主頁 > 資料庫 > 滴滴Ceph分布式存盤系統優化之鎖優化

滴滴Ceph分布式存盤系統優化之鎖優化

2020-09-10 06:14:51 資料庫

桔妹導讀:Ceph是國際知名的開源分布式存盤系統,在工業界和學術界都有著重要的影響,Ceph的架構和演算法設計發表在國際系統領域頂級會議OSDI、SOSP、SC等上,Ceph社區得到Red Hat、SUSE、Intel等大公司的大力支持,Ceph是國際云計算領域應用最廣泛的開源分布式存盤系統,此外,Ceph也廣泛應用在檔案、物件等存盤領域,Ceph在滴滴也支撐了很多關鍵業務的運行,在Ceph的大規模部署和使用程序中,我們發現了Ceph的一些性能問題,圍繞Ceph的性能優化,我們做了很多深入細致的作業,這篇文章主要介紹我們通過除錯分析發現的Ceph在鎖方面存在的問題和我們的優化方法,

1. 背景

在支撐一些延遲敏感的在線應用程序中,我們發現Ceph的尾延遲較差,當應用并發負載較高時,Ceph很容易出現延遲的毛刺,對延遲敏感的應用造成超時甚至崩潰,我們對Ceph的尾延遲問題進行了深入細致的分析和優化,造成尾延遲的一個重要原因就是代碼中鎖的使用問題,下面根據鎖問題的型別分別介紹我們的優化作業,本文假設讀者已熟悉Ceph的基本讀寫代碼流程,代碼的版本為Luminous,

2. 持鎖時間過長

2.1 異步讀優化

Ceph的osd處理客戶端請求的執行緒池為osd_op_tp,在處理操作請求的時候,執行緒會先鎖住操作對應pg的lock,其中,處理物件讀請求的代碼如下圖所示,在鎖住物件所屬pg的lock后,對于最常用的多副本存盤方式,執行緒會同步進行讀操作,直到給客戶端發送回傳的資料后,才會釋放pg lock,

在進行讀操作時,如果資料沒有命中page cache而需要從磁盤讀,是一個耗時的操作,并且pg lock是一個相對粗粒度的鎖,在pg lock持有期間,其它同屬一個pg的物件的讀寫操作都會在加鎖上等待,增大了讀寫延遲,降低了吞吐率,同步讀的另一個缺點是讀操作沒有參與流量控制,

我們對線上集群日志的分析也驗證了上述問題,例如,一個日志片段如下圖所示,圖中列舉了兩個op的詳細耗時資訊,這兩個op均為同一個osd的執行緒所執行,且操作的是同一個pg的物件,根據時間順序,第一個op為read,總耗時為56ms,第二個op為write,總耗時為69ms,圖中資訊顯示,第二個op處理的一個中間程序,即副本寫的完成訊息在處理之前,在osd請求佇列中等待了36ms,結合上圖的代碼可以知道,這36ms都是耗在等待pg lock上,因為前一個read操作持有pg lock,而兩個物件屬于相同pg,

我們的優化如下圖所示,我們創建了獨立的讀執行緒,負責處理讀請求,osd_op_tp執行緒只需將讀請求提交到讀執行緒的佇列即可回傳解鎖,大大減少了pg lock的持有時間,讀執行緒完成磁盤讀之后,將結果放到finisher執行緒的佇列,finisher執行緒重新申請pg lock后負責后續處理,這樣將耗時的磁盤訪問放在了不持有pg lock的流程中,結合我們在流量控制所做的優化,讀寫操作可以在統一的框架下進行流量控制,從而精準控制磁盤的利用率,以免磁盤訪問擁塞造成尾延遲,

我們用fio進行了異步讀優化效果的測驗,測驗方法:對同一個pool的兩個rbd,一個做隨機讀,另一個同時做隨機寫操作,將pg number配置為1,這樣所有物件讀寫會落到同一個osd的同一個pg,異步讀優化后,隨機寫平均延遲下降了53%,下圖為某業務的filestore集群異步讀上線前后讀吞吐率的資料,箭頭所指為上線時間,可見上線之后,集群承載的讀操作的吞吐率增加了120%

上述優化在使用filestore存盤后端時取得了明顯的效果,但在使用bluestore存盤后端時,bluestore代碼中還存在持有pg粒度鎖同步讀的問題,具體見BlueStore::read的代碼,我們對bluestore的讀也進行了異步的優化,這里就不詳細介紹了,

3. 鎖粒度過粗

3.1 object cache lock優化

Ceph在客戶端實作了一個基于記憶體的object cache,供rbd和cephfs使用,但cache只有一把大的互斥鎖,任何cache中物件的讀寫都需要先獲得這把鎖,在使用寫回模式時,cache flusher執行緒在寫回臟資料之前,也會鎖住這個鎖,這時對cache中快取物件的讀寫都會因為獲取鎖而卡住,使讀寫延遲增加,限制了吞吐率,我們實作了細粒度的物件粒度的鎖,在進行物件的讀寫操作時,只需獲取對應的物件鎖,無需獲取全域鎖,只有訪問全域資料結構時,才需要獲取全域鎖,大大增加了物件間操作的并行,并且物件鎖采用讀寫鎖,增加了同一物件上讀的并行,測驗表明,高并發下rbd的吞吐率增加了超過20%

4. 不必要的鎖競爭

4.1減少pg lock競爭

Ceph的osd對客戶端請求的處理流程為,messenger執行緒收到請求后,將請求放入osd_op_tp執行緒池的快取佇列,osd_op_tp執行緒池的執行緒從請求快取佇列中出隊一個請求,然后根據該請求操作的物件對應的pg將請求放入一個與pg一一對應的pg slot佇列的尾部,然后獲取該pg的pg lock,從pg slot佇列首部出隊一個元素處理,可見,如果osd_op_tp執行緒池的請求快取佇列中連續兩個請求操作的物件屬于相同的pg,則一個osd_op_tp執行緒出隊前一個請求加入pg slot佇列后,獲取pg lock,從pg slot佇列首部出隊一個請求開始處理,另一個osd_op_tp執行緒從請求快取佇列出隊第二個請求,因為兩個請求是對應相同的pg,則它會加入相同的pg slot佇列,然后,第二個執行緒在獲取pg lock時會阻塞,這降低了osd_op_tp執行緒池的吞吐率,增加了請求的延遲,我們的優化方式是保證任意時刻每個pg slot佇列只有一個執行緒處理,因為在處理pg slot佇列中的請求之前需要獲取pg lock,因此同一個pg slot佇列的請求是無法并行處理的,我們在每個pg slot佇列增加一個標記,記錄當前正在處理該pg slot的請求的執行緒,當有執行緒正在處理一個pg slot的請求時,別的執行緒會跳過處理該pg slot,繼續從osd_op_tp執行緒池的請求快取佇列出隊請求,

4.2 log lock優化

Ceph的日志系統實作是有一個全域的日志快取佇列,由一個全域鎖保護,由專門的日志執行緒從日志快取佇列中取日志列印,作業執行緒提交日志時,需要獲取全域鎖,日志執行緒在獲取日志列印之前,也需要獲取全域鎖,然后做一個交換將佇列中的日志交換到一個臨時佇列,另外,當日志快取佇列長度超過閾值時,提交日志的作業執行緒需要睡眠等待日志執行緒列印一些日志后,再提交,鎖的爭搶和等待都增加了作業執行緒的延遲,

我們為每個日志提交執行緒引入一個執行緒區域日志快取佇列,該佇列為經典的單生產者單消費者無鎖佇列,執行緒提交日志直接提交到自己的區域日志快取佇列,該程序是無鎖的,只有佇列中的日志數超過閾值后,才會通知日志執行緒,日志執行緒也會定期輪詢各個日志提交執行緒的區域日志快取佇列,列印一些日志,該程序也是無鎖的,通過上述優化,基本避免了日志提交程序中因為鎖競爭造成的等待,降低了日志的提交延遲,測驗在高并發日志提交時,日志的提交延遲可降低接近90%

4.3 filestore apply lock優化

對于Ceph filestore存盤引擎,同一個pg的op需要串行apply,每個pg有一個OpSequencer(簡稱osr),用于控制apply順序,每個osr有一個apply lock以及一個op佇列,對于每個待apply的op,首先加入對應pg的osr的佇列,然后把osr加到filestore的負責apply的執行緒池op_tp的佇列,簡稱為apply佇列,op_tp執行緒從apply佇列中取出一個osr,加上它的apply lock,再從osr的佇列里取出一個op apply,邏輯代碼如下圖左所示,可見,每個op都會把其對應的osr加入到apply佇列一次,如果多個op是針對同一個pg的物件,則這個pg的osr可能多次加入到apply佇列,如果apply佇列中連續兩個osr是同一個pg的,也就是同一個osr,則前一個op被一個執行緒進行apply時,osr的apply lock已經加鎖,另一個執行緒會在該osr的apply lock上阻塞等待,降低了并發度,

這個問題也體現在日志中,一個線上集群日志片段如下圖,有兩個op_tp執行緒6700和5700,apply佇列里三個物件依次來自pg: 1.1833, 1.1833. 1.5f2,執行緒6700先拿到第一個物件進行apply, 執行緒5700拿第二個物件進行apply時卡在apply lock上,因為兩個物件都來自pg 1.1833,直到6700做完才開始apply,而6700拿到第三個物件,即1.5f2的物件進行apply即寫page cache只用了不到1ms,但實際apply延遲234ms,可見第三個物件在佇列里等待了233ms,如果5700不用等待apply lock,則第二和第三個物件的apply延遲可以大大縮短,

我們優化后的邏輯代碼如上圖右所示,同一個osr只加入apply佇列一次,取消apply lock,利用原子操作實作無鎖演算法,上面的演算法可以進一步優化,在將一個osr出隊之后,可以一次從它的佇列中取m(m>1)個op進行apply,在op apply完成階段,改為如果atomic::fetch_sub(osr->queue_length, m) > m,則將osr重新入隊以提高吞吐率,

我們用fio進行了apply lock優化效果測驗,方法為建兩個pool,每個pool的pg number為1,每個pool一個rbd, 對兩個rbd同時進行隨機寫的操作,一個pool寫入資料的量為31k10k,另一個pool寫入資料的量為4k100k, 衡量所有請求apply的總耗時,優化前總耗時434ks, 優化后總耗時45ks,減少89.6%, ### !


團隊介紹
滴滴云平臺事業群滴滴云存盤團隊原隸屬于滴滴基礎平臺部,現隸屬于新成立的滴滴云事業部,團隊承擔著公司在線非結構化存盤服務的研發,并參與運維作業,具體來說,團隊承擔了公司內外部業務的絕大部分的物件、塊、檔案存盤需求,資料存盤量數十PB,團隊技術氛圍濃厚,同時具備良好的用戶服務意識,立足于用技術創造客戶價值,業務上追求極致,團隊對于分布式存盤、互聯網服務架構、Linux存盤堆疊有著深入的理解,

作者介紹

負責滴滴在線非結構化存盤研發,曾任國防科技大學計算機學院副研究員,教研室主任,天河云存盤負責人

延伸閱讀

內容編輯 | Charlotte
聯系我們 | [email protected]
滴滴技術 出品

轉載請註明出處,本文鏈接:https://www.uj5u.com/shujuku/1087.html

標籤:大數據

上一篇:單表千萬行資料庫 LIKE 搜索優化手記

下一篇:es~通過ElasticsearchTemplate進行聚合~嵌套聚合

標籤雲
其他(123570) Java(13369) Python(12729) C(7542) 區塊鏈(7372) JavaScript(7049) 基礎類(6313) AI(6244) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4120) MySQL(4012) Linux(3394) C語言(3288) C++語言(3117) Java相關(2746) 疑難問題(2699) 單片機工控(2479) Web開發(1951) 網絡通信(1793) 數據庫相關(1767) VB基礎類(1755) PHP(1727) 開發(1646) 系統維護與使用區(1617) .NETCore(1586) 基礎和管理(1579) JavaEE(1566) C++(1527) 專題技術討論區(1515) Windows客戶端使用(1484) HtmlCss(1466) ASP.NET(1428) Unity3D(1354) VCL組件開發及應用(1353) HTML(CSS)(1220) 其他技術討論專區(1200) WindowsServer(1192) .NET技术(1165) 交換及路由技術(1149) 語言基礎算法系統設計(1133) WindowsSDKAPI(1124) 界面(1088) JavaSE(1075) Qt(1074) VBA(1048) 新手樂園(1016) 其他開發語言(947) Go(907) HTML5(901) 新技術前沿(898) 硬件設計(872) 區塊鏈技術(860) 網絡編程(857) 非技術版(846) 一般軟件使用(839) 網絡協議與配置(835) Eclipse(790) Spark(750) 下載資源懸賞專區(743)

熱門瀏覽
  • GPU虛擬機創建時間深度優化

    **?桔妹導讀:**GPU虛擬機實體創建速度慢是公有云面臨的普遍問題,由于通常情況下創建虛擬機屬于低頻操作而未引起業界的重視,實際生產中還是存在對GPU實體創建時間有苛刻要求的業務場景。本文將介紹滴滴云在解決該問題時的思路、方法、并展示最終的優化成果。 從公有云服務商那里購買過虛擬主機的資深用戶,一 ......

    uj5u.com 2020-09-10 06:09:13 more
  • 可編程網卡芯片在滴滴云網路的應用實踐

    **?桔妹導讀:**隨著云規模不斷擴大以及業務層面對延遲、帶寬的要求越來越高,采用DPDK 加速網路報文處理的方式在橫向縱向擴展都出現了局限性。可編程芯片成為業界熱點。本文主要講述了可編程網卡芯片在滴滴云網路中的應用實踐,遇到的問題、帶來的收益以及開源社區貢獻。 #1. 資料中心面臨的問題 隨著滴滴 ......

    uj5u.com 2020-09-10 06:10:21 more
  • 滴滴資料通道服務演進之路

    **?桔妹導讀:**滴滴資料通道引擎承載著全公司的資料同步,為下游實時和離線場景提供了必不可少的源資料。隨著任務量的不斷增加,資料通道的整體架構也隨之發生改變。本文介紹了滴滴資料通道的發展歷程,遇到的問題以及今后的規劃。 #1. 背景 資料,對于任何一家互聯網公司來說都是非常重要的資產,公司的大資料 ......

    uj5u.com 2020-09-10 06:11:05 more
  • 滴滴AI Labs斬獲國際機器翻譯大賽中譯英方向世界第三

    **桔妹導讀:**深耕人工智能領域,致力于探索AI讓出行更美好的滴滴AI Labs再次斬獲國際大獎,這次獲獎的專案是什么呢?一起來看看詳細報道吧! 近日,由國際計算語言學協會ACL(The Association for Computational Linguistics)舉辦的世界最具影響力的機器 ......

    uj5u.com 2020-09-10 06:11:29 more
  • MPP (Massively Parallel Processing)大規模并行處理

    1、什么是mpp? MPP (Massively Parallel Processing),即大規模并行處理,在資料庫非共享集群中,每個節點都有獨立的磁盤存盤系統和記憶體系統,業務資料根據資料庫模型和應用特點劃分到各個節點上,每臺資料節點通過專用網路或者商業通用網路互相連接,彼此協同計算,作為整體提供 ......

    uj5u.com 2020-09-10 06:11:41 more
  • 滴滴資料倉庫指標體系建設實踐

    **桔妹導讀:**指標體系是什么?如何使用OSM模型和AARRR模型搭建指標體系?如何統一流程、規范化、工具化管理指標體系?本文會對建設的方法論結合滴滴資料指標體系建設實踐進行解答分析。 #1. 什么是指標體系 ##1.1 指標體系定義 指標體系是將零散單點的具有相互聯系的指標,系統化的組織起來,通 ......

    uj5u.com 2020-09-10 06:12:52 more
  • 單表千萬行資料庫 LIKE 搜索優化手記

    我們經常在資料庫中使用 LIKE 運算子來完成對資料的模糊搜索,LIKE 運算子用于在 WHERE 子句中搜索列中的指定模式。 如果需要查找客戶表中所有姓氏是“張”的資料,可以使用下面的 SQL 陳述句: SELECT * FROM Customer WHERE Name LIKE '張%' 如果需要 ......

    uj5u.com 2020-09-10 06:13:25 more
  • 滴滴Ceph分布式存盤系統優化之鎖優化

    **桔妹導讀:**Ceph是國際知名的開源分布式存盤系統,在工業界和學術界都有著重要的影響。Ceph的架構和演算法設計發表在國際系統領域頂級會議OSDI、SOSP、SC等上。Ceph社區得到Red Hat、SUSE、Intel等大公司的大力支持。Ceph是國際云計算領域應用最廣泛的開源分布式存盤系統, ......

    uj5u.com 2020-09-10 06:14:51 more
  • es~通過ElasticsearchTemplate進行聚合~嵌套聚合

    之前寫過《es~通過ElasticsearchTemplate進行聚合操作》的文章,這一次主要寫一個嵌套的聚合,例如先對sex集合,再對desc聚合,最后再對age求和,共三層嵌套。 Aggregations的部分特性類似于SQL語言中的group by,avg,sum等函式,Aggregation ......

    uj5u.com 2020-09-10 06:14:59 more
  • 爬蟲日志監控 -- Elastc Stack(ELK)部署

    傻瓜式部署,只需替換IP與用戶 導讀: 現ELK四大組件分別為:Elasticsearch(核心)、logstash(處理)、filebeat(采集)、kibana(可視化) 下載均在https://www.elastic.co/cn/downloads/下tar包,各組件版本最好一致,配合fdm會 ......

    uj5u.com 2020-09-10 06:15:05 more
最新发布
  • 如何宣告一個接受任何型別方法參考的變數Function<>?

    我試圖宣告一個變數,它接受任何型別的方法參考Function<AnyObject, AnyObject or Any Enum>。
    這個方法參考將在映射器中使用,我接受一些輸入并通過呼叫另一個物件的方法來映...

    uj5u.com 2021-10-16 15:27:18 more
  • 為什么方差會對flatmapto函式產生影響?

    我想了解這個函式: 我想了解這個函式。
    public inline fun <T, R, C : MutableCollection<in R>> Array<out T>。 flatMapTo(目的地。C, transform: (T) -> Iterable<R> ): C...

    uj5u.com 2021-10-16 15:26:04 more
  • 我如何使用一個`任務<string>`實體作為方法的任務<string?>引數?

    我如何使用一個Task<string>實體作為一個方法的Task<string?>引數?
    如果我使用啟用的nullability,并且我有兩個異步方法,比如...... 如果我使用啟用的nullability,并且我有兩個...

    uj5u.com 2021-10-16 15:26:00 more
  • Webpack沒有捆綁匯入和使用的功能

    我試圖在我的函式中包含和使用BootstrapCookieConsentSettingsnpm 包bootstrap-cookie-consent-settings中的函式,initConsentBanner但 webpack 總是將其丟棄并且不包含它,即...

    uj5u.com 2021-10-16 15:25:31 more
  • 如何用Swift泛型處理成功和錯誤的API回應?

    我正試圖撰寫一個簡單的函式來處理回傳 JWT 令牌的認證 POST 請求。
    我的LoopBack 4 API將令牌作為一個JSON資料包回傳,其格式如下:
    { "token"/span>: "my. jwt.token" }

    如...

    uj5u.com 2021-10-16 15:25:24 more
  • 從抽象的通用方法中回傳派生類的實體

    我想在這里做的事情有點難以描述。我目前的需求要求我有一個可以實作介面的列舉型別。雖然不是最漂亮的解決方案,但這是我想出的辦法; )。

    我的問題本質上是,是否有任何方法來...

    uj5u.com 2021-10-16 15:24:59 more
  • Java自參考的通用型別

    雖然這個問題的核心已經被問過很多次了,但是有一個問題還沒有被問到(或者說我還沒有找到)。
    在 Java 中,沒有辦法擁有一個參考型別本身的泛型。你可能會說 "如果你最終嘗試了,那...

    uj5u.com 2021-10-16 15:24:06 more
  • Kotlin中的泛型:如何實體化實作了介面的泛型類

    我的問題是,當一個通用類實作了一個介面時,我無法將其實體化。
    實體化代碼如下;
    class MainClass {
    fun mainMethod(){
    val access = EADBAccess<AppUserModel> (Ap...

    uj5u.com 2021-10-16 15:24:00 more
  • 在CSS檔案中使用:local有什么好處?

    我一直在學習在 React 中使用 CSS 并遇到了 CSS 模塊的想法,作為其中的一部分,我遇到了這篇文章https://blog.fearcat.in/a?ID=00550-af5ece9b-eb49-4e13 -8711-26e00c48c84e...

    uj5u.com 2021-10-16 15:22:38 more
  • POST后的PHP重定向

    我正在使用谷歌登錄,并且大部分時間都在那里。用戶成功登錄,我可以訪問我的 mysql 用戶表來查找用戶記錄。在完成用戶處理并設定 $_SESSION 變數后,我想從 POST 頁面重定向回我...

    uj5u.com 2021-10-16 13:40:46 more