Ceph-数据丢失研究

青山无数，归去又还秋暮，算恁地光阴，能来得几度 —— 老俞

• 目标1：当出现坏盘，如何减少数据丢失

• 目标2：灵活，可拓展性强，能处理数据扩容/迁移

数据丢失问题

• 随机复制数据丢失率非常高，HDFS的例子

  

• In CRUSH：三副本，坏三个OSD，一定有数据丢失？（前提是数据量足够大）

  • 丢失PG的概率的公式：P = Pr * M / C(N, R)
  • Pr表示R个（副本数）OSD故障的概率，跟它关联的因素有OSD硬盘故障概率及恢复（Recovery）期间其他（R–1）OSD的故障概率。M表示copyset组合数，PG映射到一组OSD里表示copyset，如pg 2.3 → [2, 3, 1]
  • C(N, R) 表示N个OSD中，任意R个OSD的组合数
  • 从公式看，C(N, R) 对于一个既定的Ceph集群值是不变的 (从侧面也证明副本数越多，集群规模越大，PG丢失的概率也越低)，所以尽量缩小Pr、M的值
  • 减少Pr值：一是缩小OSD硬盘的故障率，二是缩短恢复的时间。缩小OSD故障率就是选择可靠的硬盘
  • 关于copyset数量M，当PG数量足够多，M >= C(N, R)
  • 减少M？

From Copyset Replication to Tiered Replication

• 作者Asaf Cidon 斯坦福毕业，哥伦比亚大学教授(https://www.asafcidon.com/)
• 与FaceBook合作，Tectonic作者之一

论文1—Copysets: Reducing the Frequency of Data Loss in Cloud Storage

• ATC‘13 Best Paper

• 为了解决 Random replication 的问题，有人提出了 Copysets，也就是论文 Copysets: Reducing the Frequency of Data Loss in Cloud Storage，相比于使用 random 方式，Copysets 引入了 scatter width，将整个集群节点进行分组，然后在分组的集合里面选择节点进行复制。

• Copysets 的算法其实比较简单，假设集群数量是 N，复制因子是 R（其实就是选择几个副本），scatter width 是 S，那么：

  1. 创建 S / (R - 1) 个节点排列
  2. 将每个排队分成 R 组
  3. 随机选择一个节点当成副本的 primary 副本
  4. 在分组的包含 primary 节点的集合里面随机选择 secondary 副本

  

• 譬如，假设我们有 9 个节点，R 是 3，而 S 是 2，那么就有 2 / (3 - 1) = 1 个排列，譬如 [1, 6, 5, 3, 4, 8, 9, 7, 2]，然后我们分成 3 组，也就是 [1, 6, 5], [3, 4, 8], [9, 7, 2]。

• 对于 3 副本，假设我们选择 1 作为 primary 副本存放的节点，那么剩下两个 secondary 副本只能在 6 和 5 上面选取。

• 使用 Copysets，能有效的降低丢失数据的概率，根据 Paper 里面描述，在 5000 个节点下面，如果有 1% 的节点同时挂掉，random 丢失的概率是 99.99%，而 Copysets 则是 0.15%

论文2—Tiered Replication: A Cost-effective Alternative to Full Cluster Geo-replication

• ATC‘15，copeset replication并不能解决集群动态扩容的问题
• Tiered Replication 的原理其实也比较简单：
  1. 所有节点开始的 scatter width 是 0，也就是没有属于任何 Copysets
  2. 创建一个 Copysets，选择最小 scatter width 的 R 个节点加进去
  3. 重复上面的过程，直到所有的节点的 scatter width 至少是 S
• Tiered Replication 里面也有 primary 和 backup 节点的区分，通常两个副本会放在 primary 节点里面，而第三个副本则会放backup 节点里面
• 对于集群的动态更新，譬如新加入一个节点，就直接按照上面的算法，将这个节点加入到不同的 Copysets 里面，直到这个新加入的节点的 scatter width 为 S
• 对于删除节点，一个简单的做法就是将包含这个删除节点的 Copysets 干掉，而在这些 Copysets 里面的其他正常节点的 scatter with 也会减少，然后会创建新的 Copysets 替换老的。在老的 Copysets 里面的正常副本可能会重新复制到其他节点上面

应用

• HDFS

• Curve

  • 关于S的设定
    • 总恢复带宽 = scatter width * 单个copyset的恢复带宽
    • scatter width = 总的恢复带宽 / 单个copyset的恢复带宽 = （数据容量 / 期望恢复时间）/ 单个copyset的恢复带宽
    • 假设节点每个盘4T，恢复时间3600s，单个copyset的恢复带宽为10MB/s，那么S = (4 * 1024 * 1024) / 3600 / 10 = 116.51，这是scatter width的下限
  • 关于扩容
    • 物理池physicalPool是扩容的基本单元，也就是一次扩容一个physicalPool。物理池内包含若干台服务器，每台服务器上具有若干个ChunkServer节点
    • logicalPool：在物理池之上，会创建logicalPool和copyset。copyset属于逻辑池，每个逻辑池一开始创建固定数量的copyset。copyset Id 在逻辑池内唯一，逻辑池Id + copyset Id 唯一确定一个copyset

• TiKV

  • 打 label ，假设有 3 个 Rack，每个 IDC 有 3 台机器，会给每个启动在机器上面的 TiKV 进程打上类似 rack = rack1, host = host11 这样的标签
  • PD 就会将 3 个副本分散到不同 Rack 的不同机器上面，但在 Rack 机器的选择上面，还是一个 random 算法。也就是说，即使能保证副本在不同的 Rack 上面，但随着每个 Rack 机器数量的增多，我们 3 副本同时丢失的概率就会增大，所以自然需要一个更好的副本复制策略

思考

• 是否可以运用于Ceph？