隨著各行各業(yè)數(shù)字化轉(zhuǎn)型升級(jí)的加速,數(shù)據(jù)存儲(chǔ)容量和硬盤數(shù)量也在不斷增加,數(shù)據(jù)丟失事件時(shí)有發(fā)生,特別是硬盤故障事件,一旦發(fā)生,對(duì)于業(yè)務(wù)的影響不可估量。
超融合在磁盤故障提前檢測(cè)及處置方面是如何做的?今天就跟大家揭秘信服云的卡慢盤監(jiān)控和隔離機(jī)制。
深信服超融合持續(xù)對(duì)主機(jī)上的硬盤進(jìn)行IO級(jí)監(jiān)控,如發(fā)現(xiàn)有卡盤或者慢盤,就會(huì)對(duì)硬盤進(jìn)行隔離處理,避免繼續(xù)有IO落入該硬盤導(dǎo)致業(yè)務(wù)卡死或者變慢。超融合卡慢盤檢測(cè)隔離機(jī)制在應(yīng)用過程中分為監(jiān)控、識(shí)別和處置三個(gè)階段。
一、監(jiān)控
針對(duì)磁盤卡慢故障模式復(fù)雜的問題,多維度檢測(cè)確診。
超融合采用了Linux通用的工具和信息,包括內(nèi)核日志分析、smart信息分析、硬盤IO監(jiān)控?cái)?shù)據(jù)分析等從多個(gè)維度精確定位故障硬盤,真正實(shí)現(xiàn)不依賴特定硬件工具、兼容性廣的軟件定義可靠性。
二、識(shí)別
對(duì)識(shí)別卡慢盤的模型進(jìn)行細(xì)致打磨:超融合卡慢盤檢測(cè)機(jī)制在識(shí)別階段,使用了《卡慢盤識(shí)別與處理方案》《一種卡慢盤識(shí)別處理方法、裝置以及存儲(chǔ)介質(zhì)》《一種慢盤故障精準(zhǔn)識(shí)別和診斷方法》等專利技術(shù),制定出了更加精準(zhǔn)的卡慢盤識(shí)別模型,使卡慢盤的識(shí)別準(zhǔn)確率在99%以上。最終將卡慢盤分為三種類型:卡慢、嚴(yán)重慢盤、輕微慢盤。
三、處置
超融合針對(duì)不同類型的卡慢盤采用不同的處置方法,避免業(yè)務(wù)數(shù)據(jù)落在卡慢盤上,保障業(yè)務(wù)數(shù)據(jù)安全。在上述前提下,盡可能保障業(yè)務(wù)正常對(duì)外提供服務(wù)。
超融合針對(duì)不同類型卡慢盤處置流程如下:
(1)輕微慢盤
輕微卡慢對(duì)業(yè)務(wù)性能影響較小,優(yōu)先保障業(yè)務(wù)運(yùn)行。超融合會(huì)在WEB控制臺(tái)進(jìn)行告警,并通過預(yù)先設(shè)置好的郵件、短信等方式發(fā)送給管理員,管理員根據(jù)情況進(jìn)行人工處置。人工處置操作包括手動(dòng)隔離、替換硬盤等。
(2)嚴(yán)重慢盤
在對(duì)端副本正常時(shí),將該硬盤從系統(tǒng)中隔離。新數(shù)據(jù)多副本寫入時(shí),寫入到其他健康的硬盤上,業(yè)務(wù)讀取該盤數(shù)據(jù)時(shí),主動(dòng)切換到另一副本讀取。同時(shí)觸發(fā)數(shù)據(jù)重建,保障數(shù)據(jù)的安全性。
在對(duì)端副本業(yè)務(wù)異常時(shí),優(yōu)先保障業(yè)務(wù)運(yùn)行,超融合會(huì)在WEB控制臺(tái)進(jìn)行告警,并通過預(yù)先設(shè)置好的郵件、短信等方式發(fā)送給管理員,管理員根據(jù)情況進(jìn)行人工處置。
(3)卡盤
在對(duì)端副本正常時(shí),將該硬盤從系統(tǒng)中隔離,新數(shù)據(jù)多副本寫入時(shí),寫入到其他健康的硬盤上,業(yè)務(wù)讀取該盤數(shù)據(jù)時(shí),主動(dòng)切換到另一副本讀取,同時(shí)觸發(fā)數(shù)據(jù)重建,保障數(shù)據(jù)的安全性。
在對(duì)端副本異常時(shí),第一次出現(xiàn)卡慢場(chǎng)景優(yōu)先保障業(yè)務(wù)運(yùn)行。超融合會(huì)在WEB控制臺(tái)進(jìn)行告警,并通過預(yù)先設(shè)置好的郵件、短信等方式發(fā)送給管理員,管理員根據(jù)情況進(jìn)行人工處置。1小時(shí)內(nèi)出現(xiàn)3次硬盤卡慢時(shí)保障數(shù)據(jù)安全,將該硬盤從系統(tǒng)中隔離。
綜合實(shí)際測(cè)試效果,在未開啟卡慢盤檢測(cè)及處置功能前,在硬盤出現(xiàn)卡慢時(shí),IO多次出現(xiàn)斷崖式下降,業(yè)務(wù)持續(xù)受到影響。開啟功能后超融合在硬盤卡慢亞健康狀態(tài)出現(xiàn)后能夠在1分鐘內(nèi)檢測(cè)到并進(jìn)行隔離處置,隔離后業(yè)務(wù)IO恢復(fù)穩(wěn)定,整個(gè)過程虛擬機(jī)不出現(xiàn)HA,降低了卡慢盤對(duì)業(yè)務(wù)性能的影響。根據(jù)深信服統(tǒng)計(jì),2021年卡慢盤引發(fā)的業(yè)務(wù)中斷問題數(shù)下降60%。
