空き領域の断片化によるZFSの重い書き込みの増幅
PostgreSQLデータベース用にZFS RAID0をセットアップしました。ストレージとインスタンスはAWS EC2およびEBSボリュームにあります。
NAME SIZE ALLOC FREE EXPANDSZ FRAG CAP DEDUP HEALTH ALTROOT
pgpool 479G 289G 190G - 70% 60% 1.00x ONLINE -
xvdf 59.9G 36.6G 23.3G - 71% 61%
xvdg 59.9G 34.7G 25.2G - 70% 57%
xvdh 59.9G 35.7G 24.2G - 71% 59%
xvdi 59.9G 35.7G 24.2G - 71% 59%
xvdj 59.9G 36.3G 23.6G - 71% 60%
xvdk 59.9G 36.5G 23.4G - 71% 60%
xvdl 59.9G 36.6G 23.3G - 71% 61%
xvdm 59.9G 36.6G 23.2G - 71% 61%
以前は、ほとんどのデバイスでFRAGが80％になり、書き込みIOPSが大幅に増加しました。以前のプール容量は75％の使用率（400GB）であるため、各デバイスに追加の10GBをプロビジョニングしました（400GB + 80GB）。現在、FRAGは70％に削減されています。重要な指標の1つは、同じワークロードでは書き込みIOPSがはるかに少ないことです。
EBSサイズの増加後のCloudwatchメトリックに従って、書き込みIOPSはマスターPGの4000 IOPSから1200-1400 IOPSに大幅に減少し、スレーブPGの3000 IOPSから600 IOPSに減少しました。これは、FRAGがこの answer で説明されているように書き込みを増幅する方法が原因であると疑っています。
compressratioはrecordsize=128Kよりもはるかに優れているため、recordsize=8Kを設定しました。 recordsizeが高いため、FRAGは急速に増加し、書き込みの増幅と大量の書き込みIOPSが発生すると思います。レコードサイズを小さくすると、書き込みの増幅やその他の問題が発生しなくなりますか？
データベース情報
PostgreSQL 9.6
Checkpoint Timeout: 10min
Total Databases: ~1100
Tables / DB: ~1300
Files / DB: ~6000 to 8000 (1300 Tables + Indexes + Toast)
Total Files for All DBs: ~7.7m
5分ごとの平均で、〜60000から70000ファイル（テーブル+インデックス+トースト）が影響を受けます（postgresチェックポイント完了ログによる）。では、膨大な数のファイルに関してチューニングを行う必要がありますか？または、少なくとも私が期待しているのは、プールに追加のスペースが追加されたときにIOPSが大幅に異なる理由です。
また、プールに追加のスペースが追加されたときに1か月前に同じ種類のIOPSの違いがありましたが、2日後に高いIOPSレートに戻りました。したがって、2〜3日後に同じことが繰り返されると思います。そのため、空き領域の断片化FRAGが原因であると疑っています。
ZPOOL小道具
ubuntu@ip-10-0-1-59:~$ Sudo zpool get all
NAME PROPERTY VALUE SOURCE
pgpool size 479G -
pgpool capacity 60% -
pgpool altroot - default
pgpool health ONLINE -
pgpool guid 1565875598252756833 -
pgpool version - default
pgpool bootfs - default
pgpool delegation on default
pgpool autoreplace off default
pgpool cachefile - default
pgpool failmode wait default
pgpool listsnapshots off default
pgpool autoexpand on local
pgpool dedupditto 0 default
pgpool dedupratio 1.00x -
pgpool free 190G -
pgpool allocated 289G -
pgpool readonly off -
pgpool ashift 0 default
pgpool comment - default
pgpool expandsize - -
pgpool freeing 0 -
pgpool fragmentation 71% -
pgpool leaked 0 -
pgpool multihost off default
pgpool feature@async_destroy enabled local
pgpool feature@empty_bpobj enabled local
pgpool feature@lz4_compress active local
pgpool feature@multi_vdev_crash_dump enabled local
pgpool feature@spacemap_histogram active local
pgpool feature@enabled_txg active local
pgpool feature@hole_birth active local
pgpool feature@extensible_dataset active local
pgpool feature@embedded_data active local
pgpool feature@bookmarks enabled local
pgpool feature@filesystem_limits enabled local
pgpool feature@large_blocks enabled local
pgpool feature@large_dnode enabled local
pgpool feature@sha512 enabled local
pgpool feature@skein enabled local
pgpool feature@edonr enabled local
pgpool feature@userobj_accounting active local
ZFSプロップ
ubuntu@ip-10-0-1-59:~$ Sudo zfs get all
NAME PROPERTY VALUE SOURCE
pgpool type filesystem -
pgpool creation Mon Oct 8 18:45 2018 -
pgpool used 289G -
pgpool available 175G -
pgpool referenced 288G -
pgpool compressratio 5.06x -
pgpool mounted yes -
pgpool quota none default
pgpool reservation none default
pgpool recordsize 128K default
pgpool mountpoint /mnt/PGPOOL local
pgpool sharenfs off default
pgpool checksum on default
pgpool compression lz4 local
pgpool atime off local
pgpool devices on default
pgpool exec on default
pgpool setuid on default
pgpool readonly off default
pgpool zoned off default
pgpool snapdir hidden default
pgpool aclinherit restricted default
pgpool createtxg 1 -
pgpool canmount on default
pgpool xattr sa local
pgpool copies 1 default
pgpool version 5 -
pgpool utf8only off -
pgpool normalization none -
pgpool casesensitivity sensitive -
pgpool vscan off default
pgpool nbmand off default
pgpool sharesmb off default
pgpool refquota none default
pgpool refreservation none default
pgpool guid 571000568545391306 -
pgpool primarycache all default
pgpool secondarycache all default
pgpool usedbysnapshots 0B -
pgpool usedbydataset 288G -
pgpool usedbychildren 364M -
pgpool usedbyrefreservation 0B -
pgpool logbias throughput local
pgpool dedup off default
pgpool mlslabel none default
pgpool sync standard default
pgpool dnodesize legacy default
pgpool refcompressratio 5.07x -
pgpool written 288G -
pgpool logicalused 1.42T -
pgpool logicalreferenced 1.42T -
pgpool volmode default default
pgpool filesystem_limit none default
pgpool snapshot_limit none default
pgpool filesystem_count none default
pgpool snapshot_count none default
pgpool snapdev hidden default
pgpool acltype off default
pgpool context none default
pgpool fscontext none default
pgpool defcontext none default
pgpool rootcontext none default
pgpool relatime off default
pgpool redundant_metadata most local
pgpool overlay off default
[〜＃〜]円弧[〜＃〜]
ubuntu@ip-10-0-1-59:~$ cat /proc/spl/kstat/zfs/arcstats
13 1 0x01 96 4608 8003814189 8133508755293587
name type data
hits 4 48883641586
misses 4 1321425301
demand_data_hits 4 15606800719
demand_data_misses 4 786648720
demand_metadata_hits 4 32729793033
demand_metadata_misses 4 278006868
prefetch_data_hits 4 315020107
prefetch_data_misses 4 207366277
prefetch_metadata_hits 4 232027727
prefetch_metadata_misses 4 49403436
mru_hits 4 10685966527
mru_ghost_hits 4 85159850
mfu_hits 4 37807765384
mfu_ghost_hits 4 40046050
deleted 4 960331018
mutex_miss 4 15489677
access_skip 4 17626
evict_skip 4 21812713742
evict_not_enough 4 267500438
evict_l2_cached 4 0
evict_l2_eligible 4 108797848903680
evict_l2_ineligible 4 2000957528064
evict_l2_skip 4 0
hash_elements 4 313401
hash_elements_max 4 769926
hash_collisions 4 587807552
hash_chains 4 11108
hash_chain_max 4 6
p 4 3794526616
c 4 7022898344
c_min 4 1004520576
c_max 4 16072329216
size 4 6944858120
compressed_size 4 3732648960
uncompressed_size 4 20043857408
overhead_size 4 1682603008
hdr_size 4 110128312
data_size 4 3359916544
metadata_size 4 2055335424
dbuf_size 4 246193488
dnode_size 4 943126912
bonus_size 4 230157440
anon_size 4 33360384
anon_evictable_data 4 0
anon_evictable_metadata 4 0
mru_size 4 3718656000
mru_evictable_data 4 1940126208
mru_evictable_metadata 4 224441856
mru_ghost_size 4 1684268032
mru_ghost_evictable_data 4 0
mru_ghost_evictable_metadata 4 1684268032
mfu_size 4 1663235584
mfu_evictable_data 4 1288254464
mfu_evictable_metadata 4 83499008
mfu_ghost_size 4 1506922496
mfu_ghost_evictable_data 4 1391591424
mfu_ghost_evictable_metadata 4 115331072
l2_hits 4 0
l2_misses 4 0
l2_feeds 4 0
l2_rw_clash 4 0
l2_read_bytes 4 0
l2_write_bytes 4 0
l2_writes_sent 4 0
l2_writes_done 4 0
l2_writes_error 4 0
l2_writes_lock_retry 4 0
l2_evict_lock_retry 4 0
l2_evict_reading 4 0
l2_evict_l1cached 4 0
l2_free_on_write 4 0
l2_abort_lowmem 4 0
l2_cksum_bad 4 0
l2_io_error 4 0
l2_size 4 0
l2_asize 4 0
l2_hdr_size 4 0
memory_throttle_count 4 0
memory_direct_count 4 3209752
memory_indirect_count 4 15181019
memory_all_bytes 4 32144658432
memory_free_bytes 4 6916120576
memory_available_bytes 3 6413860864
arc_no_grow 4 0
arc_tempreserve 4 0
arc_loaned_bytes 4 0
arc_Prune 4 252427
arc_meta_used 4 3584941576
arc_meta_limit 4 12054246912
arc_dnode_limit 4 1205424691
arc_meta_max 4 12420274128
arc_meta_min 4 16777216
sync_wait_for_async 4 4231322
demand_hit_predictive_prefetch 4 195199007
arc_need_free 4 0
arc_sys_free 4 502260288
zdb -C
ubuntu@ip-10-0-1-59:~$ Sudo zdb -C pgpool
MOS Configuration:
version: 5000
name: 'pgpool'
state: 0
txg: 4739409
pool_guid: 1565875598252756833
errata: 0
hostname: 'ip-10-0-1-59'
com.delphix:has_per_vdev_zaps
vdev_children: 8
vdev_tree:
type: 'root'
id: 0
guid: 1565875598252756833
create_txg: 4
children[0]:
type: 'disk'
id: 0
guid: 1507251152420866879
path: '/dev/xvdf1'
whole_disk: 1
metaslab_array: 64
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1425
create_txg: 4
com.delphix:vdev_zap_leaf: 129
com.delphix:vdev_zap_top: 130
children[1]:
type: 'disk'
id: 1
guid: 12461793154748882472
path: '/dev/xvdg1'
whole_disk: 1
metaslab_array: 68
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1424
create_txg: 9
com.delphix:vdev_zap_leaf: 131
com.delphix:vdev_zap_top: 132
children[2]:
type: 'disk'
id: 2
guid: 15169312858460766498
path: '/dev/xvdh1'
whole_disk: 1
metaslab_array: 69
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1427
create_txg: 12
com.delphix:vdev_zap_leaf: 133
com.delphix:vdev_zap_top: 134
children[3]:
type: 'disk'
id: 3
guid: 8533762672700299025
path: '/dev/xvdi1'
whole_disk: 1
metaslab_array: 74
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1422
create_txg: 15
com.delphix:vdev_zap_leaf: 71
com.delphix:vdev_zap_top: 72
children[4]:
type: 'disk'
id: 4
guid: 6612366135198079494
path: '/dev/xvdj1'
whole_disk: 1
metaslab_array: 139
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1428
create_txg: 18
com.delphix:vdev_zap_leaf: 136
com.delphix:vdev_zap_top: 137
children[5]:
type: 'disk'
id: 5
guid: 15947515837120747219
path: '/dev/xvdk1'
whole_disk: 1
metaslab_array: 142
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1421
create_txg: 21
com.delphix:vdev_zap_leaf: 140
com.delphix:vdev_zap_top: 141
children[6]:
type: 'disk'
id: 6
guid: 15626684534009192025
path: '/dev/xvdl1'
whole_disk: 1
metaslab_array: 146
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1426
create_txg: 24
com.delphix:vdev_zap_leaf: 143
com.delphix:vdev_zap_top: 144
children[7]:
type: 'disk'
id: 7
guid: 19815078749163274
path: '/dev/xvdm1'
whole_disk: 1
metaslab_array: 149
metaslab_shift: 27
ashift: 9
asize: 64418480128
is_log: 0
DTL: 1423
create_txg: 27
com.delphix:vdev_zap_leaf: 147
com.delphix:vdev_zap_top: 148
features_for_read:
com.delphix:hole_birth
com.delphix:embedded_data
zfs.conf
ubuntu@ip-10-0-1-59:~$ Sudo cat /etc/modprobe.d/zfs.conf
options zfs zfs_arc_max=77147180237
zdbメタスラブとスペースマップ
メタスラブとスペースマップの情報から、各vdevの最後にあるメタスラブとスペースマップは、上部の領域と比較して（最新のサイズ拡張により）空き容量が多いように見えます。したがって、これは、メタスラブとスペースマップがフラグメント化されている場合のパフォーマンスの低下として説明されている問題 ここ と相関しています。
新しいデバイスをプライマリストライプとして昇格させるには、ミラーを追加して古いvdevを削除する方がよいと思います。これは、メタスラブとスペースマップが、断片化のない新鮮なプールであるかのように役立ちます（???わからない!!!）。とにかく、これは最後の手段として残されます。それまでは、zfs側からのメタスラブ/スペースマップに関して必要なチューニングと問題の性質を確認するまで調べます。
また、断片化を減らすために、zfsログデバイスを別のデバイスに追加し、postgres pg_xlogディレクトリをext4パーティションを持つ別のデバイスに移動する予定です。
深いデバッグがなければ、明確な答えを出すことは困難です。とにかく、注意すべきことがいくつかあります：
ZFSは spacemapsを介してブロックを割り当てます。 spacemapが> = 96％フル（古いビルドの場合は80％）になると、ZFSは最初に適合したものから最適なものに切り替えます-fitアロケーター。これはスペースマップごとの決定であることに注意してください。80％の完全なプールに、その値をはるかに超えるスペースマップがあり、すでに96％を超えている可能性があります。このようなスペースマップに書き込む場合、ZFSは低速の最適なアロケーターを使用します
断片化されたスペースマップは、断片化されていないものよりもはるかに多くのメモリを使用します。この追加されたメモリ圧力により、 spacemapが破壊される可能性があります。
metaslab_debug_load=1;それが機能しない場合は、プールまたは設定metaslab_debug_unload=1。 を再インポートしてみてください。メモリ内のすべてのスペースマップを永続的にロックすると、必然的により多くのRAMを消費するあなたは gang blocks で焼かれる可能性がありますが、これもまた、さらなるデバッグなしではそうであるかどうかを見分けるのは困難です。確かに、このような
compressratioを備えた128Kレコードサイズでは、断片化に関しては好意的ではありません。 こちら と こちら の詳細を読むことができます。
補足：プールにはashift=9があるようです。純粋な512Bデバイスは、特にクラウド環境では、今日では非常にまれであると思います。パフォーマンスを向上させるために、ashift=12を使用してプールを再作成できます。