Selecionando CEPH. Parte 1
Tínhamos cinco racks, dez switches ópticos, BGP configurado, algumas dúzias de SSDs e vários discos SAS de todas as cores e tamanhos, além de proxmox e o desejo de colocar todos os dados estáticos em nosso próprio armazenamento S3. Não que tudo isso seja necessário para a virtualização, mas quando você começar a usar o código aberto, siga seu hobby até o fim. A única coisa que me incomodou foi o BGP. Não há ninguém no mundo mais indefeso, irresponsável e imoral do que o roteamento interno do BGP. E eu sabia que em breve iríamos mergulhar nisso.
A tarefa era trivial – havia o CEPH, mas não funcionou muito bem. Era preciso fazer o “bem”.
O cluster que recebi era heterogêneo, ajustado às pressas e praticamente não ajustado. Consistia em dois grupos de nós diferentes, com uma grade comum atuando tanto como cluster quanto como rede pública. Os nós foram preenchidos com quatro tipos de discos - dois tipos de SSD, coletados em duas regras de posicionamento separadas, e dois tipos de HDD de tamanhos diferentes, coletados em um terceiro grupo. O problema com tamanhos diferentes foi resolvido por diferentes pesos de OSD.
A configuração em si é dividida em duas partes - ajuste do sistema operacional и ajuste do próprio CEPH e suas configurações.
Atualizando o sistema operacional
Network
A alta latência afetou a gravação e o balanceamento. Ao gravar - porque o cliente não receberá uma resposta sobre a gravação bem-sucedida até que as réplicas de dados em outros grupos de posicionamento confirmem o sucesso. Como as regras para distribuição de réplicas no mapa CRUSH eram uma réplica por host, a rede sempre foi utilizada.
Portanto, a primeira coisa que decidi fazer foi ajustar ligeiramente a rede atual, ao mesmo tempo que tentava me convencer a mudar para redes separadas.
Para começar, ajustei as configurações das placas de rede. Comecei configurando filas:
o que aconteceu:
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: 1Percebe-se que os parâmetros atuais estão longe dos máximos. Aumentou:
root@ceph01:~#ethtool -G ens1f0 rx 4096
root@ceph01:~#ethtool -G ens1f0 tx 4096
root@ceph01:~#ethtool -L ens1f0 combined 63Guiado por um excelente artigo
aumentou o comprimento da fila de envio txqueuelen de 1000 a 10
root@ceph01:~#ip link set ens1f0 txqueuelen 10000Bem, seguindo a documentação do próprio ceph
aumentado MTU para 9000.
root@ceph01:~#ip link set dev ens1f0 mtu 9000Adicionado a /etc/network/interfaces para que todos os itens acima sejam carregados na inicialização
cat / etc / network / interfaces
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 9000Depois disso, seguindo o mesmo artigo, comecei a girar cuidadosamente as alças do kernel 4.15. Considerando que os nós possuem 128G de RAM, acabamos com um arquivo de configuração para sysctl
gato /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)Сrede de brilho foi alocado em interfaces de rede separadas de 10 Gbps em uma rede plana separada. Cada máquina foi equipada com placas de rede de porta dupla melanox 10/25 Gbps, conectado a dois switches separados de 10 Gbps. A agregação foi realizada usando OSPF, já que a ligação com o lacp por algum motivo mostrou uma taxa de transferência total de no máximo 16 Gbps, enquanto o ospf utilizou com sucesso ambas as dezenas em cada máquina. Os planos futuros eram aproveitar as vantagens do ROCE nesses melanoxes para reduzir a latência. Como configurar esta parte da rede:
- Como as próprias máquinas possuem endereços IP externos no BGP, precisamos de software - (mais precisamente, no momento da redação deste artigo, era ) já estava de pé.
- No total, as máquinas possuíam duas interfaces de rede, cada uma com duas interfaces – um total de 4 portas. Uma placa de rede veio de fábrica com duas portas e o BGP estava configurado nela, a segunda olhou para dois switches diferentes com duas portas e o OSPF foi configurado nela
Mais detalhes sobre como configurar o OSPF: A principal tarefa é agregar dois links e ter tolerância a falhas.
duas interfaces de rede são configuradas em duas redes planas simples - 10.10.10.0/24 e 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 ens1f1pelo qual os carros se veem.
DISCO
O próximo passo foi otimizar os discos. Para SSD mudei o agendador para não, para HDD - prazo de entrega. Para ser franco, o NOOP funciona com base no princípio “primeiro a entrar, primeiro a sair”, que em inglês soa como “FIFO (First In, First Out)”. As solicitações são enfileiradas à medida que chegam. DEADLINE é mais orientado para leitura, além do processo enfileirado obter acesso quase exclusivo ao disco no momento da operação. Isso é perfeito para o nosso sistema - afinal, apenas um processo funciona com cada disco - o daemon OSD.
(Aqueles que desejam se aprofundar no agendador de E/S podem ler sobre isso aqui:
Aqueles que preferem ler em russo: )
Nas recomendações para ajuste do Linux, também é recomendado aumentar nr_request
nr_requests
O valor de nr_requests determina a quantidade de solicitações de E/S que são armazenadas em buffer antes que o agendador de E/S envie/receba dados para o dispositivo de bloco, se você estiver usando uma placa RAID/dispositivo de bloco que pode lidar com uma fila maior do que a que eu /O está definido como, aumentar o valor de nr_requests pode ajudar a melhorar e reduzir a carga do servidor quando grandes quantidades de E/S ocorrem no servidor. Se você estiver usando Deadline ou CFQ como agendador, sugere-se que você defina o valor de nr_request como 2 vezes o valor da profundidade da fila.
MAS! Os próprios cidadãos, os criadores do CEPH, convencem-nos de que o seu sistema de prioridades funciona melhor
WBThrottle e/ou nr_requests
WBThrottle e/ou nr_requests
O armazenamento de arquivos usa E/S em buffer para gravação; isso traz vários benefícios se o log de armazenamento de arquivos estiver em uma mídia mais rápida. As solicitações do cliente são notificadas assim que os dados são gravados no log e, posteriormente, são descarregados no próprio disco de dados usando a funcionalidade padrão do Linux. Isso possibilita que os OSDs do fuso forneçam latência de gravação semelhante à dos SSDs ao gravar em pequenas rajadas. Esse write-back atrasado também permite que o próprio kernel reorganize as solicitações de E/S do disco, com a esperança de mesclá-las ou permitir que os cabeçotes de disco existentes escolham algum caminho mais ideal em seus pratos. O efeito final é que você pode extrair um pouco mais de E/S de cada disco do que seria possível com E/S direta ou síncrona.
No entanto, surge um certo problema se o volume de registros recebidos em um determinado cluster do Ceph exceder todos os recursos dos discos subjacentes. Nesse cenário, o número total de operações de E/S pendentes aguardando para serem gravadas no disco pode crescer incontrolavelmente e resultar em filas de E/S preenchendo todo o disco e as filas do Ceph. As solicitações de leitura são particularmente afetadas porque ficam presas entre as solicitações de gravação, o que pode levar vários segundos para serem liberadas para o disco primário.
Para superar esse problema, o Ceph possui um mecanismo de limitação de write-back integrado ao armazenamento de arquivos chamado WBThrottle. Ele foi projetado para limitar a quantidade geral de E/S de gravação lenta que pode entrar na fila e iniciar seu processo de liberação antes do que ocorreria naturalmente devido à ativação pelo próprio kernel. Infelizmente, os testes demonstram que os valores padrão ainda podem não reduzir o comportamento existente a um nível que possa reduzir esse impacto na latência de leitura. Os ajustes podem alterar esse comportamento e reduzir o comprimento geral da fila de gravação e tornar esse impacto menos grave. Porém, há uma compensação: ao reduzir o número máximo geral de entradas que podem ser enfileiradas, você pode reduzir a capacidade do próprio kernel de maximizar sua eficiência na ordenação de solicitações recebidas. Vale a pena pensar um pouco sobre o que você precisa mais para seu caso de uso específico, cargas de trabalho e ajustar para adequá-los.
Para controlar a profundidade dessa fila de pendências de gravação, você pode reduzir o número máximo geral de operações de E/S pendentes usando configurações WBThrottle ou pode reduzir o valor máximo para operações pendentes no nível de bloco do próprio kernel. Ambos podem controlar efetivamente o mesmo comportamento, e suas preferências serão a base para implementar essa configuração.
Também deve ser observado que o sistema de prioridade de operação do Ceph é mais eficiente para consultas mais curtas no nível do disco. Ao reduzir a fila geral para um determinado disco, o local principal da fila passa para o Ceph, onde ele tem mais controle sobre a prioridade da operação de E/S. Considere o seguinte exemplo:
echo 8 > /sys/block/sda/queue/nr_requestsCOMUM
E mais alguns ajustes no kernel para deixar seu carro macio e sedoso e extrair um pouco mais de desempenho do hardware
gato /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. Imersão no CEPH
Configurações que gostaria de abordar com mais detalhes:
gato /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: 4Alguns dos parâmetros testados para controle de qualidade na versão 12.2.12 estão ausentes no ceph versão 12.2.2, por exemplo osd_recovery_threads. Portanto, os planos incluíam uma atualização na produção para 12.2.12. A prática mostrou compatibilidade entre as versões 12.2.2 e 12.2.12 em um cluster, o que permite atualizações contínuas.
Cluster de teste
Naturalmente, para testar era necessário ter a mesma versão da batalha, mas na época em que comecei a trabalhar com o cluster, apenas a mais nova estava disponível no repositório. Depois de olhar, o que você pode discernir na versão secundária não é muito grande (1393 linhas em configurações contra 1436 na nova versão), decidimos começar a testar a nova (atualizando de qualquer maneira, por que usar lixo antigo)
A única coisa que tentamos deixar para trás da versão antiga é o pacote ceph-deploy já que alguns dos utilitários (e alguns dos funcionários) foram adaptados à sua sintaxe. A nova versão era bem diferente, mas não afetou o funcionamento do cluster em si, ficando na versão 1.5.39
Como o comando ceph-disk diz claramente que está obsoleto e use o comando ceph-volume, queridos, começamos a criar OSDs com este comando, sem perder tempo com os desatualizados.
O plano era criar um espelho de duas unidades SSD nas quais colocaríamos logs OSD, que, por sua vez, estão localizados em SASs de fuso. Desta forma podemos nos proteger de problemas de dados caso o disco com o log caia.
Começamos a criar um cluster de acordo com a documentação
gato /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-qA primeira coisa que encontrei ao trabalhar com esta versão do ceph-deploy com um cluster versão 12.2.12 foi um erro ao tentar criar um OSD com db em um ataque de software -
root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sde --block.db /dev/md0
blkid could not detect a PARTUUID for device: /dev/md1Na verdade, blkid não parece ser PARTUUID, então tive que criar partições manualmente:
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; doneParece que tudo está pronto, tentamos criar o OSD novamente e obtemos o seguinte erro (que, aliás, não foi reproduzido na batalha)
ao criar um OSD do tipo bluestore sem especificar o caminho para WAL, mas especificando 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 argumenAlém disso, se no mesmo espelho (ou em outro local de sua escolha) você criar outra partição para WAL e especificá-la ao criar o OSD, então tudo correrá bem (exceto pelo aparecimento de um WAL separado, que você pode não queria).
Mas, como ainda estava nos planos distantes a transferência do WAL para o NVMe, a prática não se revelou supérflua.
root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sdf --block.wal /dev/md0p2 --block.db /dev/md1p2Criei monitores, gerenciadores e OSD. Agora gostaria de agrupá-los de forma diferente, porque pretendo ter diferentes tipos de discos - pools rápidos em SSD e pools grandes, mas lentos, em panquecas SAS.
Vamos supor que os servidores tenham 20 discos, os dez primeiros são de um tipo, os segundos são de outro.
O cartão inicial padrão é assim:
árvore ceph osd
root@ceph01-q:~# árvore ceph osd
ID CLASSE PESO TIPO NOME STATUS REPESO PRI-AFF
-1 14.54799 raiz padrão
-3 9.09200 hospedeiro ceph01-q
0 ssd 1.00000 osd.0 até 1.00000 1.00000
1 ssd 1.00000 osd.1 até 1.00000 1.00000
2 ssd 1.00000 osd.2 até 1.00000 1.00000
3 ssd 1.00000 osd.3 até 1.00000 1.00000
4 disco rígido 1.00000 osd.4 até 1.00000 1.00000
5 disco rígido 0.27299 osd.5 até 1.00000 1.00000
6 disco rígido 0.27299 osd.6 até 1.00000 1.00000
7 disco rígido 0.27299 osd.7 até 1.00000 1.00000
8 disco rígido 0.27299 osd.8 até 1.00000 1.00000
9 disco rígido 0.27299 osd.9 até 1.00000 1.00000
10 disco rígido 0.27299 osd.10 até 1.00000 1.00000
11 disco rígido 0.27299 osd.11 até 1.00000 1.00000
12 disco rígido 0.27299 osd.12 até 1.00000 1.00000
13 disco rígido 0.27299 osd.13 até 1.00000 1.00000
14 disco rígido 0.27299 osd.14 até 1.00000 1.00000
15 disco rígido 0.27299 osd.15 até 1.00000 1.00000
16 disco rígido 0.27299 osd.16 até 1.00000 1.00000
17 disco rígido 0.27299 osd.17 até 1.00000 1.00000
18 disco rígido 0.27299 osd.18 até 1.00000 1.00000
19 disco rígido 0.27299 osd.19 até 1.00000 1.00000
-5 5.45599 hospedeiro ceph02-q
20 ssd 0.27299 osd.20 até 1.00000 1.00000
21 ssd 0.27299 osd.21 até 1.00000 1.00000
22 ssd 0.27299 osd.22 até 1.00000 1.00000
23 ssd 0.27299 osd.23 até 1.00000 1.00000
24 disco rígido 0.27299 osd.24 até 1.00000 1.00000
25 disco rígido 0.27299 osd.25 até 1.00000 1.00000
26 disco rígido 0.27299 osd.26 até 1.00000 1.00000
27 disco rígido 0.27299 osd.27 até 1.00000 1.00000
28 disco rígido 0.27299 osd.28 até 1.00000 1.00000
29 disco rígido 0.27299 osd.29 até 1.00000 1.00000
30 disco rígido 0.27299 osd.30 até 1.00000 1.00000
31 disco rígido 0.27299 osd.31 até 1.00000 1.00000
32 disco rígido 0.27299 osd.32 até 1.00000 1.00000
33 disco rígido 0.27299 osd.33 até 1.00000 1.00000
34 disco rígido 0.27299 osd.34 até 1.00000 1.00000
35 disco rígido 0.27299 osd.35 até 1.00000 1.00000
36 disco rígido 0.27299 osd.36 até 1.00000 1.00000
37 disco rígido 0.27299 osd.37 até 1.00000 1.00000
38 disco rígido 0.27299 osd.38 até 1.00000 1.00000
39 disco rígido 0.27299 osd.39 até 1.00000 1.00000
-7 6.08690 hospedeiro ceph03-q
40 ssd 0.27299 osd.40 até 1.00000 1.00000
41 ssd 0.27299 osd.41 até 1.00000 1.00000
42 ssd 0.27299 osd.42 até 1.00000 1.00000
43 ssd 0.27299 osd.43 até 1.00000 1.00000
44 disco rígido 0.27299 osd.44 até 1.00000 1.00000
45 disco rígido 0.27299 osd.45 até 1.00000 1.00000
46 disco rígido 0.27299 osd.46 até 1.00000 1.00000
47 disco rígido 0.27299 osd.47 até 1.00000 1.00000
48 disco rígido 0.27299 osd.48 até 1.00000 1.00000
49 disco rígido 0.27299 osd.49 até 1.00000 1.00000
50 disco rígido 0.27299 osd.50 até 1.00000 1.00000
51 disco rígido 0.27299 osd.51 até 1.00000 1.00000
52 disco rígido 0.27299 osd.52 até 1.00000 1.00000
53 disco rígido 0.27299 osd.53 até 1.00000 1.00000
54 disco rígido 0.27299 osd.54 até 1.00000 1.00000
55 disco rígido 0.27299 osd.55 até 1.00000 1.00000
56 disco rígido 0.27299 osd.56 até 1.00000 1.00000
57 disco rígido 0.27299 osd.57 até 1.00000 1.00000
58 disco rígido 0.27299 osd.58 até 1.00000 1.00000
59 disco rígido 0.89999 osd.59 até 1.00000 1.00000
Vamos criar nossos próprios racks e servidores virtuais com blackjack e outras coisas:
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 rack01Os problemas que encontramos em combate cluster, ao tentar criar um novo host e movê-lo para um rack existente - comando ceph osd esmagamento mover ceph01-host root=rack01 congelou e os monitores começaram a cair um por um. Abortar o comando com um simples CTRL+C retornou o cluster ao mundo dos vivos.
Uma pesquisa mostrou este problema:
A solução acabou sendo despejar o crushmap e remover a seção de lá regra 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 кластерAchtung: Esta operação pode causar um reequilíbrio do grupo de posicionamento entre os OSDs. Isso causou isso para nós, mas muito pouco.
E o estranho que encontramos no cluster de teste foi que após reiniciar o servidor OSD, eles esqueceram que haviam sido movidos para novos servidores e racks e retornaram ao padrão raiz.
Como resultado, tendo montado o esquema final no qual criamos uma raiz separada para drives SSD e outra separada para drives spindle, colocamos todos os OSDs em racks e simplesmente excluímos a raiz padrão. Após a reinicialização, o OSD começou a permanecer no lugar.
Depois de examinar a documentação posteriormente, encontramos um parâmetro responsável por esse comportamento. Sobre ele na segunda parte
Como criamos diferentes grupos por tipo de disco.
Para começar, criamos duas raízes - para SSD e para HDD
root@ceph01-q:~#ceph osd crush add-bucket ssd-root root
root@ceph01-q:~#ceph osd crush add-bucket hdd-root rootComo os servidores estão fisicamente localizados em racks diferentes, por conveniência criamos racks com servidores neles
# 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 hoste distribuiu os discos de acordo com seus tipos em diferentes servidores
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 серверамиDepois de espalhar os discos entre as rotas ssd-root e hdd-root, deixamos o root-default vazio, para que possamos excluí-lo
root-ceph01-q:~#ceph osd crush remove defaultEm seguida, precisamos criar regras de distribuição que vincularemos aos pools que estão sendo criados - nas regras indicaremos quais raízes podem colocar os dados do nosso pool e o nível de exclusividade da réplica - por exemplo, as réplicas devem estar em servidores diferentes, ou em racks diferentes (você pode até em raízes diferentes, se tivermos essa distribuição)
Antes de escolher um tipo, é melhor ler a documentação:
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 firstnPois bem, criamos pools nos quais queremos armazenar imagens de disco da nossa virtualização no futuro - 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 1024E dizemos a esses pools quais regras de posicionamento usar
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
A escolha do número de grupos de colocação deve ser abordada com uma visão pré-existente para o seu cluster - aproximadamente quantos OSDs estarão lá, qual quantidade de dados (como uma porcentagem do volume total) estará no pool, o que é a quantidade total de dados.
No total, é aconselhável não ter mais de 300 grupos de posicionamento no disco, e será mais fácil equilibrar com pequenos grupos de posicionamento - ou seja, se todo o seu pool ocupar 10 TB e houver 10 PG nele - então equilibrar jogando tijolos de terabyte (pg) será problemático - despeje areia com grãos de areia de tamanho pequeno em baldes de maneira mais fácil e uniforme).
Mas devemos lembrar que quanto maior o número de PGs, mais recursos são gastos no cálculo de sua localização - memória e CPU passam a ser utilizadas.
Uma compreensão aproximada pode , fornecido pelos desenvolvedores da documentação do CEPH.
Lista de materiais:
Fonte: habr.com