Ceph的工作原理及流程簡(jiǎn)述

Ceph的基本架構(gòu)及原理yehu2023年2月1日大綱系統(tǒng)概述Ceph系統(tǒng)的層次結(jié)構(gòu)RADOS尋址流程數(shù)據(jù)操作流程集群維護(hù)總結(jié)2023年2月1日什么是Ceph？Ceph是一種為優(yōu)秀的性能、可靠性和可擴(kuò)展性而設(shè)計(jì)的統(tǒng)一的、分布式的存儲(chǔ)系統(tǒng)。“統(tǒng)一的”：意味著Ceph可以一套存儲(chǔ)系統(tǒng)同時(shí)提供對(duì)象存儲(chǔ)、塊存儲(chǔ)和文件系統(tǒng)存儲(chǔ)三種功能，以便在滿足不同應(yīng)用需求的前提下簡(jiǎn)化部署和運(yùn)維?！胺植际健保涸贑eph系統(tǒng)中則意味著真正的無(wú)中心結(jié)構(gòu)和沒有理論上限的系統(tǒng)規(guī)?？蓴U(kuò)展性。為什么要關(guān)注Ceph？首先，Ceph本身確實(shí)具有較為突出的優(yōu)勢(shì)。其先進(jìn)的核心設(shè)計(jì)思想，概括為八個(gè)字—“無(wú)需查表，算算就好”。其次，Ceph目前在OpenStack社區(qū)中備受重視。2023年2月1日系統(tǒng)概述Ceph系統(tǒng)的層次結(jié)構(gòu)自下向上，可以將Ceph系統(tǒng)分為四個(gè)層次：基礎(chǔ)存儲(chǔ)系統(tǒng)RADOS（Reliable,Autonomic,DistributedObjectStore，即可靠的、自動(dòng)化的、分布式的對(duì)象存儲(chǔ)）基礎(chǔ)庫(kù)LIBRADOS高層應(yīng)用接口：包括了三個(gè)部分：RADOSGW（RADOSGateway）、RBD（ReliableBlockDevice）和Ceph

FS（CephFileSystem）應(yīng)用層2023年2月1日RADOSCeph的底層是RADOS，它由兩個(gè)組件組成：一種是為數(shù)眾多的、負(fù)責(zé)完成數(shù)據(jù)存儲(chǔ)和維護(hù)功能的OSD（

ObjectStorageDevice）。另一種則是若干個(gè)負(fù)責(zé)完成系統(tǒng)狀態(tài)檢測(cè)和維護(hù)的Monitor。OSD和monitor之間相互傳輸節(jié)點(diǎn)狀態(tài)信息，共同得出系統(tǒng)的總體工作狀態(tài)，并形成一個(gè)全局系統(tǒng)狀態(tài)記錄數(shù)據(jù)結(jié)構(gòu)，即所謂的clustermap。這個(gè)數(shù)據(jù)結(jié)構(gòu)與RADOS提供的特定算法相配合，便實(shí)現(xiàn)了Ceph“無(wú)需查表，算算就好”的核心機(jī)制以及若干優(yōu)秀特性。2023年2月1日OSD的邏輯結(jié)構(gòu)OSD可以被抽象為兩個(gè)組成部分，即系統(tǒng)部分和守護(hù)進(jìn)程（OSDdeamon）部分。OSD的系統(tǒng)部分本質(zhì)上就是一臺(tái)安裝了操作系統(tǒng)和文件系統(tǒng)的計(jì)算機(jī)，其硬件部分至少包括一個(gè)單核的處理器、一定數(shù)量的內(nèi)存、一塊硬盤以及一張網(wǎng)卡。在上述系統(tǒng)平臺(tái)上，每個(gè)OSD擁有一個(gè)自己的OSDdeamon。這個(gè)deamon負(fù)責(zé)完成OSD的所有邏輯功能，包括與monitor和其他OSD（事實(shí)上是其他OSD的deamon）通信以維護(hù)更新系統(tǒng)狀態(tài)，與其他OSD共同完成數(shù)據(jù)的存儲(chǔ)和維護(hù)，與client通信完成各種數(shù)據(jù)對(duì)象操作等等。2023年2月1日尋址流程三次映射File->Object->PG->OSD(ion,ono)->oid->pgid->(osd1,osd2,osd3)2023年2月1日幾個(gè)概念File

——此處的file就是用戶需要存儲(chǔ)或者訪問(wèn)的文件。對(duì)于一個(gè)基于Ceph開發(fā)的對(duì)象存儲(chǔ)應(yīng)用而言，這個(gè)file也就對(duì)應(yīng)于應(yīng)用中的“對(duì)象”，也就是用戶直接操作的“對(duì)象”。Ojbect——此處的object是RADOS所看到的“對(duì)象”。Object與上面提到的file的區(qū)別是，object的最大size由RADOS限定（通常為2MB或4MB），以便實(shí)現(xiàn)底層存儲(chǔ)的組織管理。因此，當(dāng)上層應(yīng)用向RADOS存入size很大的file時(shí)，需要將file切分成統(tǒng)一大小的一系列object（最后一個(gè)的大小可以不同）進(jìn)行存儲(chǔ)。2023年2月1日幾個(gè)概念PG（PlacementGroup）——顧名思義，PG的用途是對(duì)object的存儲(chǔ)進(jìn)行組織和位置映射。具體而言，一個(gè)PG負(fù)責(zé)組織若干個(gè)object（可以為數(shù)千個(gè)甚至更多），但一個(gè)object只能被映射到一個(gè)PG中，即，PG和object之間是“一對(duì)多”映射關(guān)系。同時(shí)，一個(gè)PG會(huì)被映射到n個(gè)OSD上，而每個(gè)OSD上都會(huì)承載大量的PG，即，PG和OSD之間是“多對(duì)多”映射關(guān)系。在實(shí)踐當(dāng)中，n至少為2，如果用于生產(chǎn)環(huán)境，則至少為3。一個(gè)OSD上的PG則可達(dá)到數(shù)百個(gè)。事實(shí)上，PG數(shù)量的設(shè)置牽扯到數(shù)據(jù)分布的均勻性問(wèn)題。OSD——即objectstoragedevice。Failuredomain2023年2月1日尋址流程1File->object映射：這次映射的目的是，將用戶要操作的file，映射為RADOS能夠處理的object。其映射十分簡(jiǎn)單，本質(zhì)上就是按照object的最大size對(duì)file進(jìn)行切分。這種切分的好處有二：一是讓大小不限的file變成最大size一致、可以被RADOS高效管理的object；二是讓對(duì)單一file實(shí)施的串行處理變?yōu)閷?duì)多個(gè)object實(shí)施的并行化處理。2023年2月1日尋址流程2Object->PG映射：在file被映射為一個(gè)或多個(gè)object之后，就需要將每個(gè)object獨(dú)立地映射到一個(gè)PG中去。計(jì)算公式：

hash(oid)&mask->pgid根據(jù)RADOS的設(shè)計(jì)，給定PG的總數(shù)為m（m應(yīng)該為2的整數(shù)冪），則mask的值為m-1。因此，哈希值計(jì)算和按位與操作的整體結(jié)果事實(shí)上是從所有m個(gè)PG中近似均勻地隨機(jī)選擇一個(gè)?；谶@一機(jī)制，當(dāng)有大量object和大量PG時(shí)，RADOS能夠保證object和PG之間的近似均勻映射。2023年2月1日尋址流程3PG->OSD映射：第三次映射就是將作為object的邏輯組織單元的PG映射到數(shù)據(jù)的實(shí)際存儲(chǔ)單元OSD。如圖所示，RADOS采用一個(gè)名為CRUSH的算法，將pgid代入其中，然后得到一組共n個(gè)OSD。這n個(gè)OSD即共同負(fù)責(zé)存儲(chǔ)和維護(hù)一個(gè)PG中的所有object。前已述及，n的數(shù)值可以根據(jù)實(shí)際應(yīng)用中對(duì)于可靠性的需求而配置，在生產(chǎn)環(huán)境下通常為3。具體到每個(gè)OSD，則由其上運(yùn)行的OSDdeamon負(fù)責(zé)執(zhí)行映射到本地的object在本地文件系統(tǒng)中的存儲(chǔ)、訪問(wèn)、元數(shù)據(jù)維護(hù)等操作。2023年2月1日尋址流程3續(xù)PG->OSD映射：和“object->PG”映射中采用的哈希算法不同，這個(gè)CRUSH算法的結(jié)果不是絕對(duì)不變的，而是受到其他因素的影響。其影響因素主要有二：一是當(dāng)前系統(tǒng)狀態(tài)，也就是clustermap。當(dāng)系統(tǒng)中的OSD狀態(tài)、數(shù)量發(fā)生變化時(shí)，clustermap可能發(fā)生變化，而這種變化將會(huì)影響到PG與OSD之間的映射。二是存儲(chǔ)策略配置。這里的策略主要與安全相關(guān)。利用策略配置，系統(tǒng)管理員可以指定承載同一個(gè)PG的3個(gè)OSD分別位于數(shù)據(jù)中心的不同服務(wù)器乃至機(jī)架上，從而進(jìn)一步改善存儲(chǔ)的可靠性。2023年2月1日數(shù)據(jù)操作流程（以file的寫入過(guò)程為例）當(dāng)某個(gè)client需要向Ceph集群寫入一個(gè)file時(shí)，首先需要在本地完成尋址流程，將file變?yōu)橐粋€(gè)object，然后找出存儲(chǔ)該object的一組三個(gè)OSD。找出三個(gè)OSD后，client將直接和PrimaryOSD通信，發(fā)起寫入操作（步驟1）。PrimaryOSD收到請(qǐng)求后，分別向SecondaryOSD和TertiaryOSD發(fā)起寫入操作（步驟2、3）。當(dāng)SecondaryOSD和TertiaryOSD各自完成寫入操作后，

將分別向PrimaryOSD發(fā)送確認(rèn)信息（步驟4、5）。當(dāng)PrimaryOSD確信其他兩個(gè)OSD的寫入完成后，則自己也完成數(shù)據(jù)寫入，并向client確認(rèn)

object寫入操作完成（步驟6）。2023年2月1日集群維護(hù)由若干個(gè)monitor共同負(fù)責(zé)整個(gè)Ceph集群中所有OSD狀態(tài)的發(fā)現(xiàn)與記錄，并且共同形成clustermap的master版本，然后擴(kuò)散至全體OSD以及client。OSD使用clustermap進(jìn)行數(shù)據(jù)的維護(hù)，而client使用clustermap進(jìn)行數(shù)據(jù)的尋址。monitor并不主動(dòng)輪詢各個(gè)OSD的當(dāng)前狀態(tài)。正相反，OSD需要向monitor上報(bào)狀態(tài)信息。常見的上報(bào)有兩種情況：一是新的OSD被加入集群，二是某個(gè)OSD發(fā)現(xiàn)自身或者其他OSD發(fā)生異常。在收到這些上報(bào)信息后，monitor將更新clustermap信息并加以擴(kuò)散。2023年2月1日Clustermap的內(nèi)容：Epoch，即版本號(hào)，為一個(gè)單調(diào)遞增序列，Epoch越大，則clustermap版本越新。各個(gè)OSD的網(wǎng)絡(luò)地址。各個(gè)OSD的狀態(tài)。up或者down，表明OSD是否正常工作；in或者out，表明OSD是否在至少一個(gè)PG中。CRUSH算法配置參數(shù)。表明了Ceph集群的物理層級(jí)關(guān)系（clusterhierarchy），位置映射規(guī)則（placementrules）。2023年2月1日狀態(tài)UpDownIn正常運(yùn)行，且承載至少一個(gè)PG的數(shù)據(jù)（標(biāo)準(zhǔn)工作狀態(tài)）發(fā)生異常，但仍然承載至少一個(gè)PG的數(shù)據(jù)（剛發(fā)生異常）Out正常運(yùn)行，未承載任何PG（新加入或故障修復(fù)重新加入的OSD）徹底發(fā)生故障，不再承載任何PG新增一個(gè)OSD首先根據(jù)配置信息與monitor通信，monitor將其加入clustermap，并設(shè)置為up且out狀態(tài)，再將最新版本的clustermap發(fā)給這個(gè)新OSD。自動(dòng)化的故障恢復(fù)（Failurerecovery）收到monitor發(fā)過(guò)來(lái)的clustermap之后，這個(gè)新OSD計(jì)算出自己所承載的PG以及和自己承載同一個(gè)PG的其他OSD。然后與這些OSD取得聯(lián)系。如果這個(gè)PG目前處于降級(jí)狀態(tài)（即承載該P(yáng)G的OSD個(gè)數(shù)少于正常值），則其他OSD將把這個(gè)PG內(nèi)的所有對(duì)象和元數(shù)據(jù)賦值給新OSD。數(shù)據(jù)復(fù)制完成后，新OSD被置為up且in狀態(tài)，clustermap也更新。2023年2月1日自動(dòng)化的re-balancing過(guò)程如果該P(yáng)G目前一切正常，則這個(gè)新OSD將替換掉現(xiàn)有OSD中的一個(gè)（PG內(nèi)將重新選出PrimaryOSD），并承擔(dān)其數(shù)據(jù)。在數(shù)據(jù)復(fù)制完成后，新OSD被置為up且in狀態(tài)，而被替換的OSD將推出該P(yáng)G。而clustermap內(nèi)容也將據(jù)此更新。自動(dòng)化的故障探測(cè)（Failuredetection）過(guò)程如果一個(gè)OSD發(fā)現(xiàn)和自己共同承擔(dān)一個(gè)PG的另一個(gè)OSD無(wú)法聯(lián)通，則會(huì)將這一情況上報(bào)monitor。此外，如果一個(gè)OSDdeamon發(fā)現(xiàn)自身工作狀態(tài)異常，也將把異常情況主動(dòng)上報(bào)給monitor。此時(shí)，monitor將把出現(xiàn)問(wèn)題的OSD的狀態(tài)設(shè)置為down且in。如果超過(guò)某一預(yù)定時(shí)間期限該OSD仍然無(wú)法恢復(fù)正常，則其狀態(tài)將被設(shè)置為down且ou