OpenStack NUMA 分析 （入门）

Openstack NUMA 分析 (入门)

作者：张航东

OpenStack版本：Kilo

 

1、Openstack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

为Flavor添加元数据，即extra-specs，通过设置以下几种关键字：

hw:numa_nodes=NN                                    - VM中NUMA的个数

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

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

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

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

为Image添加元数据，即Image的metadata，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 和 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？

对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内的基本数据成员。

2)       class VirtNUMATopologyCellLimit(VirtNUMATopologyCell):

NUMA限制量单元，定义了NUMAcell内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内已使用的资源。

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):

为guest VM提供NUMA相关的操作。

6)       class VirtNUMAHostTopology(VirtNUMATopology):

为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image和flavor所配置的NUMA参数，随着创建VM的参数image_href和instance_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 VM的NUMA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 VM的NUMA拓扑信息：

 

3>     将guest VM的NUMA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)     当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 VM的NUMA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 VM的NUMA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、在Dashboard中，创建Flavor，和元数据hw:numa_nodes和hw:numa_mempolicy，示例如下（这里创建的flavor名字叫“test_numa_by_num”，4 CPU，2G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、创建Flavor，和元数据hw:numa_nodes、hw:numa_mempolicy、hw:numa_cpus.0、hw:numa_cpus.1、hw:numa_mem.0、hw:numa_mem.1，并且设置cell_0的cpu为2-3，cell_1的CPU为0-1。示例如下（这里创建的flavor名字叫“test_numa_by_specify”，4 CPU，2G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、通过virsh命令，查看我们刚才创建的那个VM——“numa_vm_1”：