Výber CEPH. Časť 1
Mali sme päť rackov, desať optických prepínačov, nakonfigurované BGP, pár desiatok SSD a kopu SAS diskov všetkých farieb a veľkostí, ako aj proxmox a túžbu umiestniť všetky statické dáta do vlastného úložiska S3. Nie, že by toto všetko bolo potrebné na virtualizáciu, ale keď začnete používať opensource, dodržujte svoje hobby až do konca. Jediné, čo mi vadilo, bol BGP. Na svete nie je nikto bezmocnejší, nezodpovednejší a nemorálnejší ako interné smerovanie BGP. A vedel som, že čoskoro sa do toho ponoríme.
Úloha bola triviálna - bol tam CEPH, ale nefungovalo to veľmi dobre. Bolo potrebné konať „dobro“.
Klaster, ktorý som dostal, bol heterogénny, narýchlo naladený a prakticky nenaladený. Pozostával z dvoch skupín rôznych uzlov, pričom jedna spoločná sieť fungovala ako klaster aj ako verejná sieť. Uzly boli vyplnené štyrmi typmi diskov – dvoma typmi SSD, zhromaždenými v dvoch samostatných pravidlách umiestnenia, a dvomi typmi HDD rôznych veľkostí, zhromaždenými v tretej skupine. Problém s rôznymi veľkosťami vyriešili rôzne hmotnosti OSD.
Samotné nastavenie je rozdelené na dve časti - ladenie operačného systému и ladenie samotného CEPH a jeho nastavenia.
Aktualizácia OS
sieť
Vysoká latencia ovplyvnila nahrávanie aj vyváženie. Pri nahrávaní - pretože klient nedostane odpoveď o úspešnom nahrávaní, kým repliky údajov v iných skupinách umiestnení nepotvrdia úspech. Keďže pravidlá pre distribúciu replík v mape CRUSH boli jedna replika na hostiteľa, vždy sa použila sieť.
Prvá vec, ktorú som sa rozhodol urobiť, bolo mierne upraviť súčasnú sieť a zároveň sa ma snažiť presvedčiť, aby som prešiel na samostatné siete.
Na začiatok som upravil nastavenia sieťových kariet. Začal som nastavením frontov:
čo sa stalo:
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: 1Je vidieť, že súčasné parametre majú k maximám ďaleko. Zvýšené:
root@ceph01:~#ethtool -G ens1f0 rx 4096
root@ceph01:~#ethtool -G ens1f0 tx 4096
root@ceph01:~#ethtool -L ens1f0 combined 63Riadené výborným článkom
zvýšili dĺžku frontu na odosielanie txqueuelen od 1000 10 do 000 XNUMX
root@ceph01:~#ip link set ens1f0 txqueuelen 10000No, po dokumentácii samotného ceph
zvýšená MTU na 9000.
root@ceph01:~#ip link set dev ens1f0 mtu 9000Pridané do /etc/network/interfaces, aby sa všetko vyššie načítalo pri štarte
mačka / 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 9000Potom som podľa toho istého článku začal zamyslene krútiť kľučkami jadra 4.15. Vzhľadom na to, že uzly majú 128G RAM, skončili sme s konfiguračným súborom pre 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)Сlesková sieť bola alokovaná na samostatných 10Gbps sieťových rozhraniach do samostatnej plochej siete. Každý stroj bol vybavený dvojportovými sieťovými kartami melanox 10/25 Gbps, zapojené do dvoch samostatných 10Gbps prepínačov. Agregácia sa uskutočnila pomocou OSPF, pretože bonding s lacp z nejakého dôvodu ukázal celkovú priepustnosť maximálne 16 Gbps, zatiaľ čo ospf úspešne využil obe desiatky na každom stroji. Budúce plány boli využiť ROCE na týchto melanoxoch na zníženie latencie. Ako nastaviť túto časť siete:
- Keďže samotné stroje majú externé IP adresy na BGP, potrebujeme softvér - (presnejšie v čase písania tohto článku to bolo ) už stál.
- Celkovo mali stroje dve sieťové rozhrania, každé s dvomi rozhraniami – spolu 4 porty. Jedna sieťová karta sa pozerala na továreň s dvoma portami a bolo na nej nakonfigurované BGP, druhá na dva rôzne prepínače s dvoma portami a bolo na nej nastavené OSPF
Viac podrobností o nastavení OSPF: Hlavnou úlohou je agregovať dve prepojenia a mať odolnosť voči chybám.
dve sieťové rozhrania sú nakonfigurované do dvoch jednoduchých plochých sietí - 10.10.10.0/24 a 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 ens1f1ktorými sa autá navzájom vidia.
DISK
Ďalším krokom bola optimalizácia diskov. Pre SSD som zmenil plánovač na noop, pre HDD - uzávierka. Na rovinu, NOOP funguje na princípe „first in, first out“, čo v angličtine znie ako „FIFO (First In, First Out).“ Žiadosti sú zaradené do frontu, keď prichádzajú. DEADLINE je viac orientovaný na čítanie, navyše proces vo fronte získa takmer výhradný prístup k disku v čase operácie. To je ideálne pre náš systém - koniec koncov, s každým diskom funguje iba jeden proces - OSD démon.
(Tí, ktorí sa chcú ponoriť do plánovača I/O, si o tom môžu prečítať tu:
Tí, ktorí radšej čítajú v ruštine: )
V odporúčaniach pre ladenie Linuxu sa tiež odporúča zvýšiť nr_request
nr_requests
Hodnota nr_requests určuje množstvo požiadaviek I/O, ktoré sa uložia do vyrovnávacej pamäte predtým, ako plánovač I/O odošle/prijme údaje do blokového zariadenia, ak používate kartu RAID/blokové zariadenie, ktoré dokáže spracovať väčší front, než Plánovač /O je nastavený na, zvýšenie hodnoty nr_requests môže pomôcť zlepšiť a znížiť zaťaženie servera, keď sa na serveri vyskytne veľké množstvo I/O. Ak ako plánovač používate Deadline alebo CFQ, odporúčame vám nastaviť hodnotu nr_request na 2-násobok hodnoty hĺbky frontu.
ALE! O tom, že ich systém priorít funguje lepšie, nás presviedčajú samotní občania, developeri CEPH
WBThrottle a/alebo nr_requests
WBThrottle a/alebo nr_requests
Ukladanie súborov používa na zapisovanie I/O s vyrovnávacou pamäťou; to prináša množstvo výhod, ak je denník uloženia súborov na rýchlejšom médiu. Požiadavky klienta sú upovedomené hneď, ako sú údaje zapísané do protokolu, a potom sú neskôr vyprázdnené na samotný údajový disk pomocou štandardných funkcií Linuxu. To umožňuje vretenovým OSD poskytovať latenciu zápisu podobnú SSD pri zápise v malých dávkach. Tento oneskorený spätný zápis tiež umožňuje samotnému jadru reorganizovať diskové I/O požiadavky s nádejou, že ich buď zlúči dohromady, alebo umožní existujúcim diskovým hlavám zvoliť si optimálnu cestu cez svoje platne. Čistým efektom je, že z každého disku môžete vytlačiť o niečo viac I/O, ako by to bolo možné s priamym alebo synchrónnym I/O.
Istý problém však nastáva, ak objem prichádzajúcich záznamov do daného Ceph clusteru presahuje všetky možnosti podkladových diskov. V tomto scenári by celkový počet čakajúcich I/O operácií čakajúcich na zápis na disk mohol nekontrolovateľne rásť a viesť k tomu, že I/O fronty zaplnia celý disk a fronty Ceph. Požiadavky na čítanie sú obzvlášť ovplyvnené, pretože sa zaseknú medzi požiadavkami na zápis, čo môže trvať niekoľko sekúnd, kým sa vyprázdnia na primárny disk.
Na prekonanie tohto problému má Ceph mechanizmus obmedzovania spätného zápisu zabudovaný do úložiska súborov s názvom WBThrottle. Je navrhnutý tak, aby obmedzil celkové množstvo I/O lenivých zápisov, ktoré sa môžu zaradiť do frontu a začať proces vyprázdnenia skôr, ako by sa prirodzene vyskytlo, pretože ho umožňuje samotné jadro. Bohužiaľ, testovanie ukazuje, že predvolené hodnoty stále nemusia znížiť existujúce správanie na úroveň, ktorá môže znížiť tento vplyv na latenciu čítania. Úpravy môžu zmeniť toto správanie a znížiť celkovú dĺžku frontu zápisu a znížiť tak závažný dopad. Existuje však kompromis: znížením celkového maximálneho počtu položiek, ktoré môžu byť zaradené do frontu, môžete znížiť schopnosť samotného jadra maximalizovať svoju efektivitu pri objednávaní prichádzajúcich požiadaviek. Stojí za to trochu premýšľať o tom, čo potrebujete viac pre váš konkrétny prípad použitia, pracovné zaťaženie a prispôsobenie tak, aby vyhovovalo.
Ak chcete kontrolovať hĺbku takéhoto frontu nevybavených zápisov, môžete buď znížiť celkový maximálny počet nevybavených I/O operácií pomocou nastavení WBThrottle, alebo môžete znížiť maximálnu hodnotu pre zostávajúce operácie na úrovni bloku vášho jadra. Obe môžu efektívne kontrolovať rovnaké správanie a vaše preferencie budú základom pre implementáciu tohto nastavenia.
Treba tiež poznamenať, že systém priority prevádzky Ceph je efektívnejší pre kratšie dotazy na úrovni disku. Zmenšením celkového frontu na daný disk sa primárne umiestnenie frontu presunie do Ceph, kde má väčšiu kontrolu nad tým, akú prioritu má I/O operácia. Zvážte nasledujúci príklad:
echo 8 > /sys/block/sda/queue/nr_requestsCOMMON
A niekoľko ďalších vylepšení jadra, aby bolo vaše auto mäkké a hodvábne a vytlačilo z hardvéru trochu viac výkonu
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. Ponorenie do CEPH
Nastavenia, ktorým by som sa chcel podrobnejšie venovať:
cat /etc/ceph/ceph.conf
osd:
journal_aio: true # Три параметра, включающие
journal_block_align: true # прямой i/o
journal_dio: true # на журнал
journal_max_write_bytes: 1073714824 # Немного растянем максимальный размер
# разово записываемой операции в журнал
journal_max_write_entries: 10000 # Ну и количество одновременных записей
journal_queue_max_bytes: 10485760000
journal_queue_max_ops: 50000
rocksdb_separate_wal_dir: true # Решили делать отдельный wal
# Даже попытались выбить под это дело
# NVMe
bluestore_block_db_create: true # Ну и под журнал отдельное устройство
bluestore_block_db_size: '5368709120 #5G'
bluestore_block_wal_create: true
bluestore_block_wal_size: '1073741824 #1G'
bluestore_cache_size_hdd: '3221225472 # 3G'
# большой объем оперативы позволяет
# хранить достаточно большие объемы
bluestore_cache_size_ssd: '9663676416 # 9G'
keyring: /var/lib/ceph/osd/ceph-$id/keyring
osd_client_message_size_cap: '1073741824 #1G'
osd_disk_thread_ioprio_class: idle
osd_disk_thread_ioprio_priority: 7
osd_disk_threads: 2 # количество тредов у демона на один диск
osd_failsafe_full_ratio: 0.95
osd_heartbeat_grace: 5
osd_heartbeat_interval: 3
osd_map_dedup: true
osd_max_backfills: 2 # количество одновременных операций заполнения на один ОСД.
osd_max_write_size: 256
osd_mon_heartbeat_interval: 5
osd_op_threads: 16
osd_op_num_threads_per_shard: 1
osd_op_num_threads_per_shard_hdd: 2
osd_op_num_threads_per_shard_ssd: 2
osd_pool_default_min_size: 1 # Особенности жадности. Очень быстро стало
osd_pool_default_size: 2 # нехватать места, потому как временное
# решение приняли уменьшение количество
# реплик данных
osd_recovery_delay_start: 10.000000
osd_recovery_max_active: 2
osd_recovery_max_chunk: 1048576
osd_recovery_max_single_start: 3
osd_recovery_op_priority: 1
osd_recovery_priority: 1 # параметр регулируем по необходимости на ходу
osd_recovery_sleep: 2
osd_scrub_chunk_max: 4Niektoré parametre, ktoré boli testované na kontrolu kvality vo verzii 12.2.12, chýbajú napríklad v ceph verzii 12.2.2 osd_recovery_threads. Preto plány zahŕňali aktualizáciu výroby k 12.2.12. Prax ukázala kompatibilitu medzi verziami 12.2.2 a 12.2.12 v jednom klastri, čo umožňuje priebežné aktualizácie.
Testovací klaster
Prirodzene, na testovanie bolo potrebné mať rovnakú verziu ako v battle, no v čase, keď som s klastrom začal pracovať, bola v repozitári dostupná len tá novšia. Keď sa pozriete, to, čo môžete vidieť v menšej verzii, nie je príliš veľké (1393 riadkov v konfiguráciách proti 1436 v novej verzii) sme sa rozhodli začať testovať novú (aj tak aktualizovať, prečo chodiť so starým odpadom)
Jediné, čo sme sa snažili nechať po starej verzii, je balík ceph-deploy pretože niektoré nástroje (a niektorí zamestnanci) boli prispôsobené jeho syntaxi. Nová verzia bola značne odlišná, no neovplyvnila činnosť samotného klastra a bola ponechaná vo verzii 1.5.39
Keďže príkaz ceph-disk jasne hovorí, že je zastaraný a drahí, použite príkaz ceph-volume, začali sme vytvárať OSD s týmto príkazom bez toho, aby sme strácali čas na zastarané.
Plánom bolo vytvoriť zrkadlo dvoch SSD diskov, na ktoré umiestnime OSD logy, ktoré sú zase umiestnené na vretenových SAS. Môžeme sa tak chrániť pred problémami s dátami, ak disk s logom spadne.
Začali sme vytvárať klaster podľa dokumentácie
cat /etc/ceph/ceph.conf
root@ceph01-qa:~# cat /etc/ceph/ceph.conf # положили заранее подготовленный конфиг
[client]
rbd_cache = true
rbd_cache_max_dirty = 50331648
rbd_cache_max_dirty_age = 2
rbd_cache_size = 67108864
rbd_cache_target_dirty = 33554432
rbd_cache_writethrough_until_flush = true
rbd_concurrent_management_ops = 10
rbd_default_format = 2
[global]
auth_client_required = cephx
auth_cluster_required = cephx
auth_service_required = cephx
cluster network = 10.10.10.0/24
debug_asok = 0/0
debug_auth = 0/0
debug_buffer = 0/0
debug_client = 0/0
debug_context = 0/0
debug_crush = 0/0
debug_filer = 0/0
debug_filestore = 0/0
debug_finisher = 0/0
debug_heartbeatmap = 0/0
debug_journal = 0/0
debug_journaler = 0/0
debug_lockdep = 0/0
debug_mon = 0/0
debug_monc = 0/0
debug_ms = 0/0
debug_objclass = 0/0
debug_objectcatcher = 0/0
debug_objecter = 0/0
debug_optracker = 0/0
debug_osd = 0/0
debug_paxos = 0/0
debug_perfcounter = 0/0
debug_rados = 0/0
debug_rbd = 0/0
debug_rgw = 0/0
debug_throttle = 0/0
debug_timer = 0/0
debug_tp = 0/0
fsid = d0000000d-4000-4b00-b00b-0123qwe123qwf9
mon_host = ceph01-q, ceph02-q, ceph03-q
mon_initial_members = ceph01-q, ceph02-q, ceph03-q
public network = 8.8.8.8/28 # адрес изменен, естественно ))
rgw_dns_name = s3-qa.mycompany.ru # и этот адрес измен
rgw_host = s3-qa.mycompany.ru # и этот тоже
[mon]
mon allow pool delete = true
mon_max_pg_per_osd = 300 # больше трехсот плейсмент групп
# на диск не решились
# хотя параметр, естественно, зависит от количества пулов,
# их размеров и количества OSD. Иметь мало но здоровых PG
# тоже не лучший выбор - страдает точность балансировки
mon_osd_backfillfull_ratio = 0.9
mon_osd_down_out_interval = 5
mon_osd_full_ratio = 0.95 # пока для SSD дисков местом для их
# журнала является тот-же девайс что и для ОСД
# решили что 5% от диска (который сам размером 1.2Tb)
# должно вполне хватить, и коррелирует с параметром
# bluestore_block_db_size плюс вариативность на большие
# плейсмент группы
mon_osd_nearfull_ratio = 0.9
mon_pg_warn_max_per_osd = 520
[osd]
bluestore_block_db_create = true
bluestore_block_db_size = 5368709120 #5G
bluestore_block_wal_create = true
bluestore_block_wal_size = 1073741824 #1G
bluestore_cache_size_hdd = 3221225472 # 3G
bluestore_cache_size_ssd = 9663676416 # 9G
journal_aio = true
journal_block_align = true
journal_dio = true
journal_max_write_bytes = 1073714824
journal_max_write_entries = 10000
journal_queue_max_bytes = 10485760000
journal_queue_max_ops = 50000
keyring = /var/lib/ceph/osd/ceph-$id/keyring
osd_client_message_size_cap = 1073741824 #1G
osd_disk_thread_ioprio_class = idle
osd_disk_thread_ioprio_priority = 7
osd_disk_threads = 2
osd_failsafe_full_ratio = 0.95
osd_heartbeat_grace = 5
osd_heartbeat_interval = 3
osd_map_dedup = true
osd_max_backfills = 4
osd_max_write_size = 256
osd_mon_heartbeat_interval = 5
osd_op_num_threads_per_shard = 1
osd_op_num_threads_per_shard_hdd = 2
osd_op_num_threads_per_shard_ssd = 2
osd_op_threads = 16
osd_pool_default_min_size = 1
osd_pool_default_size = 2
osd_recovery_delay_start = 10.0
osd_recovery_max_active = 1
osd_recovery_max_chunk = 1048576
osd_recovery_max_single_start = 3
osd_recovery_op_priority = 1
osd_recovery_priority = 1
osd_recovery_sleep = 2
osd_scrub_chunk_max = 4
osd_scrub_chunk_min = 2
osd_scrub_sleep = 0.1
rocksdb_separate_wal_dir = true# создаем мониторы
root@ceph01-qa:~#ceph-deploy mon create ceph01-q
# генерируем ключи для аутентификации нод в кластере
root@ceph01-qa:~#ceph-deploy gatherkeys ceph01-q
# Это если поштучно. Если у нас несколько машин доступны - те, которые описаны в конфиге в секции
# mon_initial_members = ceph01-q, ceph02-q, ceph03-q
# можно запустить эти две команды в виде одной
root@ceph01-qa:~#ceph-deploy mon create-initial
# Положим ключи в указанные в конфиге места
root@ceph01-qa:~#cat ceph.bootstrap-osd.keyring > /var/lib/ceph/bootstrap-osd/ceph.keyring
root@ceph01-qa:~#cat ceph.bootstrap-mgr.keyring > /var/lib/ceph/bootstrap-mgr/ceph.keyring
root@ceph01-qa:~#cat ceph.bootstrap-rgw.keyring > /var/lib/ceph/bootstrap-rgw/ceph.keyring
# создадим ключ для управления кластером
root@ceph01-qa:~#ceph-deploy admin ceph01-q
# и менеджер, плагинами управлять
root@ceph01-qa:~#ceph-deploy mgr create ceph01-qPrvá vec, na ktorú som pri práci s touto verziou ceph-deploy s klastrom verzie 12.2.12 narazil, bola chyba pri pokuse o vytvorenie OSD s db na softvérovom raide -
root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sde --block.db /dev/md0
blkid could not detect a PARTUUID for device: /dev/md1V skutočnosti sa zdá, že blkid nie je PARTUUID, takže som musel oddiely vytvoriť manuálne:
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; doneZdá sa, že všetko je pripravené, pokúsime sa znova vytvoriť OSD a dostaneme nasledujúcu chybu (ktorá sa mimochodom v boji nereprodukovala)
pri vytváraní OSD typu bluestore bez zadania cesty k WAL, ale zadania 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 argumenNavyše, ak na tom istom zrkadle (alebo na inom mieste podľa vlastného výberu) vytvoríte ďalší oddiel pre WAL a určíte ho pri vytváraní OSD, potom všetko pôjde hladko (okrem vzhľadu samostatného WAL, ktorý nemusíte chceli).
Ale keďže bolo stále vo vzdialených plánoch presunúť WAL na NVMe, táto prax sa neukázala ako zbytočná.
root@ceph01-qa:~#ceph-volume lvm create --bluestore --data /dev/sdf --block.wal /dev/md0p2 --block.db /dev/md1p2Vytvorené monitory, manažéri a OSD. Teraz by som ich chcel inak zoskupiť, pretože plánujem mať rôzne typy diskov – rýchle pooly na SSD a veľké, ale pomalé pooly na SAS palacinkách.
Predpokladajme, že servery majú 20 diskov, prvých desať je jedného typu, druhých je iného.
Počiatočná predvolená karta vyzerá takto:
strom ceph osd
root@ceph01-q:~# strom ceph osd
ID TRIEDA HMOTNOSŤ TYP NÁZOV STAV VÁHA PRI-AFF
-1 14.54799 predvolená hodnota root
-3 9.09200 hostiteľ ceph01-q
0 ssd 1.00000 osd.0 až o 1.00000 1.00000
1 ssd 1.00000 osd.1 až o 1.00000 1.00000
2 ssd 1.00000 osd.2 až o 1.00000 1.00000
3 ssd 1.00000 osd.3 až o 1.00000 1.00000
4 hdd 1.00000 osd.4 až 1.00000 1.00000
5 hdd 0.27299 osd.5 až 1.00000 1.00000
6 hdd 0.27299 osd.6 až 1.00000 1.00000
7 hdd 0.27299 osd.7 až 1.00000 1.00000
8 hdd 0.27299 osd.8 až 1.00000 1.00000
9 hdd 0.27299 osd.9 až 1.00000 1.00000
10 hdd 0.27299 osd.10 až 1.00000 1.00000
11 hdd 0.27299 osd.11 až 1.00000 1.00000
12 hdd 0.27299 osd.12 až 1.00000 1.00000
13 hdd 0.27299 osd.13 až 1.00000 1.00000
14 hdd 0.27299 osd.14 až 1.00000 1.00000
15 hdd 0.27299 osd.15 až 1.00000 1.00000
16 hdd 0.27299 osd.16 až 1.00000 1.00000
17 hdd 0.27299 osd.17 až 1.00000 1.00000
18 hdd 0.27299 osd.18 až 1.00000 1.00000
19 hdd 0.27299 osd.19 až 1.00000 1.00000
-5 5.45599 hostiteľ ceph02-q
20 ssd 0.27299 osd.20 až o 1.00000 1.00000
21 ssd 0.27299 osd.21 až o 1.00000 1.00000
22 ssd 0.27299 osd.22 až o 1.00000 1.00000
23 ssd 0.27299 osd.23 až o 1.00000 1.00000
24 hdd 0.27299 osd.24 až 1.00000 1.00000
25 hdd 0.27299 osd.25 až 1.00000 1.00000
26 hdd 0.27299 osd.26 až 1.00000 1.00000
27 hdd 0.27299 osd.27 až 1.00000 1.00000
28 hdd 0.27299 osd.28 až 1.00000 1.00000
29 hdd 0.27299 osd.29 až 1.00000 1.00000
30 hdd 0.27299 osd.30 až 1.00000 1.00000
31 hdd 0.27299 osd.31 až 1.00000 1.00000
32 hdd 0.27299 osd.32 až 1.00000 1.00000
33 hdd 0.27299 osd.33 až 1.00000 1.00000
34 hdd 0.27299 osd.34 až 1.00000 1.00000
35 hdd 0.27299 osd.35 až 1.00000 1.00000
36 hdd 0.27299 osd.36 až 1.00000 1.00000
37 hdd 0.27299 osd.37 až 1.00000 1.00000
38 hdd 0.27299 osd.38 až 1.00000 1.00000
39 hdd 0.27299 osd.39 až 1.00000 1.00000
-7 6.08690 hostiteľ ceph03-q
40 ssd 0.27299 osd.40 až o 1.00000 1.00000
41 ssd 0.27299 osd.41 až o 1.00000 1.00000
42 ssd 0.27299 osd.42 až o 1.00000 1.00000
43 ssd 0.27299 osd.43 až o 1.00000 1.00000
44 hdd 0.27299 osd.44 až 1.00000 1.00000
45 hdd 0.27299 osd.45 až 1.00000 1.00000
46 hdd 0.27299 osd.46 až 1.00000 1.00000
47 hdd 0.27299 osd.47 až 1.00000 1.00000
48 hdd 0.27299 osd.48 až 1.00000 1.00000
49 hdd 0.27299 osd.49 až 1.00000 1.00000
50 hdd 0.27299 osd.50 až 1.00000 1.00000
51 hdd 0.27299 osd.51 až 1.00000 1.00000
52 hdd 0.27299 osd.52 až 1.00000 1.00000
53 hdd 0.27299 osd.53 až 1.00000 1.00000
54 hdd 0.27299 osd.54 až 1.00000 1.00000
55 hdd 0.27299 osd.55 až 1.00000 1.00000
56 hdd 0.27299 osd.56 až 1.00000 1.00000
57 hdd 0.27299 osd.57 až 1.00000 1.00000
58 hdd 0.27299 osd.58 až 1.00000 1.00000
59 hdd 0.89999 osd.59 až 1.00000 1.00000
Vytvorme si vlastné virtuálne stojany a servery s blackjackom a ďalšími vecami:
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 rack01Problémy, s ktorými sme sa stretli boj cluster, keď sa pokúšate vytvoriť nového hostiteľa a presunúť ho do existujúceho racku - príkaz ceph osd crush move ceph01-host root=rack01 zamrzol a monitory začali jeden po druhom padať. Zrušením príkazu jednoduchým CTRL+C sa klaster vrátil do sveta živých.
Vyhľadávanie ukázalo tento problém:
Riešením sa ukázalo vysypanie crushmap a odstránenie sekcie odtiaľ pravidlo replikované_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 кластерAkhtung: Táto operácia môže spôsobiť opätovné vyváženie skupiny umiestnení medzi OSD. Spôsobilo nám to, ale veľmi málo.
A zvláštna vec, s ktorou sme sa stretli v testovacom klastri, bolo to, že po reštarte servera OSD zabudli, že boli premiestnení na nové servery a stojany, a vrátili sa na predvolené nastavenie root.
V dôsledku toho sme po zostavení konečnej schémy, v ktorej sme vytvorili samostatný koreňový adresár pre jednotky ssd a samostatný koreň pre vretenové disky, vzali všetky OSD do stojanov a jednoducho odstránili predvolený koreň. Po reštarte začalo OSD zostať na svojom mieste.
Po neskoršom prehrabaní dokumentácie sme našli parameter, ktorý je zodpovedný za toto správanie. O ňom v druhej časti
Ako sme vytvorili rôzne skupiny podľa typu disku.
Na začiatok sme vytvorili dva korene - pre ssd a pre hdd
root@ceph01-q:~#ceph osd crush add-bucket ssd-root root
root@ceph01-q:~#ceph osd crush add-bucket hdd-root rootKeďže servery sú fyzicky umiestnené v rôznych stojanoch, pre pohodlie sme vytvorili stojany so servermi v nich
# 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 hosta distribuoval disky podľa ich typov na rôzne servery
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 серверамиPo rozhádzaní diskov medzi ssd-root a hdd-root cesty sme nechali root-default prázdny, takže ho môžeme vymazať
root-ceph01-q:~#ceph osd crush remove defaultĎalej musíme vytvoriť pravidlá distribúcie, ktoré naviažeme na vytvárané fondy – v pravidlách uvedieme, ktoré korene môžu vkladať údaje z nášho fondu a úroveň jedinečnosti repliky – napríklad repliky musia byť na rôznych serveroch, alebo v rôznych regáloch (môžete aj v rôznych koreňoch, ak máme takúto distribúciu)
Pred výberom typu je lepšie prečítať si dokumentáciu:
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 firstnNo, vytvárame fondy, do ktorých chceme v budúcnosti ukladať diskové obrazy našej virtualizácie - 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 1024A týmto fondom povieme, aké pravidlá umiestnenia majú použiť
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
K výberu počtu skupín umiestnení je potrebné pristupovať s už existujúcou víziou pre váš klaster – približne koľko OSD tam bude, aké množstvo dát (ako percento z celkového objemu) bude v skupine, aké celkové množstvo údajov.
Celkovo je vhodné nemať na disku viac ako 300 skupín umiestnení a bude jednoduchšie balansovať s malými skupinami umiestnení - teda ak celý váš fond zaberá 10 Tb a je v ňom 10 PG - potom vyváženie hádzaním terabajtových tehál (pg) bude problematické - nasypte piesok s malými zrnkami piesku do vedier jednoduchšie a rovnomernejšie).
Musíme si však uvedomiť, že čím väčší je počet PG, tým viac zdrojov sa vynakladá na výpočet ich polohy - začína sa využívať pamäť a CPU.
Hrubé pochopenie môže , ktorú poskytli spracovatelia dokumentácie CEPH.
Zoznam materiálov:
Zdroj: hab.com