`
Hangdong.Zhang
  • 浏览: 15225 次
  • 性别: Icon_minigender_1
  • 来自: 西安
社区版块
存档分类
最新评论

OpenStack NUMA 分析 (入门)

阅读更多
Openstack NUMA 分析 (入门)
作者:张航东
OpenStack版本:Kilo
 

1Openstack是否提供了NUMA的入口以供我们使用?

是的,已经提供了,并且可以正常使用。

 

2有哪些入口?

1)       Flavor

Flavor添加元数据,即extra-specs,通过设置以下几种关键字:

hw:numa_nodes=NN                                    - VMNUMA的个数

hw:numa_mempolicy=preferred|strict   - VM NUMA 内存的使用策略

hw:numa_cpus.0=<cpu-list>                       - VM 中在NUMA node 0cpu

hw:numa_cpus.1=<cpu-list>                       - VM 中在NUMA node 1cpu

hw:numa_mem.0=<ram-size>                   - VM 中在NUMA node 0的内存大小(M)

hw:numa_mem.1=<ram-size>                   - VM 中在NUMA node 1的内存大小(M)

2)       Image

Image添加元数据,即Imagemetadata,通过设置以下几种关键字:

hw_numa_nodes=NN - numa of NUMA nodes to expose to the guest.

hw_numa_mempolicy=strict|prefered - memory allocation policy

hw_numa_cpus.0=<cpu-list> - mapping of vCPUS N-M to NUMA node 0

hw_numa_cpus.1=<cpu-list> - mapping of vCPUS N-M to NUMA node 1

hw_numa_mem.0=<ram-size> - mapping N MB of RAM to NUMA node 0

hw_numa_mem.1=<ram-size> - mapping N MB of RAM to NUMA node 1

 

以下是openstack接口文档中对Flavord extra-specs image metadata所提供的接口截图,接口文档可在openstack官网获取。


 

3. openstack代码中,处理NUMA的地方在哪里?

NUMA相关数据的解析和处理,openstack Juno版本中,提供了以下class(在nova/virt/hardware.py文件中):

1)       class VirtNUMATopologyCell(object):

NUMA单元,定义了NUMA cell的基本数据成员。

2)       class VirtNUMATopologyCellLimit(VirtNUMATopologyCell):

NUMA限制量单元,定义了NUMAcell可以使用资源的最大限。

3)       class VirtNUMATopologyCellUsage(VirtNUMATopologyCell):

NUMA使用量单元,定义了NUMA cell已使用的资源。

4)       class VirtNUMATopology(object):

NUMA拓扑单元,定义了NUMA 的基本数据成员,即cells[]

5)       class VirtNUMAInstanceTopology(VirtNUMATopology):

guest VM提供NUMA相关的操作。

6)       class VirtNUMAHostTopology(VirtNUMATopology):

Host提供NUMA相关的操作。

 

4. openstack代码中,用户配置的NUMA参数,在创建VM时,是怎么被处理的?

1)      创建VM时,用户在imageflavor所配置的NUMA参数,随着创建VM的参数image_hrefinstance_type传入。

 

2)     在创建VM内部,有一步“参数校验”self._validate_and_build_base_options()的操作,该“参数校验”中,有一步操作会调用VirtNUMAInstanceTopology的方法获取到guest VMNUMA拓扑,并将其保存在base_options变量中返回。

1>     参数校验:

 

2>     在“参数校验”中,获取guest VMNUMA拓扑信息:

 

3>     guest VMNUMA拓扑信息,保存到base_options,最终返回:

 

3)     然后,创建VM函数,会将返回的base_options,通过self._provision_instances()方法更新到instance中。

1>     调用self._provision_instances()方法:

2>     _provision_instances()方法内部,将base_options更新到instance中:

 

4)     这样一来,用户配置的NUMA信息,就被保存到了instance中,在数据库instance_extra表中可以查到对应的信息,如下。

 

5)     VM启动、恢复、迁移等需要用到NUMA信息时,就会调用到_get_guest_numa_config()方法(后续会讲到),通过该方法获取到对应VM所需要的NUMA配置。该方法内部,有一步,会从instance中,获取到对应的NUMA拓扑。

1>     _get_guest_numa_config()会调用self._get_cpu_numa_config_from_instance()方法获取guest VMNUMA拓扑。

 

2>     然后,内部又会调用InstanceNUMATopology的方法(在/nova/objects/instance_numa_topology.py文件内)从instance中获取到NUMA拓扑,保存到一个重要的变量guest_cpu_numa(后续会讲到)中返回。

 

3>     InstanceNUMATopology中,从instance获取NUMA拓扑的具体函数。

 

 

5、  openstack代码中,获取guest VMNUMA配置,并且匹配Host NUMA配置的具体流程和逻辑是什么?(详见附件:NUMA源码结构.PNG)
 

 

How to use openstack NUMA function

(该部分以Flavor为例,已证实对于image的配置,同样有效!)

 

一、自动平均分配NUMA cell

1、Dashboard中,创建Flavor,和元数据hw:numa_nodeshw:numa_mempolicy,示例如下(这里创建的flavor名字叫“test_numa_by_num”,4 CPU2G内存):

 

2、根据此flavor,创建一个VM。示例如下(这里创建的VM名字为“numa_vm_1”):

 

3、通过virsh命令,查看我们刚才创建的那个VM——“numa_vm_1”:

 

 

二、手动指定分配NUMA cell

1、Flavor,和元数据hw:numa_nodeshw:numa_mempolicyhw:numa_cpus.0hw:numa_cpus.1hw:numa_mem.0hw:numa_mem.1,并且设置cell_0cpu2-3cell_1CPU0-1。示例如下(这里创建的flavor名字叫“test_numa_by_specify”,4 CPU2G内存):

 

2、根据此flavor,创建一个VM。示例如下(这里创建的VM名字为“numa_vm_2”):

 

3、virsh命令,查看我们刚才创建的那个VM——“numa_vm_1”:

 

 

  • 大小: 58.3 KB
  • 大小: 174.1 KB
  • 大小: 115.6 KB
  • 大小: 84 KB
  • 大小: 74.1 KB
  • 大小: 45.4 KB
  • 大小: 238.2 KB
  • 大小: 203.6 KB
  • 大小: 145 KB
  • 大小: 194.5 KB
  • 大小: 148 KB
  • 大小: 45.8 KB
  • 大小: 150.4 KB
  • 大小: 46.4 KB
  • 大小: 72.5 KB
  • 大小: 20.6 KB
  • 大小: 242.5 KB
  • 大小: 71.7 KB
  • 大小: 54.3 KB
  • 大小: 215 KB
分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics