滴滴Ceph分布式存储系统优化之锁优化-低调大师

滴滴Ceph分布式存储系统优化之锁优化

2020-08-28 556

桔妹导读：Ceph是国际知名的开源分布式存储系统，在工业界和学术界都有着重要的影响。Ceph的架构和算法设计发表在国际系统领域顶级会议OSDI、SOSP、SC等上。Ceph社区得到Red Hat、SUSE、Intel等大公司的大力支持。Ceph是国际云计算领域应用最广泛的开源分布式存储系统，此外，Ceph也广泛应用在文件、对象等存储领域。Ceph在滴滴也支撑了很多关键业务的运行。在Ceph的大规模部署和使用过程中，我们发现了Ceph的一些性能问题。围绕Ceph的性能优化，我们做了很多深入细致的工作。这篇文章主要介绍我们通过调试分析发现的Ceph在锁方面存在的问题和我们的优化方法。

背景

在支撑一些延迟敏感的在线应用过程中，我们发现Ceph的尾延迟较差，当应用并发负载较高时，Ceph很容易出现延迟的毛刺，对延迟敏感的应用造成超时甚至崩溃。我们对Ceph的尾延迟问题进行了深入细致的分析和优化。造成尾延迟的一个重要原因就是代码中锁的使用问题，下面根据锁问题的类型分别介绍我们的优化工作。本文假设读者已熟悉Ceph的基本读写代码流程，代码的版本为Luminous。

持锁时间过长

▍ 2.1 异步读优化

Ceph的osd处理客户端请求的线程池为osd_op_tp，在处理操作请求的时候，线程会先锁住操作对应pg的lock。其中，处理对象读请求的代码如下图所示，在锁住对象所属pg的lock后，对于最常用的多副本存储方式，线程会同步进行读操作，直到给客户端发送返回的数据后，才会释放pg lock。

在进行读操作时，如果数据没有命中page cache而需要从磁盘读，是一个耗时的操作，并且pg lock是一个相对粗粒度的锁，在pg lock持有期间，其它同属一个pg的对象的读写操作都会在加锁上等待，增大了读写延迟，降低了吞吐率。同步读的另一个缺点是读操作没有参与流量控制。

我们对线上集群日志的分析也验证了上述问题，例如，一个日志片段如下图所示，图中列举了两个op的详细耗时信息，这两个op均为同一个osd的线程所执行，且操作的是同一个pg的对象。根据时间顺序，第一个op为read，总耗时为56ms。第二个op为write，总耗时为69ms。图中信息显示，第二个op处理的一个中间过程，即副本写的完成消息在处理之前，在osd请求队列中等待了36ms。结合上图的代码可以知道，这36ms都是耗在等待pg lock上，因为前一个read操作持有pg lock，而两个对象属于相同pg。

我们的优化如下图所示，我们创建了独立的读线程，负责处理读请求，osd_op_tp线程只需将读请求提交到读线程的队列即可返回解锁，大大减少了pg lock的持有时间。读线程完成磁盘读之后，将结果放到finisher线程的队列，finisher线程重新申请pg lock后负责后续处理，这样将耗时的磁盘访问放在了不持有pg lock的流程中，结合我们在流量控制所做的优化，读写操作可以在统一的框架下进行流量控制，从而精准控制磁盘的利用率，以免磁盘访问拥塞造成尾延迟。

我们用fio进行了异步读优化效果的测试，测试方法：对同一个pool的两个rbd，一个做随机读，另一个同时做随机写操作，将pg number配置为1，这样所有对象读写会落到同一个osd的同一个pg。异步读优化后，随机写平均延迟下降了53%。下图为某业务的filestore集群异步读上线前后读吞吐率的数据，箭头所指为上线时间，可见上线之后，集群承载的读操作的吞吐率增加了120%。

上述优化在使用filestore存储后端时取得了明显的效果，但在使用bluestore存储后端时，bluestore代码中还存在持有pg粒度锁同步读的问题，具体见BlueStore::read的代码。我们对bluestore的读也进行了异步的优化，这里就不详细介绍了。

锁粒度过粗

▍3.1 object cache lock优化

Ceph在客户端实现了一个基于内存的object cache，供rbd和cephfs使用。但cache只有一把大的互斥锁，任何cache中对象的读写都需要先获得这把锁。在使用写回模式时，cache flusher线程在写回脏数据之前，也会锁住这个锁。这时对cache中缓存对象的读写都会因为获取锁而卡住，使读写延迟增加，限制了吞吐率。

我们实现了细粒度的对象粒度的锁，在进行对象的读写操作时，只需获取对应的对象锁，无需获取全局锁。只有访问全局数据结构时，才需要获取全局锁，大大增加了对象间操作的并行。并且对象锁采用读写锁，增加了同一对象上读的并行。测试表明，高并发下rbd的吞吐率增加了超过20%。

不必要的锁竞争

▍4.1减少pg lock竞争

Ceph的osd对客户端请求的处理流程为，messenger线程收到请求后，将请求放入osd_op_tp线程池的缓存队列。osd_op_tp线程池的线程从请求缓存队列中出队一个请求，然后根据该请求操作的对象对应的pg将请求放入一个与pg一一对应的pg slot队列的尾部。然后获取该pg的pg lock，从pg slot队列首部出队一个元素处理。

可见，如果osd_op_tp线程池的请求缓存队列中连续两个请求操作的对象属于相同的pg，则一个osd_op_tp线程出队前一个请求加入pg slot队列后，获取pg lock，从pg slot队列首部出队一个请求开始处理。另一个osd_op_tp线程从请求缓存队列出队第二个请求，因为两个请求是对应相同的pg，则它会加入相同的pg slot队列，然后，第二个线程在获取pg lock时会阻塞。这降低了osd_op_tp线程池的吞吐率，增加了请求的延迟。

我们的优化方式是保证任意时刻每个pg slot队列只有一个线程处理。因为在处理pg slot队列中的请求之前需要获取pg lock，因此同一个pg slot队列的请求是无法并行处理的。我们在每个pg slot队列增加一个标记，记录当前正在处理该pg slot的请求的线程。当有线程正在处理一个pg slot的请求时，别的线程会跳过处理该pg slot，继续从osd_op_tp线程池的请求缓存队列出队请求。

▍4.2 log lock优化

Ceph的日志系统实现是有一个全局的日志缓存队列，由一个全局锁保护，由专门的日志线程从日志缓存队列中取日志打印。工作线程提交日志时，需要获取全局锁。日志线程在获取日志打印之前，也需要获取全局锁，然后做一个交换将队列中的日志交换到一个临时队列。另外，当日志缓存队列长度超过阈值时，提交日志的工作线程需要睡眠等待日志线程打印一些日志后，再提交。锁的争抢和等待都增加了工作线程的延迟。

我们为每个日志提交线程引入一个线程局部日志缓存队列，该队列为经典的单生产者单消费者无锁队列。线程提交日志直接提交到自己的局部日志缓存队列，该过程是无锁的。只有队列中的日志数超过阈值后，才会通知日志线程。日志线程也会定期轮询各个日志提交线程的局部日志缓存队列，打印一些日志，该过程也是无锁的。通过上述优化，基本避免了日志提交过程中因为锁竞争造成的等待，降低了日志的提交延迟。测试在高并发日志提交时，日志的提交延迟可降低接近90%。

▍ 4.3 filestore apply lock优化

对于Ceph filestore存储引擎，同一个pg的op需要串行apply。每个pg有一个OpSequencer(简称osr)，用于控制apply顺序，每个osr有一个apply lock以及一个op队列。对于每个待apply的op，首先加入对应pg的osr的队列，然后把osr加到filestore的负责apply的线程池op_tp的队列，简称为apply队列。op_tp线程从apply队列中取出一个osr，加上它的apply lock，再从osr的队列里取出一个op apply，逻辑代码如下图左所示。可见，每个op都会把其对应的osr加入到apply队列一次。如果多个op是针对同一个pg的对象，则这个pg的osr可能多次加入到apply队列。如果apply队列中连续两个osr是同一个pg的，也就是同一个osr，则前一个op被一个线程进行apply时，osr的apply lock已经加锁，另一个线程会在该osr的apply lock上阻塞等待，降低了并发度。

这个问题也体现在日志中。一个线上集群日志片段如下图，有两个op_tp线程6700和5700，apply队列里三个对象依次来自pg: 1.1833, 1.1833. 1.5f2。线程6700先拿到第一个对象进行apply, 线程5700拿第二个对象进行apply时卡在apply lock上，因为两个对象都来自pg 1.1833，直到6700做完才开始apply。而6700拿到第三个对象，即1.5f2的对象进行apply即写page cache只用了不到1ms，但实际apply延迟234ms，可见第三个对象在队列里等待了233ms。如果5700不用等待apply lock，则第二和第三个对象的apply延迟可以大大缩短。

我们优化后的逻辑代码如上图右所示，同一个osr只加入apply队列一次，取消apply lock，利用原子操作实现无锁算法。上面的算法可以进一步优化，在将一个osr出队之后，可以一次从它的队列中取m(m>1)个op进行apply，在op apply完成阶段，改为如果atomic::fetch_sub(osr->queue_length, m) > m，则将osr重新入队以提高吞吐率。

我们用fio进行了apply lock优化效果测试，方法为建两个pool，每个pool的pg number为1，每个pool一个rbd, 对两个rbd同时进行随机写的操作，一个pool写入数据的量为31k*10k，另一个pool写入数据的量为4k*100k, 衡量所有请求apply的总耗时。优化前总耗时434ks, 优化后总耗时45ks，减少89.6%。

团队介绍

▬

滴滴云平台事业群滴滴云存储团队原隶属于滴滴基础平台部，现隶属于新成立的滴滴云事业部。团队承担着公司在线非结构化存储服务的研发，并参与运维工作。具体来说，团队承担了公司内外部业务的绝大部分的对象、块、文件存储需求，数据存储量数十PB。团队技术氛围浓厚，同时具备良好的用户服务意识，立足于用技术创造客户价值，业务上追求极致。团队对于分布式存储、互联网服务架构、Linux存储栈有着深入的理解。

作者介绍

▬

负责滴滴在线非结构化存储研发，曾任国防科技大学计算机学院副研究员，教研室主任，天河云存储负责人

延伸阅读

▬


             
             
             
 
              
              
              
  
               
               
               

 
              
              
              
 
              
              
              
  
               
               
               内容编辑 | Charlotte
 
              
              
              
 
              
              
              
  
               
               
               联系我们 | DiDiTech@didiglobal.com

本文分享自微信公众号 - 滴滴技术（didi_tech）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

微信关注我们

原文链接：https://my.oschina.net/u/4095493/blog/4535669

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

一文带你深扒ClassLoader内核，揭开它的神秘面纱！

「MoreThanJava」宣扬的是「学习，不止 CODE」。如果觉得「不错」的朋友，欢迎「关注 + 留言 + 分享」，文末有完整的获取链接，您的支持是我前进的最大的动力！前言 ClassLoader 可以说是 Java 最为神秘的功能之一了，好像大家都知道怎么回事儿 (双亲委派模型好像都都能说得出来...)，又都说不清楚具体是怎么一回事 (为什么需要需要有什么实际用途就很模糊了...)。今天，我们就来深度扒一扒，揭开它神秘的面纱！ Part 1. 类加载是做什么的？首先，我们知道，Java 为了实现「一次编译，到处运行」的目标，采用了一种特别的方案：先编译为与任何具体及其环境及操作系统环境无关的中间代码（也就是 .class 字节码文件），然后交由各个平台特定的 Java 解释器（也就是 JVM）来负责解释运行。 ClassLoader (顾名思义就是类加载器) 就是那个把字节码交给 JVM 的搬运工（加载进内存）。它负责将字节码形式的 Class 转换成 JVM 中内存形式的 Class 对象。字节码可以是来自于磁盘上的 .class 文...

2020-08-28

541

滴滴数据仓库指标体系建设实践

桔妹导读：指标体系是什么？如何使用OSM模型和AARRR模型搭建指标体系？如何统一流程、规范化、工具化管理指标体系？本文会对建设的方法论结合滴滴数据指标体系建设实践进行解答分析。 1. 什么是指标体系 ▍1.1指标体系定义 ‍指标体系是将零散单点的具有相互联系的指标，系统化的组织起来，通过单点看全局，通过全局解决单点的问题。它主要由指标和体系两部分组成。指标是指将业务单元细分后量化的度量值，它使得业务目标可描述、可度量、可拆解，它是业务和数据的结合，是统计的基础，也是量化效果的重要依据。指标主要分为结果型和过程型：结果型指标用于衡量用户发生某个动作后所产生的结果，通常是延后知道的，很难进行干预。结果型指标更多的是监控数据异常，或者是监控某个场景下用户需求是否被满足过程型指标用户在做某个动作时候所产生的指标，可以通过某些运营策略来影响这个过程指标，从而影响最终的结果，过程型指标更加关注用户的需求为什么被满足或没被满足体系是由不同的维度组成，而维度是指用户观察、思考与表述某事物的“思维角度”，维度是指标体系的核心，没有维度，单纯说指标是没有任何意义的。维度主要分为定性维度和定...

2020-08-27

526

发表评论

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Apache Tomcat

Tomcat是Apache 软件基金会（Apache Software Foundation）的Jakarta 项目中的一个核心项目，由Apache、Sun 和其他一些公司及个人共同开发而成。因为Tomcat 技术先进、性能稳定，而且免费，因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可，成为目前比较流行的Web 应用服务器。

Eclipse

Eclipse 是一个开放源代码的、基于Java的可扩展开发平台。就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境。幸运的是，Eclipse 附带了一个标准的插件集，包括Java开发工具（Java Development Kit，JDK）。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。