L'offre Red Hat Storage et son intégration avec Hadoop

L'offre Red Hat Storage et son intégration avec Hadoop

Vous appréciez notre travail......nous recrutons !

Ne ratez pas nos articles sur l'open source, le big data et les systèmes distribués, fréquence faible d’un email tous les deux mois.

J’ai eu l’occasion d’être introduit à Red Hat Storage et Gluster lors d’une présentation menée conjointement par Red Hat France et la société StartX. J’ai ici recompilé mes notes, du moins partiellement. Je terminerai par l’intégration entre Red Hat Storage et Hadoop, plus particulièrement ce qu’on peut en attendre avant de mener une expérimentation en réel.

Inutile de présenter Red Hat. La société StartX, crée en 2003, officie en France et se spécialise dans les produits Red Hat. Elle possède un partenariat avec Red Hat et Amazon.

En 2012, Red Hat annonça l’acquisition de GlusterFS lors du JBoss summit 2012 dans le but de valoriser ce système de stockage distribué dans l’offre plus complète que constitue Red Hat Storage (ci-dessous appelée RH Storage). Précédemment, l’acquisition de Qumranet avait ouvert les portes pour Red Hat au marché de la virtualisation en donnant naissance à l’offre Red Hat Enterprise Virtualization. Le brassage de ces deux offres tournant sous un même cluster unit calcul et stockage sur des composants standards (traduction de la notion de “commodity hardware”). Notons aussi qu’en 2012, Red Hat fit aussi les acquisitions de FuseSource spécialisé dans l’intégration et les messages et de Polymita spécialisé dans le Business Process Management (BPM).

Calcul et stockage unifié, le tout sur des architectures matérielles à la portée de tous, nous sommes là très proches d’une définition d’Hadoop. Qui plus est, depuis la version 3.3beta, GlusterFS est un stockage compatible Hadoop en remplacement de HDFS.

L’offre RH Storage s’articule autour des pôles suivants : base de connaissance, portail clients & forums, certifications hard et soft, software assurance, service support global, stabilité & cycle de vie jusqu’à 10 ans, mise à jours …

Cloud

Le cloud est aujourd’hui bien en route, en voici les grands axes :

  • virtualisation, 48% des apps dans machines virtuelles - Gartner
  • banalisation, serveurs x86, réduction des risques autour des mainframes, mais le stockage reste encore onéreux et propriétaire - ESG
  • cloudification, tendance à regarder de + en + le cloud, réflexion autour des avantages/inconvénients d’utiliser au moins en partie le cloud sans rupture technologique entre son propre datacenter et celui qui serait dans le cloud - IDG
  • explosion - les volumes de données traités sont en explosion exponentiel - Gartner

RH storage

Sa conception repose sur des objectifs de haute performance et de haute disponibilité. Il ne comporte pas de point de défaillance unique, chaque donnée écrite est redondée sur plusieurs disques et le système lui-même est réplicable sur un autre datacenter.

  • Service de fichier unifié avec un point de montage global (traduction de “global namespace”) quelque soit soit le nombre de composants
  • Méta-données distribuées selon un algorithme de hashage entre l’ensemble des composants du cluster, il n’a donc pas de point faible unique (traduction de “single point of failure”)
  • Système de fichier virtualisé, il est possible de formater les disques sous différents formats
  • Évolution linéaire (traduction de “horizontal scalibilité”) par ajout de noeuds (de 2 à 64)
  • Volumétrie de plusieurs peta octets validée sur architecture, plus anticipée dans le future
  • Interconnexion 1GbE et InfinyBand 10GbE (SDR, Single Data Rate) en cours de validation
  • Réplication des données en temps réel et géo-réplication en mode asynchronisé sur LAN, WAN internet, possibilité de faire du multi-site cascading

Artchitecture

RH storage est une couche logicielle sans adhérence avec le noyau ou le système sur lequel il évolue. Il s’installe sous Red Hat Enterprice Linux sur des matériels x86 dont le client possède la propriété. Il est conçu de manière entièrement distribuée et redondante. De plus, Gluster dont il est issu est un produit mature.

Le système peut être mis en place sur un cloud tel que celui-ci d’Amazon ou bien sur un cluster local. L’offre est intégrable dans un système virtualisé sur Red Hat Virtualisation et sera prochainement supportée sur VMware vSphere.

Il est conçu pour gérer de 2 à 64 noeuds, chaque noeud étant un serveur standard disponible sur le marché à moindre coût. Par exemple, à la date de cet article, la recommandation s’orienterait vers des serveurs 2 sockets de 4 à 6 coeurs et une mémoire d’environ 32 GB ou 48GB pour un HPC. Dans l’offre RH Storage, les disques doivent être formatés en XFS mais d’autres systèmes de fichiers sont utilisables. C’est en se sens que le système de fichier est dit virtualisé, il se positionne à un niveau au dessus du système de fichier gérant le disque.

Les cas d’utilisation d’une telle infrastructure peuvent par exemple être l’archivage de données enrichies par un environnement de fichiers objets ou encore un environnement High Performance Computing (HPC) capable d’adresser ses besoins avec de l’infiny band.

Le système se gère depuis une ligne de commande ou au travers d’une interface Web simple d’utilisation mais implémentant partiellement l’ensemble des outils.

La souscription de l’offre se fait par multiple de 2 noeuds.

Le stockage hétérogène (en anglais tearing) n’est pas encore présent (sauf ajout/création manuelle d’un “translator”), mais l’idée fait son chemin.

Feuille de route

Les prochaines évolutions sont attendues pour les environs du mois de mars 2013. Parmi celles-ci : volume snapshotting, rhs-C full support (console), nfsv4 support, smb 2.1 support.

Connexion

Le plus simple est l’utilisation d’un montage NFS mais celui-ci implique l’interrogation du cluster pour faire tourner l’algorithme de hash qui localisera les données. En terme de performance, il est souhaitable d’utiliser un client Gluster, plus intelligent car il réalise le hashing en local.

Mots clés

  • brick, répertoire monté sur le node au format XFS (disques groupé en raid)
  • client, Gluster, CIFS, NFS
  • server, hébergeur des briques
  • subvolume, ensemble de brick formaté pour un volume
  • volume, ensemble présenté comme un point de montage unique

Stratégie

  • Distributed, distribution homogène et équitable
  • Replicated, continuité de service au travers d’une adresse virtuelle si un noeud tombe ou part en maintenance
  • striped, pouvoir utiliser différentes briques de différents noeuds en coupant les fichiers (pour multiplier les accès concurrents sur un même fichier large), similaire à la notion de chunk dans Hadoop HDFS
  • mixage, distributed striped, distributed replicated, …

Exemple

Note, les notes de cette section restent à dégrossir.

Sur amazone, Red Hat fourni une image toute prête pour amazon mais peut bien sûr être recréée manuellement 1 noeud console - image m1 medium - ram 4go (jboss consome) - Red Hat enterprise 6.3 4 noeuds Gluster - image m1 small - ram 1.7 go - Red Hat enterprise 6.2 utilisation des elastic ip en mode production et amener la résolution de nom sur cette ip si montage NFS, utiliser le mécanisme d’IP flottante pour éviter le single point of failure sur l’adressage.

system
 -> clusters
    -> Europe
       -> servers
          -> node1
          -> node2
       -> volumes
          -> data1
    -> US
       -> servers
       -> volumes

Le volume data1 est répliqué sur les briques n1_b1 et n2_b1 respectivement sur les nodes 1 et 2 le cluster us est architecturé de la même manière nfs -> node1.eu.glluster.toto.fr:/data1 on /var/data type nfs (rw, vers=3, addr=10.208.23.48) ce volume correspond à la taille de chaque brique (10Go ds cet exemple). La création des briques se fait manuellement au préalable en ligne de commande. L’interface graphique est encore en beta et ne permet pas toutes les visualisations et opérations. Dans Amazone, pour chaque instance il faut aller dans volume, créer un nouveau volume (eg tagle 10tb ou 50gb) et l’attacher à l’instance créée, se connecter au noeud et le disque a été ajouté et on fait un PV (physical volume) ou LV (logical volume) et finalement on crée une brique.

objectifs -> cloud, virtualisation (dont VMware) et l’aspect Big Data dont hadoop

hadoop

Gluster a été développé dans sa version actuelle pour travailler conjointement avec Hadoop. Mais le plus intéressant n’est pas sa faculté à s’interfacer avec Hadoop mais la possibilité qu’il a de s’intercaler comme module de stockage dans Hadoop, remplaçant ainsi le natif HDFS. De plus, mais j’aurai ici besoin de plus amples précisions pour en tirer des conclusions, il m’a été dit que RH Storage embarquait nativement des composants Map/Reduce.

Les performances seraient similaires à celles d’HDFS. Notons que la limitation d’HDFS ne se situe pas au niveau de ses performances. Ce qu’une alternative comme Gluster peut apporter de plus est la conformité avec POSIX (Portable Operating System Interface, ), la distribution homogène et équitable des données sans adressage centralisé, la géo-réplication et encore la simplification de l’utilisation d’Hadoop dans un environnement virtualisé.

Partagez cet article

Canada - Maroc - France

Nous sommes une équipe passionnée par l'Open Source, le Big Data et les technologies associées telles que le Cloud, le Data Engineering, la Data Science le DevOps…

Nous fournissons à nos clients un savoir faire reconnu sur la manière d'utiliser les technologies pour convertir leurs cas d'usage en projets exploités en production, sur la façon de réduire les coûts et d'accélérer les livraisons de nouvelles fonctionnalités.

Si vous appréciez la qualité de nos publications, nous vous invitons à nous contacter en vue de coopérer ensemble.

Support Ukrain