Izvēloties CEPH. 1. daļa

Mums bija pieci statīvi, desmit optiskie slēdži, konfigurēts BGP, pāris desmiti SSD un daudz dažādu krāsu un izmēru SAS disku, kā arī proxmox un vēlme visus statiskos datus ievietot mūsu pašu S3 krātuvē. Ne jau tas viss ir vajadzīgs virtualizācijai, bet, kad sāc lietot atvērto avotu, tad seko savam hobijam līdz galam. Vienīgais, kas mani traucēja, bija BGP. Pasaulē nav neviena bezpalīdzīgāka, bezatbildīgāka un amorālāka par iekšējo BGP maršrutēšanu. Un es zināju, ka diezgan drīz mēs tajā iedziļināsimies.

Uzdevums bija triviāls - bija CEPH, bet tas nedarbojās ļoti labi. Bija jādara "labs".
Saņemtais klasteris bija neviendabīgs, steigā noregulēts un praktiski nenoregulēts. Tas sastāvēja no divām dažādu mezglu grupām, un viens kopīgs režģis darbojās gan kā kopa, gan kā publisks tīkls. Mezgli tika aizpildīti ar četru veidu diskiem - divu veidu SSD, kas apkopoti divos atsevišķos izvietošanas noteikumos, un divu veidu dažāda izmēra HDD, kas apkopoti trešajā grupā. Problēma ar dažādiem izmēriem tika atrisināta ar dažādiem OSD svariem.

Pati iestatīšana ir sadalīta divās daļās - operētājsistēmas regulēšana и paša CEPH noregulēšana un tā iestatījumiem.

OS jaunināšana

tīkls

Augsts latentums ietekmēja gan ierakstīšanu, gan balansēšanu. Ierakstot - jo klients nesaņems atbildi par veiksmīgu ierakstīšanu, kamēr datu replikas citās izvietojumu grupās neapstiprinās panākumus. Tā kā kopiju izplatīšanas noteikumi CRUSH kartē bija viena kopija katram saimniekdatoram, tīkls vienmēr tika izmantots.

Tāpēc pirmā lieta, ko es nolēmu darīt, bija nedaudz pielāgot pašreizējo tīklu, tajā pašā laikā mēģinot pārliecināt mani pāriet uz atsevišķiem tīkliem.

Sākumā es pielāgoju tīkla karšu iestatījumus. Es sāku ar rindu izveidošanu:

kas notika:

ethtool -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

Var redzēt, ka pašreizējie parametri ir tālu no maksimumiem. Palielināts:

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

Vadoties pēc izcila raksta

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

palielināja sūtīšanas rindas garumu txqueuelen no 1000 līdz 10 000

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

Nu, sekojot paša cepha dokumentācijai

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

palielināja MTU uz 9000.

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

Pievienots /etc/network/interfaces, lai viss iepriekš minētais tiktu ielādēts startēšanas laikā

cat / etc / network / interface

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

Pēc tam, sekojot tam pašam rakstam, es sāku pārdomāti griezt 4.15 kodola rokturus. Ņemot vērā, ka mezgliem ir 128G RAM, mēs nonācām pie konfigurācijas faila 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)

Сspīduma tīkls tika iedalīts atsevišķās 10Gbps tīkla saskarnēs atsevišķā plakanā tīklā. Katra iekārta bija aprīkota ar divu portu tīkla kartēm mellanox 10/25 Gbps, pievienots diviem atsevišķiem 10 Gbps slēdžiem. Apkopošana tika veikta, izmantojot OSPF, jo savienošana ar lacp kādu iemeslu dēļ uzrādīja maksimālo caurlaidspēju 16 Gbps, savukārt ospf veiksmīgi izmantoja abus desmitus katrā mašīnā. Nākotnes plānos bija izmantot šo melanoksu ROCE priekšrocības, lai samazinātu latentumu. Kā iestatīt šo tīkla daļu:

Tā kā pašām mašīnām ir ārējās IP adreses BGP, mums ir nepieciešama programmatūra - (precīzāk, raksta tapšanas laikā tā bija frr=6.0-1 ) jau stāvēja.
Kopumā mašīnām bija divas tīkla saskarnes, katra ar divām saskarnēm – kopā 4 porti. Viena tīkla karte skatījās uz rūpnīcu ar diviem portiem un tajā bija konfigurēts BGP, otrā skatījās uz diviem dažādiem slēdžiem ar diviem portiem un tajā tika uzstādīts OSPF

Sīkāka informācija par OSPF iestatīšanu: galvenais uzdevums ir apvienot divas saites un nodrošināt kļūdu toleranci.
divas tīkla saskarnes ir konfigurētas divos vienkāršos plakanajos tīklos - 10.10.10.0/24 un 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

pa kurām automašīnas redz viena otru.

DISKS

Nākamais solis bija disku optimizēšana. SSD es mainīju plānotāju uz nū, HDD - Termiņš. Atklāti sakot, NOOP darbojas pēc principa “first in, first out”, kas angļu valodā izklausās kā “FIFO (First In, First Out).” Pieprasījumi tiek sastādīti rindā, tiklīdz tie tiek saņemti. DEADLINE ir vairāk orientēts uz lasīšanu, turklāt rindā esošais process saņem gandrīz ekskluzīvu piekļuvi diskam darbības laikā. Tas ir lieliski piemērots mūsu sistēmai - galu galā ar katru disku darbojas tikai viens process - OSD dēmons.
(Tie, kas vēlas ienirt I/O plānotājā, par to var lasīt šeit:
http://www.admin-magazine.com/HPC/Articles/Linux-I-O-Schedulers

Tie, kam patīk lasīt krievu valodā: https://www.opennet.ru/base/sys/linux_shedulers.txt.html)

Ieteikumos par Linux skaņošanu arī ieteicams palielināt nr_request

nr_pieprasījumi
Vērtība nr_requests nosaka I/O pieprasījumu skaitu, kas tiek buferēti, pirms I/O plānotājs nosūta/saņem datus uz blokierīci, ja izmantojat RAID karti/bloķēšanas ierīci, kas spēj apstrādāt lielāku rindu, nekā I/O /O plānotājs ir iestatīts uz, nr_requests vērtības palielināšana var palīdzēt uzlabot visu un samazināt servera slodzi, ja serverī notiek liels I/O apjoms. Ja kā plānotāju izmantojat termiņu vai CFQ, ir ieteicams iestatīt nr_request vērtību 2 reizes lielāku par rindas dziļuma vērtību.

BET! Paši iedzīvotāji, CEPH izstrādātāji, mūs pārliecina, ka viņu prioritāšu sistēma darbojas labāk

WBThrottle un/vai nr_requests

WBThrottle un/vai nr_requests
Failu krātuve rakstīšanai izmanto buferētu I/O; tas sniedz vairākas priekšrocības, ja failu krātuves žurnāls atrodas ātrākā datu nesējā. Klientu pieprasījumi tiek informēti, tiklīdz dati tiek ierakstīti žurnālā, un vēlāk tiek izskaloti pašā datu diskā, izmantojot standarta Linux funkcionalitāti. Tas ļauj vārpstas OSD nodrošināt rakstīšanas latentumu, kas ir līdzīgs SSD, rakstot nelielās sērijās. Šī aizkavētā atpakaļrakstīšana arī ļauj kodolam pašam pārkārtot diska I/O pieprasījumus, cerot tos apvienot vai ļaut esošajām disku galviņām izvēlēties kādu optimālāku ceļu savās platēs. Rezultāts ir tāds, ka no katra diska var izspiest nedaudz vairāk I/O, nekā tas būtu iespējams ar tiešo vai sinhrono I/O.

Tomēr rodas zināma problēma, ja ienākošo ierakstu apjoms noteiktā Ceph klasterī pārsniedz visas pamatā esošo disku iespējas. Šajā scenārijā kopējais neapstiprināto I/O operāciju skaits, kas gaida ierakstīšanu diskā, var nekontrolējami pieaugt, kā rezultātā I/O rindas aizpilda visu disku un Ceph rindas. Lasīšanas pieprasījumi tiek īpaši ietekmēti, jo tie iestrēgst starp rakstīšanas pieprasījumiem, kas var aizņemt vairākas sekundes, līdz tie tiek izskaloti primārajā diskā.

Lai novērstu šo problēmu, Ceph failu krātuvē ir iebūvēts atrakstīšanas droseles mehānisms, ko sauc par WBThrottle. Tas ir izstrādāts, lai ierobežotu kopējo slinko ievades/izvadu skaitu, kas var iestāties rindā un sākt skalošanas procesu agrāk, nekā tas dabiski notiktu, jo to iespējo pats kodols. Diemžēl testēšana parāda, ka noklusējuma vērtības joprojām var nesamazināt esošo darbību līdz līmenim, kas var samazināt šo ietekmi uz lasīšanas latentumu. Korekcijas var mainīt šo darbību un samazināt kopējo rakstīšanas rindu garumu un padarīt šo ietekmi mazāk nopietnu. Tomēr ir kompromiss: samazinot kopējo maksimālo ierakstu skaitu, ko atļauts ievietot rindā, jūs varat samazināt paša kodola spēju maksimāli palielināt savu efektivitāti ienākošo pieprasījumu pasūtīšanā. Ir vērts nedaudz padomāt par to, kas jums ir nepieciešams vairāk konkrētajam lietošanas gadījumam, darba slodzei un pielāgošanai, lai tās atbilstu.

Lai kontrolētu šādas ierakstīšanas atpalicības rindas dziļumu, varat samazināt kopējo maksimālo atlikušo I/O operāciju skaitu, izmantojot WBThrottle iestatījumus, vai arī varat samazināt neizpildīto darbību maksimālo vērtību sava kodola bloka līmenī. Abi var efektīvi kontrolēt vienu un to pašu darbību, un jūsu preferences būs šī iestatījuma ieviešanas pamatā.
Jāpiebilst arī, ka Ceph darbības prioritāšu sistēma ir efektīvāka īsākiem vaicājumiem diska līmenī. Samazinot kopējo rindu līdz noteiktam diskam, rindas primārā atrašanās vieta tiek pārvietota uz Ceph, kur tai ir lielāka kontrole pār I/O darbības prioritāti. Apsveriet šādu piemēru:

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

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

KOPĪGĀ

Un vēl daži kodola uzlabojumi, lai padarītu jūsu automašīnu mīkstu un zīdainu un izspiestu nedaudz vairāk veiktspējas no aparatūras

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.

Iegremdēšana CEPH

Iestatījumi, pie kuriem vēlos pakavēties sīkāk:

kaķis /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

Piemēram, daži parametri, kas tika pārbaudīti kvalitātes nodrošināšanai versijā 12.2.12, trūkst ceph versijā 12.2.2. osd_recovery_threads. Tāpēc plānos bija iekļauta ražošanas atjaunināšana līdz 12.2.12. Prakse ir parādījusi saderību starp versijām 12.2.2 un 12.2.12 vienā klasterī, kas ļauj veikt atjauninājumus.

Pārbaudes klasteris

Protams, testēšanai bija nepieciešama tāda pati versija kā kaujā, bet brīdī, kad sāku strādāt ar klasteru, repozitorijā bija pieejama tikai jaunākā versija. Apskatot, tas, ko jūs varat saskatīt mazajā versijā, nav ļoti liels (1393 līnijas konfigurācijās pret 1436 jaunajā versijā), mēs nolēmām sākt testēt jauno (tik un tā tiek atjaunināts, kāpēc izmantot veco nevēlamo saturu)

Vienīgais, ko mēs centāmies atstāt aiz vecās versijas, ir pakotne ceph-izvietot jo daži komunālie pakalpojumi (un daži darbinieki) tika pielāgoti tā sintaksei. Jaunā versija bija diezgan atšķirīga, taču neietekmēja paša klastera darbību, un tā tika atstāta versijā 1.5.39

Tā kā komanda ceph-disk skaidri norāda, ka tā ir novecojusi, un izmantojiet komandu ceph-volume, dārgie, mēs sākām veidot OSD ar šo komandu, netērējot laiku novecojušām.

Plāns bija izveidot spoguli no diviem SSD diskdziņiem, uz kuriem liksim OSD žurnālus, kuri, savukārt, atrodas uz vārpstas SAS. Tādā veidā mēs varam pasargāt sevi no problēmām ar datiem, ja disks ar žurnālu nokrīt.

Mēs sākām veidot klasteru saskaņā ar dokumentāciju

kaķis /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

Pirmā lieta, uz kuru es nejauši atklāju, strādājot ar šo ceph-deploy versiju ar klastera versiju 12.2.12, bija kļūda, mēģinot izveidot OSD ar db programmatūras reidā.

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

Patiešām, šķiet, ka blkid nav PARTUUID, tāpēc man bija manuāli jāizveido nodalījumi:

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

Šķiet, ka viss ir gatavs, mēs cenšamies vēlreiz izveidot OSD un saņemam šādu kļūdu (kas, starp citu, netika reproducēta kaujā)

veidojot bluestore tipa OSD, nenorādot ceļu uz WAL, bet norādot db

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

Turklāt, ja tajā pašā spogulī (vai citā vietā pēc jūsu izvēles) izveidosiet citu WAL nodalījumu un norādāt to, veidojot OSD, tad viss notiks gludi (izņemot atsevišķa WAL parādīšanos, ko jūs nevarat ir gribējuši).

Bet, tā kā WAL pārcelšana uz NVMe vēl bija tālu, prakse nešķita lieka.

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

Izveidoti monitori, menedžeri un OSD. Tagad gribētos tos grupēt savādāk, jo plānoju dažāda veida diskus - ātrie baseini uz SSD un lielie, bet lēnie pūli uz SAS pankūkām.

Pieņemsim, ka serveriem ir 20 diski, pirmie desmit ir viena tipa, otrie ir cita veida.
Sākotnējā, noklusējuma karte izskatās šādi:

ceph osd koks

root@ceph01-q:~# ceph osd koks
ID KLASES SVARA VEIDS NOSAUKUMS STATUSS ATKĀRTOTAS SVARS PRI-AFF
-1 14.54799 root noklusējuma
-3 9.09200 uzņēmēja ceph01-q
0 ssd 1.00000 osd.0 līdz 1.00000 1.00000
1 ssd 1.00000 osd.1 līdz 1.00000 1.00000
2 ssd 1.00000 osd.2 līdz 1.00000 1.00000
3 ssd 1.00000 osd.3 līdz 1.00000 1.00000
4 HDD 1.00000 osd.4 līdz 1.00000 1.00000
5 HDD 0.27299 osd.5 līdz 1.00000 1.00000
6 HDD 0.27299 osd.6 līdz 1.00000 1.00000
7 HDD 0.27299 osd.7 līdz 1.00000 1.00000
8 HDD 0.27299 osd.8 līdz 1.00000 1.00000
9 HDD 0.27299 osd.9 līdz 1.00000 1.00000
10 HDD 0.27299 osd.10 līdz 1.00000 1.00000
11 HDD 0.27299 osd.11 līdz 1.00000 1.00000
12 HDD 0.27299 osd.12 līdz 1.00000 1.00000
13 HDD 0.27299 osd.13 līdz 1.00000 1.00000
14 HDD 0.27299 osd.14 līdz 1.00000 1.00000
15 HDD 0.27299 osd.15 līdz 1.00000 1.00000
16 HDD 0.27299 osd.16 līdz 1.00000 1.00000
17 HDD 0.27299 osd.17 līdz 1.00000 1.00000
18 HDD 0.27299 osd.18 līdz 1.00000 1.00000
19 HDD 0.27299 osd.19 līdz 1.00000 1.00000
-5 5.45599 uzņēmēja ceph02-q
20 ssd 0.27299 osd.20 līdz 1.00000 1.00000
21 ssd 0.27299 osd.21 līdz 1.00000 1.00000
22 ssd 0.27299 osd.22 līdz 1.00000 1.00000
23 ssd 0.27299 osd.23 līdz 1.00000 1.00000
24 HDD 0.27299 osd.24 līdz 1.00000 1.00000
25 HDD 0.27299 osd.25 līdz 1.00000 1.00000
26 HDD 0.27299 osd.26 līdz 1.00000 1.00000
27 HDD 0.27299 osd.27 līdz 1.00000 1.00000
28 HDD 0.27299 osd.28 līdz 1.00000 1.00000
29 HDD 0.27299 osd.29 līdz 1.00000 1.00000
30 HDD 0.27299 osd.30 līdz 1.00000 1.00000
31 HDD 0.27299 osd.31 līdz 1.00000 1.00000
32 HDD 0.27299 osd.32 līdz 1.00000 1.00000
33 HDD 0.27299 osd.33 līdz 1.00000 1.00000
34 HDD 0.27299 osd.34 līdz 1.00000 1.00000
35 HDD 0.27299 osd.35 līdz 1.00000 1.00000
36 HDD 0.27299 osd.36 līdz 1.00000 1.00000
37 HDD 0.27299 osd.37 līdz 1.00000 1.00000
38 HDD 0.27299 osd.38 līdz 1.00000 1.00000
39 HDD 0.27299 osd.39 līdz 1.00000 1.00000
-7 6.08690 uzņēmēja ceph03-q
40 ssd 0.27299 osd.40 līdz 1.00000 1.00000
41 ssd 0.27299 osd.41 līdz 1.00000 1.00000
42 ssd 0.27299 osd.42 līdz 1.00000 1.00000
43 ssd 0.27299 osd.43 līdz 1.00000 1.00000
44 HDD 0.27299 osd.44 līdz 1.00000 1.00000
45 HDD 0.27299 osd.45 līdz 1.00000 1.00000
46 HDD 0.27299 osd.46 līdz 1.00000 1.00000
47 HDD 0.27299 osd.47 līdz 1.00000 1.00000
48 HDD 0.27299 osd.48 līdz 1.00000 1.00000
49 HDD 0.27299 osd.49 līdz 1.00000 1.00000
50 HDD 0.27299 osd.50 līdz 1.00000 1.00000
51 HDD 0.27299 osd.51 līdz 1.00000 1.00000
52 HDD 0.27299 osd.52 līdz 1.00000 1.00000
53 HDD 0.27299 osd.53 līdz 1.00000 1.00000
54 HDD 0.27299 osd.54 līdz 1.00000 1.00000
55 HDD 0.27299 osd.55 līdz 1.00000 1.00000
56 HDD 0.27299 osd.56 līdz 1.00000 1.00000
57 HDD 0.27299 osd.57 līdz 1.00000 1.00000
58 HDD 0.27299 osd.58 līdz 1.00000 1.00000
59 HDD 0.89999 osd.59 līdz 1.00000 1.00000

Izveidosim paši savus virtuālos statīvus un serverus ar blekdžeku un citām lietām:

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

Problēmas, ar kurām mēs saskārāmies cīnīties klasteris, mēģinot izveidot jaunu resursdatoru un pārvietot to uz esošu plauktu - komanda ceph osd simpātiju pārvietot ceph01-host root=rack01 sastinga, un monitori viens pēc otra sāka krist. Pārtraucot komandu, izmantojot vienkāršu taustiņu CTRL+C, kopa tika atgriezta dzīvo pasaulē.

Meklēšana parādīja šo problēmu: https://tracker.ceph.com/issues/23386

Risinājums izrādījās izgāzt crushmap un noņemt no turienes sekciju noteikums 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

Akhtung: Šī darbība var izraisīt izvietojumu grupas līdzsvarošanu starp OSD. Tas mums to izraisīja, bet ļoti maz.

Un dīvainā lieta, ko mēs sastapām testa klasterī, bija tāda, ka pēc OSD servera pārstartēšanas viņi aizmirsa, ka ir pārvietoti uz jauniem serveriem un plauktiem, un atgriezās pie saknes noklusējuma.
Rezultātā, sastādot galīgo shēmu, kurā mēs izveidojām atsevišķu sakni ssd diskdziņiem un atsevišķu vārpstas diskdziņiem, mēs visus OSD ievietojām plauktos un vienkārši izdzēsām noklusējuma sakni. Pēc atsāknēšanas OSD sāka palikt vietā.
Pēc dokumentācijas vēlākas izpētes mēs atradām parametru, kas ir atbildīgs par šo darbību. Par viņu otrajā daļā

Kā mēs izveidojām dažādas grupas pēc diska veida.

Sākumā mēs izveidojām divas saknes - ssd un hdd

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

Tā kā serveri fiziski atrodas dažādos plauktos, ērtības labad mēs izveidojām plauktus ar serveriem tajos

# 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

un sadalīja diskus atbilstoši to veidiem dažādos serveros

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

Izkliedējot diskus starp ssd-root un hdd-root maršrutiem, mēs atstājām saknes-noklusējumu tukšu, lai varētu to izdzēst

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

Tālāk mums ir jāizveido izplatīšanas noteikumi, kurus saistīsim ar veidojamajiem pūliem - noteikumos norādīsim, kuras saknes var ievietot mūsu pūla datus un replikas unikalitātes līmeni - piemēram, replikām jāatrodas dažādos serveros, vai dažādos plauktos (varat pat dažādās saknēs, ja mums ir šāds sadalījums)

Pirms veida izvēles labāk izlasīt dokumentāciju:
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

Mēs izveidojam pūlus, kuros nākotnē vēlamies saglabāt mūsu virtualizācijas diska attēlus - 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

Un mēs sakām šiem baseiniem, kādus izvietošanas noteikumus izmantot

 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

Izvietojuma grupu skaita izvēlei ir jāpieiet ar jau esošu vīziju par jūsu klasteru - aptuveni cik OSD būs, kāds datu apjoms (procentos no kopējā apjoma) būs baseinā, kāds ir kopējais datu apjoms.

Kopumā diskā nav ieteicams atrasties vairāk par 300 izvietojumu grupām, un būs vieglāk balansēt ar mazām izvietojumu grupām - tas ir, ja viss jūsu baseins aizņem 10 Tb un tajā ir 10 PG, tad balansēšana izmetot terabaitu ķieģeļus (pg) būs problemātiski - vieglāk un vienmērīgāk bērt spaiņos smiltis ar maza izmēra smilšu graudiņiem).

Bet jāatceras, ka jo lielāks ir PG skaits, jo vairāk resursu tiek tērēts to atrašanās vietas aprēķināšanai - sāk izmantot atmiņu un centrālo procesoru.

Aptuvena izpratne var iedod man kalkulatoru, ko nodrošina CEPH dokumentācijas izstrādātāji.

Materiālu saraksts:

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/

Avots: www.habr.com

Ceph - no “uz ceļa” līdz “ražošana”