Kami mempunyai lima rak, sepuluh suis optik, BGP yang dikonfigurasikan, beberapa dozen SSD dan sekumpulan cakera SAS semua warna dan saiz, serta proxmox dan keinginan untuk meletakkan semua data statik ke dalam storan S3 kami sendiri. Bukan semua ini diperlukan untuk virtualisasi, tetapi sebaik sahaja anda mula menggunakan sumber terbuka, kemudian ikuti hobi anda hingga akhir. Satu-satunya perkara yang mengganggu saya ialah BGP. Tidak ada orang di dunia yang lebih tidak berdaya, tidak bertanggungjawab dan tidak bermoral daripada penghalaan BGP dalaman. Dan saya tahu bahawa tidak lama lagi kita akan menyelaminya.
Tugas itu remeh - terdapat CEPH, tetapi ia tidak berfungsi dengan baik. Ia adalah perlu untuk melakukan "kebaikan".
Kelompok yang saya terima adalah heterogen, ditala secara tergesa-gesa dan boleh dikatakan tidak ditala. Ia terdiri daripada dua kumpulan nod yang berbeza, dengan satu grid biasa bertindak sebagai kluster dan rangkaian awam. Nod telah diisi dengan empat jenis cakera - dua jenis SSD, dikumpulkan dalam dua peraturan peletakan berasingan, dan dua jenis HDD dengan saiz yang berbeza, dikumpulkan dalam kumpulan ketiga. Masalah dengan saiz yang berbeza telah diselesaikan oleh berat OSD yang berbeza.
Persediaan itu sendiri dibahagikan kepada dua bahagian - penalaan sistem pengendalian и penalaan CEPH itu sendiri dan tetapannya.
Menaik taraf OS
rangkaian
Kependaman tinggi menjejaskan kedua-dua rakaman dan pengimbangan. Semasa merakam - kerana pelanggan tidak akan menerima respons tentang rakaman yang berjaya sehingga replika data dalam kumpulan peletakan lain mengesahkan kejayaan. Memandangkan peraturan untuk mengedarkan replika dalam peta CRUSH ialah satu replika bagi setiap hos, rangkaian sentiasa digunakan.
Oleh itu, perkara pertama yang saya putuskan untuk lakukan ialah mengubah sedikit rangkaian semasa, sementara pada masa yang sama cuba meyakinkan saya untuk berpindah ke rangkaian yang berasingan.
Sebagai permulaan, saya mengubah tetapan kad rangkaian. Saya mulakan dengan menyediakan baris gilir:
Ditambah pada /etc/network/interfaces supaya semua perkara di atas dimuatkan semasa permulaan
cat / etc / network / antaramuka
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
Selepas itu, selepas artikel yang sama, saya mula memutarkan pemegang kernel 4.15 dengan teliti. Memandangkan nod mempunyai 128G RAM, kami mempunyai fail konfigurasi untuk 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)
Сrangkaian kilauan telah diperuntukkan pada antara muka rangkaian 10Gbps yang berasingan ke dalam rangkaian rata yang berasingan. Setiap mesin dilengkapi dengan kad rangkaian dwi-port mellanox 10/25 Gbps, dipalamkan ke dalam dua suis 10Gbps berasingan. Pengagregatan telah dijalankan menggunakan OSPF, kerana ikatan dengan lacp atas sebab tertentu menunjukkan jumlah daya pengeluaran maksimum 16 Gbps, manakala ospf berjaya menggunakan kedua-dua puluh pada setiap mesin. Rancangan masa depan adalah untuk memanfaatkan ROCE pada melanox ini untuk mengurangkan kependaman. Bagaimana untuk menyediakan bahagian rangkaian ini:
Memandangkan mesin itu sendiri mempunyai alamat IP luaran pada BGP, kami memerlukan perisian - (lebih tepat lagi, pada masa menulis artikel ini adalah frr=6.0-1 ) sudah berdiri.
Secara keseluruhan, mesin mempunyai dua antara muka rangkaian, masing-masing dengan dua antara muka - sejumlah 4 port. Satu kad rangkaian melihat kilang dengan dua port dan BGP telah dikonfigurasikan padanya, yang kedua melihat dua suis berbeza dengan dua port dan OSPF telah ditetapkan padanya
Butiran lanjut mengenai penyediaan OSPF: Tugas utama adalah untuk mengagregatkan dua pautan dan mempunyai toleransi kesalahan.
dua antara muka rangkaian dikonfigurasikan menjadi dua rangkaian rata ringkas - 10.10.10.0/24 dan 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
yang mana kereta melihat satu sama lain.
DISK
Langkah seterusnya ialah mengoptimumkan cakera. Untuk SSD saya menukar penjadual kepada tiada, untuk HDD - tarikh akhir. Secara terang-terangan, NOOP berfungsi berdasarkan prinsip "masuk dahulu, keluar dahulu," yang dalam bahasa Inggeris berbunyi seperti "FIFO (Masuk Pertama, Keluar Dahulu)." Permintaan beratur semasa ia tiba. TARIKH AKHIR adalah lebih berorientasikan baca, ditambah dengan proses beratur mendapat akses hampir eksklusif kepada cakera pada masa operasi. Ini sesuai untuk sistem kami - lagipun, hanya satu proses yang berfungsi dengan setiap cakera - daemon OSD.
(Mereka yang ingin menyelami penjadual I/O boleh membaca mengenainya di sini: http://www.admin-magazine.com/HPC/Articles/Linux-I-O-Schedulers
Dalam cadangan untuk menala Linux, ia juga disyorkan untuk meningkatkan nr_request
nr_requests
Nilai nr_requests menentukan jumlah permintaan I/O yang mendapat penimbal sebelum penjadual I/O menghantar / menerima data ke peranti blok, jika anda menggunakan kad RAID / Peranti Sekat yang boleh mengendalikan baris gilir yang lebih besar daripada apa yang I /O penjadual ditetapkan kepada, menaikkan nilai nr_requests boleh membantu untuk menambah baik sepanjang dan mengurangkan beban pelayan apabila sejumlah besar I/O berlaku pada pelayan. Jika anda menggunakan Tarikh Akhir atau CFQ sebagai penjadual, anda dicadangkan untuk menetapkan nilai nr_request kepada 2 kali ganda nilai kedalaman baris gilir.
TAPI! Rakyat sendiri, pemaju CEPH, meyakinkan kita bahawa sistem keutamaan mereka berfungsi dengan lebih baik
WBTthrottle dan/atau nr_requests
WBTthrottle dan/atau nr_requests
Storan fail menggunakan buffer I/O untuk menulis; ini membawa beberapa faedah jika log storan fail berada pada media yang lebih pantas. Permintaan pelanggan dimaklumkan sebaik sahaja data ditulis pada log, dan kemudian dibuang ke cakera data itu sendiri pada masa yang lain menggunakan fungsi Linux standard. Ini membolehkan OSD gelendong menyediakan kependaman tulis yang serupa dengan SSD apabila menulis dalam pecahan kecil. Tulis balik yang tertunda ini juga membolehkan kernel itu sendiri menyusun semula permintaan I/O cakera, dengan harapan sama ada menggabungkannya bersama-sama atau membenarkan kepala cakera sedia ada memilih beberapa laluan yang lebih optimum di atas pinggannya. Kesan bersih ialah anda boleh memerah lebih sedikit I/O daripada setiap cakera daripada yang mungkin dilakukan dengan I/O langsung atau segerak.
Walau bagaimanapun, masalah tertentu timbul jika jumlah rekod masuk ke kluster Ceph tertentu melebihi semua keupayaan cakera asas. Dalam senario ini, jumlah operasi I/O yang belum selesai menunggu untuk ditulis pada cakera boleh berkembang tanpa kawalan dan mengakibatkan baris gilir I/O memenuhi keseluruhan cakera dan baris gilir Ceph. Permintaan baca sangat terkesan kerana ia tersekat antara permintaan tulis, yang boleh mengambil masa beberapa saat untuk disiram ke cakera utama.
Untuk mengatasi masalah ini, Ceph mempunyai mekanisme pendikit tulis balik yang dibina ke dalam storan fail yang dipanggil WBThrottle. Ia direka untuk mengehadkan jumlah keseluruhan I/O tulis malas yang boleh beratur dan memulakan proses siramnya lebih awal daripada yang akan berlaku secara semula jadi kerana didayakan oleh kernel itu sendiri. Malangnya, ujian menunjukkan bahawa nilai lalai mungkin masih tidak mengurangkan tingkah laku sedia ada ke tahap yang boleh mengurangkan kesan ini pada kependaman baca. Pelarasan boleh mengubah tingkah laku ini dan mengurangkan keseluruhan panjang baris gilir tulis dan menjadikan kesan ini kurang teruk. Terdapat pertukaran, walau bagaimanapun: dengan mengurangkan bilangan maksimum keseluruhan entri yang dibenarkan untuk beratur, anda boleh mengurangkan keupayaan kernel itu sendiri untuk memaksimumkan kecekapannya dalam memesan permintaan masuk. Perlu difikirkan sedikit tentang perkara yang anda perlukan lagi untuk kes penggunaan khusus anda, beban kerja dan pelarasan agar sesuai dengannya.
Untuk mengawal kedalaman baris gilir tulis-tunggak, anda boleh sama ada mengurangkan bilangan maksimum keseluruhan operasi I/O tertunggak menggunakan tetapan WBThrottle, atau anda boleh mengurangkan nilai maksimum untuk operasi tertunggak pada tahap blok kernel anda sendiri. Kedua-duanya boleh mengawal tingkah laku yang sama dengan berkesan dan pilihan anda akan menjadi asas untuk melaksanakan tetapan ini.
Ia juga harus diperhatikan bahawa sistem keutamaan operasi Ceph adalah lebih cekap untuk pertanyaan yang lebih pendek pada peringkat cakera. Dengan mengecilkan baris gilir keseluruhan ke cakera tertentu, lokasi utama baris gilir bergerak ke Ceph, di mana ia mempunyai lebih kawalan ke atas keutamaan operasi I/O. Pertimbangkan contoh berikut:
Dan beberapa lagi tweak kernel untuk menjadikan kereta anda lembut dan selembut sutera dan memerah sedikit prestasi daripada perkakasan
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.
Rendaman dalam CEPH
Tetapan yang saya ingin bincangkan dengan lebih terperinci:
kucing /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
Beberapa parameter yang telah diuji untuk QA pada versi 12.2.12 tiada dalam ceph versi 12.2.2, contohnya osd_recovery_threads. Oleh itu, rancangan itu termasuk kemas kini pengeluaran kepada 12.2.12. Amalan telah menunjukkan keserasian antara versi 12.2.2 dan 12.2.12 dalam satu kelompok, yang membolehkan kemas kini bergulir.
Kelompok ujian
Sememangnya, untuk ujian adalah perlu untuk mempunyai versi yang sama seperti dalam pertempuran, tetapi pada masa saya mula bekerja dengan kluster, hanya yang lebih baru tersedia dalam repositori. Setelah melihat, apa yang anda boleh bezakan dalam versi kecil tidaklah terlalu besar (1393 baris dalam konfigurasi terhadap 1436 dalam versi baharu), kami memutuskan untuk mula menguji yang baharu (mengemas kini juga, mengapa perlu menggunakan sampah lama)
Satu-satunya perkara yang kami cuba tinggalkan versi lama ialah pakej ceph-deploy kerana beberapa utiliti (dan beberapa pekerja) telah disesuaikan dengan sintaksnya. Versi baharu agak berbeza, tetapi tidak menjejaskan operasi kluster itu sendiri, dan ia ditinggalkan dalam versi 1.5.39
Oleh kerana arahan ceph-disk dengan jelas mengatakan bahawa ia tidak digunakan lagi dan menggunakan perintah ceph-volume, sayang, kami mula mencipta OSD dengan arahan ini, tanpa membuang masa untuk yang lapuk.
Rancangannya adalah untuk mencipta cermin dua pemacu SSD di mana kami akan meletakkan log OSD, yang, seterusnya, terletak pada SAS gelendong. Dengan cara ini kita boleh melindungi diri kita daripada masalah dengan data jika cakera dengan log jatuh.
Kami mula membuat kluster mengikut dokumentasi
kucing /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
Perkara pertama yang saya temui semasa bekerja dengan versi ceph-deploy dengan versi kluster 12.2.12 ialah ralat semasa cuba mencipta OSD dengan db pada serbuan perisian -
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
Memang, blkid nampaknya bukan PARTUUID, jadi saya terpaksa membuat partition secara 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
Segala-galanya nampaknya sudah siap, kami cuba mencipta OSD sekali lagi dan mendapatkan ralat berikut (yang, dengan cara itu, tidak diterbitkan semula dalam pertempuran)
apabila mencipta OSD jenis bluestore tanpa menyatakan laluan ke WAL, tetapi menentukan db
Lebih-lebih lagi, jika pada cermin yang sama (atau di tempat lain, pilihan anda) anda membuat partition lain untuk WAL dan menentukannya semasa mencipta OSD, maka semuanya akan berjalan dengan lancar (kecuali penampilan WAL yang berasingan, yang anda mungkin tidak telah mahu).
Tetapi, memandangkan masih dalam rancangan jauh untuk memindahkan WAL ke NVMe, amalan itu ternyata tidak diperlukan.
Mencipta monitor, pengurus dan OSD. Sekarang saya ingin mengumpulkannya secara berbeza, kerana saya bercadang untuk mempunyai jenis cakera yang berbeza - kumpulan pantas pada SSD dan kumpulan besar tetapi perlahan pada penkek SAS.
Mari kita anggap bahawa pelayan mempunyai 20 cakera, sepuluh yang pertama adalah satu jenis, yang kedua adalah yang lain.
Kad awal, lalai, kelihatan seperti ini:
Mari kita cipta rak dan pelayan maya kita sendiri dengan blackjack dan perkara lain:
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 yang kami hadapi dalam pertempuran cluster, apabila cuba mencipta hos baharu dan mengalihkannya ke rak - arahan sedia ada ceph osd crush move ceph01-host root=rack01 membeku, dan monitor mula jatuh satu demi satu. Menggugurkan arahan dengan CTRL+C mudah mengembalikan gugusan ke dunia orang yang hidup.
Penyelesaiannya adalah dengan membuang crushmap dan mengalih keluar bahagian dari sana peraturan 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: Operasi ini boleh menyebabkan pengimbangan semula kumpulan peletakan antara OSD. Ia menyebabkan ini kepada kami, tetapi sangat sedikit.
Dan perkara pelik yang kami temui dalam kluster ujian ialah selepas but semula pelayan OSD, mereka terlupa bahawa ia telah dipindahkan ke pelayan dan rak baharu, dan kembali ke lalai akar.
Akibatnya, setelah memasang skema terakhir di mana kami mencipta akar berasingan untuk pemacu ssd dan yang berasingan untuk pemacu gelendong, kami membawa semua OSD ke dalam rak dan memadamkan akar lalai sahaja. Selepas but semula, OSD mula kekal di tempatnya. Selepas menggali dokumentasi kemudian, kami menemui parameter yang bertanggungjawab untuk tingkah laku ini. Tentang dia di bahagian kedua
Cara kami membuat kumpulan berbeza mengikut jenis cakera.
Sebagai permulaan, kami mencipta dua akar - untuk ssd dan untuk hdd
dan mengedarkan cakera mengikut jenisnya ke dalam pelayan yang berbeza
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
Setelah menaburkan cakera di antara laluan ssd-root dan hdd-root, kami membiarkan lalai akar kosong, jadi kami boleh memadamkannya
root-ceph01-q:~#ceph osd crush remove default
Seterusnya, kita perlu membuat peraturan pengedaran yang akan kita ikat pada kumpulan yang dibuat - dalam peraturan itu kita akan menunjukkan akar mana yang boleh meletakkan data kumpulan kami dan tahap keunikan replika - contohnya, replika mesti berada pada pelayan yang berbeza, atau dalam rak yang berbeza (anda boleh juga dalam akar yang berbeza, jika kami mempunyai pengedaran sedemikian)
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
Nah, kami mencipta kumpulan di mana kami ingin menyimpan imej cakera virtualisasi kami pada masa hadapan - 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
Dan kami memberitahu kumpulan ini peraturan peletakan yang hendak digunakan
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 bilangan kumpulan peletakan mesti didekati dengan visi sedia ada untuk kluster anda - kira-kira berapa banyak OSD yang akan ada, berapa jumlah data (sebagai peratusan daripada jumlah volum) akan berada dalam kumpulan, apakah jumlah data.
Secara keseluruhan, adalah dinasihatkan untuk tidak mempunyai lebih daripada 300 kumpulan peletakan pada cakera, dan akan lebih mudah untuk mengimbangi dengan kumpulan peletakan kecil - iaitu, jika keseluruhan kolam anda mengambil 10 Tb dan mempunyai 10 PG di dalamnya - kemudian mengimbangi dengan membaling batu bata terabait (pg) akan menjadi masalah - tuang pasir dengan butiran pasir bersaiz kecil ke dalam baldi dengan lebih mudah dan sekata).
Tetapi kita mesti ingat bahawa lebih banyak bilangan PG, lebih banyak sumber dibelanjakan untuk mengira lokasi mereka - memori dan CPU mula digunakan.
Pemahaman yang kasar boleh berikan saya kalkulator, disediakan oleh pembangun dokumentasi CEPH.