggo disk ing wektu operasi. Iki sampurna kanggo sistem kita - sawise kabeh, mung siji proses bisa digunakake karo saben disk - daemon OSD.
(Wong sing pengin nyilem menyang panjadwal I / O bisa maca babagan iki: http://www.admin-magazine.com/HPC/Articles/Linux-I-O-Schedulers
Ing rekomendasi kanggo tuning Linux, uga dianjurake kanggo nambah nr_request
nr_requests
Nilai nr_requests nemtokake jumlah panjalukan I / O sing ditampa sadurunge panjadwal I / O ngirim / nampa data menyang piranti pamblokiran, yen sampeyan nggunakake kertu RAID / Piranti Blok sing bisa nangani antrian sing luwih gedhe tinimbang apa sing aku / O panjadwal disetel kanggo, mundhakaken Nilai saka nr_requests bisa bantuan kanggo nambah saindhenging lan nyuda mbukak server nalika jumlah gedhe saka I / O dumadi ing server. Yen sampeyan nggunakake Deadline utawa CFQ minangka panjadwal, disaranake sampeyan nyetel nilai nr_request kanggo 2 kaping Nilai ambane antrian.
TAPI! Warga dhewe, pangembang CEPH, ngyakinake yen sistem prioritase luwih apik
WBThrottle lan / utawa nr_requests
WBThrottle lan / utawa nr_requests
Panyimpenan file nggunakake buffer I / O kanggo nulis; iki ndadekke sawetara keuntungan yen log panyimpenan file ing media luwih cepet. Panjaluk klien dilaporake sanalika data ditulis ing log, lan banjur disiram menyang disk data ing wektu mengko nggunakake fungsi Linux standar. Iki ndadekake iku bisa kanggo OSD spindle kanggo nyedhiyani latensi nulis padha SSDs nalika nulis ing bledosan cilik. Tulis maneh sing ditundha iki uga ngidini kernel dhewe kanggo ngatur maneh panjalukan I/O disk, kanthi pangarep-arep bisa nggabungake utawa ngidini kepala disk sing ana bisa milih dalan sing luwih optimal ing piring-piring kasebut. Efek net iku sampeyan bisa remet rada I / O metu saka saben disk saka bakal bisa karo langsung utawa sinkron I / O.
Nanging, ana masalah tartamtu yen volume cathetan mlebu menyang klompok Ceph tartamtu ngluwihi kabeh kemampuan saka disk ndasari. Ing skenario iki, jumlah total operasi I / O sing nunggu ditulis ing disk bisa tuwuh ora bisa dikendhaleni lan nyebabake antrian I / O ngisi kabeh antrian disk lan Ceph. Panjaluk sing diwaca utamane kena pengaruh amarga macet ing antarane panjaluk nulis, sing butuh sawetara detik kanggo disiram menyang disk utama.
Kanggo ngatasi masalah iki, Ceph duwe mekanisme throttling writeback sing dibangun ing panyimpenan file sing diarani WBThrottle. Iki dirancang kanggo mbatesi jumlah sakabèhé I / O nulis males sing bisa antri lan miwiti proses flush luwih awal tinimbang sing bisa kedadeyan amarga diaktifake dening kernel dhewe. Sayange, tes nuduhake yen nilai gawan isih ora bisa nyuda prilaku sing wis ana menyang level sing bisa nyuda pengaruh iki ing latensi maca. Pangaturan bisa ngganti prilaku iki lan nyuda dawa antrian nulis sakabèhé lan nggawe impact iki kurang abot. Ana trade-off, Nanging: kanthi ngurangi jumlah maksimum sakabèhé saka entri sing diijini antri, sampeyan bisa ngurangi kemampuan kernel dhewe kanggo nggedhekake efisiensi ing pesenan panjalukan mlebu. Sampeyan kudu mikir sethithik babagan apa sing sampeyan butuhake kanggo kasus panggunaan tartamtu, beban kerja lan nyetel supaya cocog.
Kanggo ngontrol ambane antrian nulis-backlog kuwi, sampeyan bisa uga nyuda jumlah maksimum sakabèhé saka operasi I / O pinunjul nggunakake setelan WBThrottle, utawa sampeyan bisa ngurangi nilai maksimum kanggo operasi pinunjul ing tingkat pemblokiran kernel dhewe. Loro-lorone bisa ngontrol prilaku sing padha kanthi efektif, lan pilihan sampeyan bakal dadi dhasar kanggo ngetrapake setelan iki.
Sampeyan uga kudu dicathet yen sistem prioritas operasi Ceph luwih efisien kanggo pitakon sing luwih cendhek ing tingkat disk. Kanthi nyilikake antrian sakabèhé menyang disk sing diwenehi, lokasi utama antrian pindhah menyang Ceph, sing nduweni kontrol luwih akeh babagan prioritas operasi I / O. Coba conto ing ngisor iki:
Lan sawetara njiwet kernel liyane kanggo nggawe mobil sampeyan alus lan sutra lan nyuda kinerja sing luwih cilik saka hardware.
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.
Kecemplung ing CEPH
Setelan sing dakkarepake luwih rinci:
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
Sawetara paramèter sing dites kanggo QA ing versi 12.2.12 ilang ing versi ceph 12.2.2, contone. osd_recovery_threads. Mulane, rencana kasebut kalebu nganyari produksi nganti 12.2.12. Praktek wis nuduhake kompatibilitas antarane versi 12.2.2 lan 12.2.12 ing siji kluster, sing ngidini nganyari rolling.
Test cluster
Mesthine, kanggo nyoba kudu duwe versi sing padha karo perang, nanging nalika aku miwiti nggarap kluster, mung sing luwih anyar sing kasedhiya ing gudang. Sawise ndeleng, sing bisa dideleng ing versi cilik ora gedhe banget (1393 baris ing configs marang 1436 ing versi anyar), kita mutusake kanggo miwiti nyoba sing anyar (nganyari maneh, kenapa nganggo sampah lawas)
Ing bab mung kita nyoba kanggo ninggalake konco versi lawas iku paket ceph-nyebarake wiwit sawetara saka keperluan (lan sawetara saka karyawan) padha ngarang kanggo sintaks sawijining. Versi anyar cukup beda, nanging ora mengaruhi operasi kluster dhewe, lan ditinggalake ing versi kasebut 1.5.39
Wiwit printah ceph-disk kanthi jelas nyatakake yen wis ora digunakake lan nggunakake perintah ceph-volume, sing ditresnani, kita miwiti nggawe OSD nganggo printah iki, tanpa mbuwang wektu kanggo sing lawas.
Rencana kasebut yaiku nggawe pangilon saka rong drive SSD sing bakal dilebokake log OSD, sing uga ana ing spindle SAS. Kanthi cara iki kita bisa nglindhungi dhéwé saka masalah karo data yen disk karo log tiba.
Kita miwiti nggawe kluster miturut dokumentasi
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
Wangsulan: Bab ingkang pisanan aku kesandhung nalika nggarap versi ceph-deploy karo versi cluster 12.2.12 ana kesalahan nalika nyoba nggawe OSD karo db ing gropyokan lunak -
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
Pancen, blkid ora katon PARTUUID, mula aku kudu nggawe partisi kanthi manual:
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
Kabeh katon wis siyap, kita nyoba nggawe OSD maneh lan entuk kesalahan ing ngisor iki (sing, kanthi cara, ora diprodhuksi ing perang)
nalika nggawe OSD jinis bluestore tanpa nemtokake path menyang WAL, nanging nemtokake db
Kajaba iku, yen ing pangilon sing padha (utawa ing papan liya, sing dipilih) sampeyan nggawe partisi liyane kanggo WAL lan nemtokake nalika nggawe OSD, mula kabeh bakal lancar (kajaba katon saka WAL sing kapisah, sing bisa uga ora ana. wis kepingin).
Nanging, amarga isih ana ing rencana sing adoh kanggo mindhah WAL menyang NVMe, praktik kasebut ora dadi superfluous.
Digawe monitor, manager lan OSD. Saiki aku kaya kanggo klompok wong beda, amarga aku rencana duwe macem-macem jinis disk - pools cepet ing SSD lan gedhe, nanging pools alon ing SAS pancakes.
Ayo nganggep manawa server duwe 20 disk, sepuluh pisanan minangka siji jinis, sing liya liyane.
Kertu wiwitan, standar, katon kaya iki:
Ayo nggawe rak lan server virtual dhewe nganggo blackjack lan liya-liyane:
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
Masalah sing kita temoni ing perang cluster, nalika nyoba kanggo nggawe inang anyar lan pindhah menyang rak ana - printah ceph osd crush mindhah ceph01-host root=rack01 froze, lan monitor wiwit tiba siji. Aborting printah karo prasaja CTRL + C bali kluster menyang donya urip.
Solusi kasebut yaiku mbucal crushmap lan mbusak bagean kasebut saka kana aturan 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: Operasi iki bisa nyebabake keseimbangan maneh saka klompok panggonan ing antarane OSD. Iki nyebabake kita, nanging sithik banget.
Lan bab aneh kita pinanggih ing kluster test iku sawise rebooting server OSD, kelalen sing padha wis dipindhah menyang server anyar lan rak, lan bali menyang standar ROOT.
Akibaté, wis nglumpuk rencana final kang kita nggawe ROOT kapisah kanggo ssd drive lan kapisah kanggo spindle drive, kita njupuk kabeh OSDs menyang rak lan mung dibusak ROOT standar. Sawise urip maneh, OSD wiwit tetep ing panggonan. Sawise digali liwat dokumentasi mengko, kita nemokake parameter sing tanggung jawab kanggo prilaku iki. Babagan dheweke ing bagean kapindho
Kepiye carane nggawe klompok beda miturut jinis disk.
Kanggo miwiti, kita nggawe rong werna - kanggo ssd lan kanggo hdd
lan mbagekke disk miturut jinis menyang server beda
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
Sawise kasebar disk ing antarane rute ssd-root lan hdd-root, kita ninggalake root-default kosong, supaya kita bisa mbusak
root-ceph01-q:~#ceph osd crush remove default
Sabanjure, kita kudu nggawe aturan distribusi sing bakal kita ikatan karo blumbang sing digawe - ing aturan kasebut, kita bakal nuduhake akar sing bisa nyelehake data kolam lan tingkat keunikan replika - contone, replika kudu ana ing server sing beda-beda. utawa ing rak beda (sampeyan bisa malah ing werna beda, yen kita duwe distribusi kuwi)
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
Ya, kita nggawe blumbang ing ngendi kita pengin nyimpen gambar disk virtualisasi ing mangsa ngarep - 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
Lan kita marang pools iki apa aturan panggonan seko nggunakake
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
Pilihan saka jumlah klompok panggonan kudu dicedhaki kanthi visi sing wis ana kanggo kluster sampeyan - kira-kira pira OSD bakal ana, apa jumlah data (minangka persentase saka total volume) bakal ana ing blumbang, apa jumlah total data.
Secara total, disaranake ora duwe luwih saka 300 klompok penempatan ing disk, lan bakal luwih gampang kanggo ngimbangi karo klompok penempatan cilik - yaiku, yen kabeh blumbang sampeyan njupuk 10 Tb lan duwe 10 PG - banjur imbang. kanthi mbuwang bata terabyte (pg) bakal dadi masalah - tuangake pasir kanthi butir pasir ukuran cilik menyang ember luwih gampang lan luwih rata).
Nanging kita kudu elinga yen luwih akeh PG, luwih akeh sumber daya sing digunakake kanggo ngitung lokasi - memori lan CPU wiwit digunakake.
Pangerten kasar bisa menehi kula kalkulator, diwenehake dening pangembang dokumentasi CEPH.