Ceph Monitor挂了之后对集群的影响

Ceph Monitor挂了之后对集群的影响

2016-01-13 22:34:14 瞧见风 阅读数 3860更多

分类专栏： Ceph

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/scaleqiao/article/details/50513655

目前，Ceph作为统一存储的解决方案，已经得到了许多互联网公司的广泛应用，而大家搭建的Ceph环境也大多参照了国内最早研究Ceph的OpenStack公司UnitedStack（有云）分享出来的方案：即数据3副本、3个monitor做高可用等。

Monitor相当于是Ceph集群的大脑，使用了3个做高可用防止单点故障的发生。经常有同事或者客户会问到一个问题：就是monitor最多能挂几个，集群就不能工作了？

答案是只能挂一个，原因是Monitor采用了Paxos的选举机制来实现多个之间的协调同步，而这中选举机制要求必须要有半数以上的成员存活的时候，整体才能对外提供服务。到底是这样吗？我通过以下测试得到了最终结论。

测试环境：
一个18个osd、3个mon的集群

测试目的：
1）确认挂掉一个mon对集群的影响
2）确认挂两个/三个mon之后，集群能否工作，进行读写
3）确认当mon恢复之后，集群能够恢复正常

测试过程：
1 确认挂一个mon对集群的影响
1）确认对IO的影响
在其中一台机器上通过$ fio -ioengine=rbd -rw=randwrite -name=ebs -thread -pool=metadata -direct=1 -bs=4k -rbdname=test1 -iodepth=64 -runtime=600 --time_based进行压力测试，然后将其中一个mon down 掉观察对IO的影响。

2）观察对命令执行的影响
down掉一个mon之后，执行命令会碰到如下连接失败的log：
$ ceph -s
2016-01-13 04:21:31.729827 7f7db55f8700 0 – 10.0.3.68:0/1052520 >> 10.0.3.62:6789/0 pipe(0x7f7da80008c0 sd=8 :0 s=1 pgs=0 cs=0 l=1 c=0x7f7da8004bb0).fault
并且这个重连会持续三秒钟，原因是因为‘mon_client_hunt_interval ＝3’这个配置导致的，但最终命令是能执行成功的。

结论：当一个mon down了之后，对I/O没有影响，会影响命令的执行时间，但可以通过调整mon_client_hunt_interval这个配置，解决这个问题。

2 确认挂两个mon down对集群的影响
1）对I/O的影响
两个mon down了之后，在Cluster map没有发生变化的情况下，对已有的I/O业务没有影响，但不能接收新的client连接和处理它的I/O，应用程序会卡在那里，不结束。
当这时Cluster map发生变化时，比如说手动down掉一个osd，此时原有的I/O也会变成零。
当恢复其中一个mon之后，集群恢复正常，I/O恢复正常。

2）对命令的影响
两个mon down了之后，任何ceph的命令都不能执行。

结论：当两个mon down了之后，任何ceph的命令都不能得到执行，正在进行的I/O在Cluster map不变的情况下不受影响，一旦Cluster map发生变化，则I/O会阻塞。任何新的client连接请求以及它发起的I/O都不会得到执行。当其中一个mon恢复之后，集群业务恢复。