知っておくべきCephのIOアクセラレーション技術とその活用方法 北島 佑樹 (株式会社アルティマ ) コモディティサーバで実現するSDSとして注目度が上がっており、大規模スケールの事例も出始めているCeph。 本セッションではCephを検討する際に知っておくべきIOの仕組みや活用技術について理解いただけます。 IOボトルネック、ネットワークボトルネックが及ぼす影響、Cephのアクセラレーション機能の活用法、HW紹介等、CephをHWの切り口から紹介します。

1. 知っておくべきCephの
IOアクセラレーション技術と
その活用方法
2015 Sep
株式会社アルティマ
北島佑樹

2. 自己紹介
 株式会社アルティマ
プロダクトセールス2部 SE 北島佑樹
 経歴
 これまでにアルティマFAE/SEとして複数ベンダを担当
 (HW)SASコントローラーチップ(FW開発サポート)
 (SW)デジカメ向け3Dソフト
 (HW)IO仮想化
 (HW)ARM高集積サーバ
 いま
 SE
 担当：Mellanox, HGST, Midokura, 6WIND
 担当分野
→クラウドインフラ(サーバ、ストレージ、ネットワーク)
2

3. トピック
 Keyword
「SDSをHWの視点から語ってみる」
 Point
 ストレージIOの仕組み
 ネットワークオーバーヘッド、IO遅延
 CephにはXioMessengerという魅力的な機能がある
3

4. スケールアウトストレージ システム概要
4
Client / Compute
iSCSI / FC
Storage Cluster
High Bandwidth
Front-end Back-end
 専用HW(ブラックボックス)
 システム設計はベンダ推奨があるものが主
 Back-Endネットワークには広帯域なインターフェースがサポートされ
ているケースが多い (Ex : InfiniBand)
アプライアンス型
InfiniBand(56Gb)
Ethernet(40GE)
Black Box

5. スケールアウトストレージ システム概要 con't
5
バックエンドに広帯域インターフェースをサポート

6. スケールアウトストレージ システム概要 con't
6
Client / Compute
1/10GE
Commodity Server
for Storage node
High Bandwidth
10GE/40GE
Front-end Back-end
 汎用サーバ(X86,ARM)
 システム設計はユーザ自身(自由度が高い)
→SWの理解と同時に、HWの理解も必要
 Back-Endネットワークは必ずしも必要ではない (Ex : Hyper Converged System)
汎用サーバ型
User-Defined

7.  ストレージまでの経路が遠くなる
＝ IOのオーバーヘッド(Latency)が大きくなる
＝ 性能(IOPS, Throughput)に影響
 たまに聞く話し
 All Flashにした
 or サーバスペックを上げた
 or 帯域を太くした
知っておきたいIOの流れ
7
APP
Network
APPLICATION CPU MEMORY ETHERNET / FC / IB SSD/ HDD
SERVER
APPAPP
APP
NETWORK
ADAPTER
NETWORK STORAGE
が、思ったより性能が改善しない

8. Ceph IO(write)の特徴
 同期レプリケーション
8
参考：http://docs.ceph.com/docs/master/architecture/
 完全同期のため全OSDから
のAckを受信しIOが完了
||
 トータルのオーバーヘッド
(Latency)は大きくなる

9. Ceph Failoverの特徴
9
OSD#1
(P)
Cluster Map
(MON)
OSD#3 OSD#6 OSD#7
Client
P:Primary
x
①OSD down
②Retrieve
③Copy all data
 OSDのデータ復旧時、大量のIOが発生する(Throughput多)
 帯域が細い
 レイテンシーが大きい
全体のIO性能に影響

10. ここまでのまとめ
 Back-End(クラスタネットワーク)の帯域は十分に確保する
→ 平均トラフィックで設計しない
 汎用サーバでストレージを組む際は、システム全体の
最適化が重要
 CephのIO特徴
 同期レプリケーション
 レプリケーション数でIOは倍増
※Erasure Codingはまた違う動作
 Failover時の挙動
10

11. 11
数字で見るボトルネック

12. 数字で見るIO性能 1
 ストレージデバイスとプロトコルの相関
12
※表中のデータは
メラノックス社提供データ
 プロトコルのオーバーヘッド (大)
 SSDの性能効率 (低)
 iSCSI(TCP)の場合、ユーザー空間で複雑なプロトコル
処理があるため数字以上のオーバーヘッドに
 プロトコルのオーバーヘッド (少)
 SSDの性能効率 (高)
 Ethernetでも高速なIOが可能 → RoCE
 Cephでも利用可能

13. 数字で見るIO性能 2
 ストレージデバイスとネットワークスイッチの相関
13
Component Latency(usec)
Mellanox 0.22
Broadcom(TridentII) 8
SSD Read 25
Disk Read 6000
SSD Read
76%
Other(TridentII)
24%
Mellanox
0.8%
SSD Read
99.2%
参考：http://www.mellanox.com/related-docs/products/Tolly-215111-Mellanox-SwitchX-2_Performance.pdf
ネットワークが占めるレイテンシー割合(vs ストレージデバイス)
フレームサイズごとのパケットロスの割合
※Jamboフレーム = MTU9000
 ショートパケットでパケットロスが発生
 64byteパケットで約20%
 Mellanoxはゼロパケットロス
&低レイテンシー

14. 数字で見るIO性能 2 con't
14
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
64 128 256 512 1,024 1,280 1,518 9,198
nsec
Frame Size
Mellanox SX1710
他社製スイッチ - Cut Throughモード
他社製スイッチ - Store and Forwardモード (Default) Ixia BreakingPoint
※Ixiaのスペック制限で10GbEの評価結果です
RFC2544テスト結果(Latency)
(Trident II)

15. RDMAによるIO高速化
 RDMAとは？
 利点
 ゼロコピー
 ネットワークレイヤ間のバッファコピーが発生しない
 カーネルバイパス
 コンテキストスイッチが発生しない
 ロスレス
 message based transaction
 対応プロトコル
 Ethernet(RoCE), InfiniBand(iSER, SRP), iWARP
15
RDMA (Remote DMA)は、CPUが関与することなくネットワーク越しにメモリへ
アクセスする（すなわち、リモートのRead/WriteをCPUを介さずにノード間で
処理できる）機能である。
参考：http://rdma.hatenablog.com/entry/2014/04/06/161737#fn1

16. CephのRDMAサポート
16
「v0.94 Hammer released」
参考：https://ceph.com/releases/v0-94-hammer-released/
http://tracker.ceph.com/projects/ceph/wiki/Accelio_RDMA_Messenger
機能 ：XioMessenger
使用ライブラリ ：Accelio

17. 補足
 Accelioとは？
17
RPCライブラリのHWアクセラレーションに対応したモジュール
RDMAベースのロスレス通信を実現

18. 参考データ
Ceph RDMA vs withoutRDMA
18
RDMA
TCP
RDMA
TCP
RDMA
TCP
Over 60% Performance Improvement (4K 100% Read)
※Beta Driver as of 2015 Apr
K
※表中のデータはメラノックス社提供データ

19. HWの紹介 1
 Mellanox社製 10/40GbE アダプタカード
19
型番 MCX311A-
XCCT
MCX312B-XCCT MCX313A-BCCT MCX314A-BCCT
ポート Single
10GbE
Dual
10GbE
Single
/10/40/56GbE
Dual
/10/40/56GbE
コネクタ SFP+ SFP+ QSFP QSFP
ケーブル ダイレクトアタッチカッパー、光ファイバ
ホストバス PCIe 3.0 x 8
特長 VXLAN/NVGRE オフロード, RDMA, SR-IOV,
各種オフロード(CheckSUM offload, TCP Segmentation offload, Stateless offload)
対応OS RHEL, SLES, Microsoft Windows Sever, FreeBSD, Ubuntu, VMWare ESXi

20. HWの紹介 2
 Mellanox社製 10/40GbE L2/L3スイッチ
20
SX1710 (x86)/1036 (PPC)
The Ideal 40/56GbE ToR/Aggregation
SX1400 (x86)/1024 (PPC)
Non-blocking 10GbE 40/56GbE ToR
SX1012
Ideal storage/Database 10/40/56GbE Switch
Classic storage/DB switch
Low LATENCY
220ns
Low POWER
SX1710 – 92W
SX1024 – 75W
SX1012 – 50W
Zero Packet Loss

21.  Ready for 25 / 50 / 100GbE !!
HWの紹介 3
21
Copper (Passive, Active) Optical Cables (VCSEL) Silicon Photonics
Entering the Era of 25, 50 and 100GbE
100GbE Adapter
(10 / 25 / 40 / 50 / 100GbE)
Multi Host Solution
32 100GbE Ports, 64 25/50GbE Ports
(10 / 25 / 40 / 50 / 100GbE)
Throughput of 6.4Tb/s
Erasure Coding offload対応

22. まとめ
 SDS + 汎用サーバを組む際は、システム全体の最適化を
考慮する
 HWはコモディティ化 != HWはなんでもいい
= 用途に応じて選定
 CephにはXioMessenger(RDMA)がサポートされている
(まだExperimental Versionです) [version Hammer as of 2015 sep]
 スケールアウトにはMellanoxのNIC, Switchがとても相性
がいい (宣伝…)
22

23. 23
Ceph xio messenger設定方法
…TBD
参考手順：https://community.mellanox.com/docs/DOC-2141
Search!!

24. Thank You
問い合わせ先：
株式会社アルティマ メラノックス担当
mellanox-support@altima.co.jp
24