![](https://upload-images.jianshu.io/upload_images/1484544-0a47872990a52d31?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

![](https://upload-images.jianshu.io/upload_images/1484544-6e679a6a35c3f365?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

**桔妹導讀：**Ceph是國際知名的開源分散式儲存系統，在工業界和學術界都有著重要的影響。Ceph的架構和演算法設計發表在國際系統領域頂級會議OSDI、SOSP、SC等上。Ceph社群得到Red Hat、SUSE、Intel等大公司的大力支援。Ceph是國際雲端計算領域應用最廣泛的開源分散式儲存系統，此外，Ceph也廣泛應用在檔案、物件等儲存領域。Ceph在滴滴也支撐了很多關鍵業務的執行。在Ceph的大規模部署和使用過程中，我們發現了Ceph的一些效能問題。圍繞Ceph的效能最佳化，我們做了很多深入細緻的工作。這篇文章主要介紹我們透過除錯分析發現的Ceph在鎖方面存在的問題和我們的最佳化方法。

#1. 背景

在支撐一些延遲敏感的線上應用過程中，我們發現Ceph的尾延遲較差，當應用併發負載較高時，Ceph很容易出現延遲的毛刺，對延遲敏感的應用造成超時甚至崩潰。我們對Ceph的尾延遲問題進行了深入細緻的分析和最佳化。造成尾延遲的一個重要原因就是程式碼中鎖的使用問題，下面根據鎖問題的型別分別介紹我們的最佳化工作。本文假設讀者已熟悉Ceph的基本讀寫程式碼流程，程式碼的版本為Luminous。

#2. 持鎖時間過長

##2.1 非同步讀最佳化

Ceph的osd處理客戶端請求的執行緒池為osd_op_tp，在處理操作請求的時候，執行緒會先鎖住操作對應pg的lock。其中，處理物件讀請求的程式碼如下圖所示，在鎖住物件所屬pg的lock後，對於最常用的多副本儲存方式，執行緒會同步進行讀操作，直到給客戶端傳送返回的資料後，才會釋放pg lock。

在進行讀操作時，如果資料沒有命中page cache而需要從磁碟讀，是一個耗時的操作，並且pg lock是一個相對粗粒度的鎖，在pg lock持有期間，其它同屬一個pg的物件的讀寫操作都會在加鎖上等待，增大了讀寫延遲，降低了吞吐率。同步讀的另一個缺點是讀操作沒有參與流量控制。

![](https://upload-images.jianshu.io/upload_images/1484544-166451bbb651d18c?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

我們對線上叢集日誌的分析也驗證了上述問題，例如，一個日誌片段如下圖所示，圖中列舉了兩個op的詳細耗時資訊，這兩個op均為同一個osd的執行緒所執行，且操作的是同一個pg的物件。根據時間順序，第一個op為read，總耗時為56ms。第二個op為write，總耗時為69ms。圖中資訊顯示，第二個op處理的一箇中間過程，即副本寫的完成訊息在處理之前，在osd請求佇列中等待了36ms。結合上圖的程式碼可以知道，這36ms都是耗在等待pg lock上，因為前一個read操作持有pg lock，而兩個物件屬於相同pg。

![](https://upload-images.jianshu.io/upload_images/1484544-7e00a6bf666bb5cc?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

我們的最佳化如下圖所示，我們建立了獨立的讀執行緒，負責處理讀請求，osd_op_tp執行緒只需將讀請求提交到讀執行緒的佇列即可返回解鎖，大大減少了pg lock的持有時間。讀執行緒完成磁碟讀之後，將結果放到finisher執行緒的佇列，finisher執行緒重新申請pg lock後負責後續處理，這樣將耗時的磁碟訪問放在了不持有pg lock的流程中，結合我們在流量控制所做的最佳化，讀寫操作可以在統一的框架下進行流量控制，從而精準控制磁碟的利用率，以免磁碟訪問擁塞造成尾延遲。

![](https://upload-images.jianshu.io/upload_images/1484544-4655fd1def41a222?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

我們用fio進行了非同步讀最佳化效果的測試，測試方法：對同一個pool的兩個rbd，一個做隨機讀，另一個同時做隨機寫操作，將pg number配置為1，這樣所有物件讀寫會落到同一個osd的同一個pg。非同步讀最佳化後，隨機寫平均延遲下降了**53%**。下圖為某業務的filestore叢集非同步讀上線前後讀吞吐率的資料，箭頭所指為上線時間，可見上線之後，叢集承載的讀操作的吞吐率增加了**120%**。

![](https://upload-images.jianshu.io/upload_images/1484544-8fa916c7ed910bcc?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

上述最佳化在使用filestore儲存後端時取得了明顯的效果，但在使用bluestore儲存後端時，bluestore程式碼中還存在持有pg粒度鎖同步讀的問題，具體見BlueStore::read的程式碼。我們對bluestore的讀也進行了非同步的最佳化，這裡就不詳細介紹了。

#3. 鎖粒度過粗
##3.1 object cache lock最佳化

Ceph在客戶端實現了一個基於記憶體的object cache，供rbd和cephfs使用。但cache只有一把大的互斥鎖，任何cache中物件的讀寫都需要先獲得這把鎖。在使用寫回模式時，cache flusher執行緒在寫回髒資料之前，也會鎖住這個鎖。這時對cache中快取物件的讀寫都會因為獲取鎖而卡住，使讀寫延遲增加，限制了吞吐率。我們實現了細粒度的物件粒度的鎖，在進行物件的讀寫操作時，只需獲取對應的物件鎖，無需獲取全域性鎖。只有訪問全域性資料結構時，才需要獲取全域性鎖，大大增加了物件間操作的並行。並且物件鎖採用讀寫鎖，增加了同一物件上讀的並行。測試表明，高併發下rbd的吞吐率增加了超過**20%**。

#4. 不必要的鎖競爭
##4.1減少pg lock競爭

Ceph的osd對客戶端請求的處理流程為，messenger執行緒收到請求後，將請求放入osd_op_tp執行緒池的快取佇列。osd_op_tp執行緒池的執行緒從請求快取佇列中出隊一個請求，然後根據該請求操作的物件對應的pg將請求放入一個與pg一一對應的pg slot佇列的尾部。然後獲取該pg的pg lock，從pg slot佇列首部出隊一個元素處理。可見，如果osd_op_tp執行緒池的請求快取佇列中連續兩個請求操作的物件屬於相同的pg，則一個osd_op_tp執行緒出隊前一個請求加入pg slot佇列後，獲取pg lock，從pg slot佇列首部出隊一個請求開始處理。另一個osd_op_tp執行緒從請求快取佇列出隊第二個請求，因為兩個請求是對應相同的pg，則它會加入相同的pg slot佇列，然後，第二個執行緒在獲取pg lock時會阻塞。這降低了osd_op_tp執行緒池的吞吐率，增加了請求的延遲。我們的最佳化方式是保證任意時刻每個pg slot佇列只有一個執行緒處理。因為在處理pg slot佇列中的請求之前需要獲取pg lock，因此同一個pg slot佇列的請求是無法並行處理的。我們在每個pg slot佇列增加一個標記，記錄當前正在處理該pg slot的請求的執行緒。當有執行緒正在處理一個pg slot的請求時，別的執行緒會跳過處理該pg slot，繼續從osd_op_tp執行緒池的請求快取佇列出隊請求。

##4.2 log lock最佳化

Ceph的日誌系統實現是有一個全域性的日誌快取佇列，由一個全域性鎖保護，由專門的日誌執行緒從日誌快取佇列中取日誌列印。工作執行緒提交日誌時，需要獲取全域性鎖。日誌執行緒在獲取日誌列印之前，也需要獲取全域性鎖，然後做一個交換將佇列中的日誌交換到一個臨時佇列。另外，當日志快取佇列長度超過閾值時，提交日誌的工作執行緒需要睡眠等待日誌執行緒列印一些日誌後，再提交。鎖的爭搶和等待都增加了工作執行緒的延遲。

我們為每個日誌提交執行緒引入一個執行緒區域性日誌快取佇列，該佇列為經典的單生產者單消費者無鎖佇列。執行緒提交日誌直接提交到自己的區域性日誌快取佇列，該過程是無鎖的。只有佇列中的日誌數超過閾值後，才會通知日誌執行緒。日誌執行緒也會定期輪詢各個日誌提交執行緒的區域性日誌快取佇列，列印一些日誌，該過程也是無鎖的。透過上述最佳化，基本避免了日誌提交過程中因為鎖競爭造成的等待，降低了日誌的提交延遲。測試在高併發日誌提交時，日誌的提交延遲可降低接近**90%**。

##4.3 filestore apply lock最佳化

對於Ceph filestore儲存引擎，同一個pg的op需要序列apply。每個pg有一個OpSequencer(簡稱osr)，用於控制apply順序，每個osr有一個apply lock以及一個op佇列。對於每個待apply的op，首先加入對應pg的osr的佇列，然後把osr加到filestore的負責apply的執行緒池op_tp的佇列，簡稱為apply佇列。op_tp執行緒從apply佇列中取出一個osr，加上它的apply lock，再從osr的佇列裡取出一個op apply，邏輯程式碼如下圖左所示。可見，每個op都會把其對應的osr加入到apply佇列一次。如果多個op是針對同一個pg的物件，則這個pg的osr可能多次加入到apply佇列。如果apply佇列中連續兩個osr是同一個pg的，也就是同一個osr，則前一個op被一個執行緒進行apply時，osr的apply lock已經加鎖，另一個執行緒會在該osr的apply lock上阻塞等待，降低了併發度。

![](https://upload-images.jianshu.io/upload_images/1484544-3f78105b5848e3da?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

這個問題也體現在日誌中。一個線上叢集日誌片段如下圖，有兩個op_tp執行緒6700和5700，apply佇列裡三個物件依次來自pg: 1.1833, 1.1833\. 1.5f2。執行緒6700先拿到第一個物件進行apply, 執行緒5700拿第二個物件進行apply時卡在apply lock上，因為兩個物件都來自pg 1.1833，直到6700做完才開始apply。而6700拿到第三個物件，即1.5f2的物件進行apply即寫page cache只用了不到1ms，但實際apply延遲234ms，可見第三個物件在佇列裡等待了233ms。如果5700不用等待apply lock，則第二和第三個物件的apply延遲可以大大縮短。

![](https://upload-images.jianshu.io/upload_images/1484544-3c7cedcf3c6c3ed0?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

我們最佳化後的邏輯程式碼如上圖右所示，同一個osr只加入apply佇列一次，取消apply lock，利用原子操作實現無鎖演算法。上面的演算法可以進一步最佳化，在將一個osr出隊之後，可以一次從它的佇列中取m(m>1)個op進行apply，在op apply完成階段，改為如果atomic::fetch_sub(osr->queue_length, m) > m，則將osr重新入隊以提高吞吐率。

我們用fio進行了apply lock最佳化效果測試，方法為建兩個pool，每個pool的pg number為1，每個pool一個rbd,  對兩個rbd同時進行隨機寫的操作，一個pool寫入資料的量為31k*10k，另一個pool寫入資料的量為4k*100k, 衡量所有請求apply的總耗時。最佳化前總耗時434ks, 最佳化後總耗時45ks，減少**89.6%**。  ### !

![](https://upload-images.jianshu.io/upload_images/1484544-a2c10f1211b9735f?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
**團隊介紹**
滴滴雲平臺事業群滴滴雲端儲存團隊原隸屬於滴滴基礎平臺部，現隸屬於新成立的滴滴雲事業部。團隊承擔著公司線上非結構化儲存服務的研發，並參與運維工作。具體來說，團隊承擔了公司內外部業務的絕大部分的物件、塊、檔案儲存需求，資料儲存量數十PB。團隊技術氛圍濃厚，同時具備良好的使用者服務意識，立足於用技術創造客戶價值，業務上追求極致。團隊對於分散式儲存、網際網路服務架構、Linux儲存棧有著深入的理解。

**作者介紹**
![](https://upload-images.jianshu.io/upload_images/1484544-6ad903a739417577?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

負責滴滴線上非結構化儲存研發，曾任國防科技大學計算機學院副研究員，教研室主任，天河雲端儲存負責人

**延伸閱讀**
![](https://upload-images.jianshu.io/upload_images/1484544-5a887fb665301611?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
![](https://upload-images.jianshu.io/upload_images/1484544-5be0169c56ac5421?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
![](https://upload-images.jianshu.io/upload_images/1484544-e794846cd419ef14?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

內容編輯 | Charlotte
聯絡我們 | 滴滴技術公眾號

微信搜尋滴滴技術，關注公眾號，瞭解更多硬核技術乾貨

滴滴Ceph分散式儲存系統最佳化之鎖最佳化

相關文章