监控 EDA 工作负载中的卷延迟
建议更改
PDF
作为管理 EDA 工作负载的 IT 管理员或 DevOps 工程师，您可以使用延迟分析通过跟踪 FSx for ONTAP 文件系统上的读取和写入延迟指标来主动监控卷性能。配置可自定义的阈值用于警告和关键事件，以在影响模拟运行时间和上市时间之前识别潜在的性能瓶颈。当检测到延迟事件时，自动基本分析有助于确定根本原因。
概述
高延迟直接影响您的 EDA 项目的模拟运行时间和上市时间。不健康的卷可能会导致严重的性能下降，从而导致代价高昂的生产延迟。延迟分析可帮助您在整个存储空间中主动识别、故障排除和修复操作问题，以免这些问题影响您的工作负载。
延迟分析收集并监控卷读取和写入操作的 CloudWatch 指标。当指定时间范围内的所有数据点都超出延迟和 IOPS 阈值时，系统会生成显示在延迟事件表中的警报。
当检测到延迟事件时，系统会使用 ONTAP QoS 延迟中心指标自动执行基本分析，以识别延迟源。
这使您能够：
-
识别性能下降的卷。
-
区分警告级别和关键级别的性能问题。
-
自动分析延迟问题的根本原因。
-
跟踪一段时间内的延迟趋势，以优化存储配置。
-
在延迟影响工作负载性能之前采取积极主动的行动。
要求
要使用延迟监控和分析功能，请确保满足以下要求：
- AWS凭证和权限
-
您必须将 AWS 凭据添加到具有读/写权限的 Workload Factory。延迟监控功能需要访问与您的 AWS 凭据关联的所有 FSx for ONTAP 卷的 CloudWatch 指标。
延迟监控不支持 Basic 模式和 read-only 模式权限。
如果您尚未配置 AWS 凭据，请参见 "添加 AWS 凭据"。
- FSx for ONTAP文件系统
-
您需要在 AWS 环境中至少部署一个带有卷的 FSx for ONTAP 文件系统。延迟监控功能会自动收集与您配置的 AWS 凭据相关联的所有卷的指标。
- 链接到 FSx for ONTAP
-
要从基本分析中获得见解，您必须将链接与 FSx for ONTAP 文件系统相关联。如果尚未关联任何链接，请在 EDA 中选择*关联链接*，选择是否创建新链接或关联现有链接，然后选择*继续*以自动转到存储工作负载中的链接创建页面。
有关创建和关联链接的说明，请参见 "创建链接"。
了解警报
延迟分析功能使用 CloudWatch 警报来监控卷性能。了解如何触发警报有助于您配置适当的阈值并解释结果。
收集的指标
系统会收集每个卷的以下 CloudWatch 指标：
-
读取延迟阈值：计算为 1000 * m2/(m1+0.000001)，其中 m1 = DataReadOperations，m2 = DataReadOperationTime
-
写入延迟阈值：以 1000 * m2/(m1+0.000001) 计算，其中 m1 = DataWriteOperations，m2 = DataWriteOperationTime
警报触发条件
当满足以下所有条件时，将触发警报：
-
操作类型（读取或写入）超过延迟阈值。
-
此操作类型超出 IOPS 阈值。
-
对于配置时间段内的所有数据点，这两种情况都存在。
例如，使用默认警告阈值时，只有当读取延迟超过 6 ms 且读取 IOPS 在 10 分钟时间段内的所有数据点都超过 100 ops/sec 时，读取警报才会触发。
事件严重性
-
警告事件：表示可能需要注意的延迟升高。
-
关键事件：表示需要立即调查的严重延迟。
配置延迟阈值
配置适当的延迟阈值可使您在卷遇到性能问题时及时收到通知。通过设置警告阈值和关键阈值，您可以区分需要注意的问题和需要立即采取行动的问题，从而使您能够更有效地管理存储资源，并防止性能问题影响生产工作负载。
您可以为警告和严重事件配置阈值。每个事件类型都包含单独的读取和写入操作阈值。系统会持续评估这些阈值，并在满足条件时生成警报。
|
您必须将关键事件阈值设置为高于警告事件阈值，以确保正确的警报升级。否则，您无法保存配置。 |
要触发警报，必须突破指定时间段内所有数据点的延迟阈值和 IOPS 阈值。这种双条件逻辑通过确保在重大负载下保持高延迟，有助于减少误报。
-
使用以下任一方式登录 "主机体验"。
-
选择菜单
，然后选择 EDA。 -
在 EDA 菜单中，选择*延迟*。
-
在 EDA 延迟配置页面中，配置以下阈值：
-
警告事件
-
读取延迟阈值：输入延迟阈值（以毫秒为单位）。默认值：6 ms。
-
读取 IOPS 阈值：以每秒操作数为单位输入 IOPS 阈值。默认值：100 ops/sec。
-
读取时间范围：输入以分钟为单位的时间范围（5-20）。默认值：10 分钟。
-
写入延迟阈值：输入以毫秒为单位的延迟阈值。默认值：8 ms。
-
写入 IOPS 阈值：以每秒操作数输入 IOPS 阈值。默认值：100 ops/sec。
-
写入时间范围：输入以分钟为单位的时间范围（5-20）。默认值：10 分钟。
-
-
严重事件
-
读取延迟阈值：输入延迟阈值（以毫秒为单位）。默认值：12 ms。
-
读取 IOPS 阈值：以每秒操作数为单位输入 IOPS 阈值。默认值：100 ops/sec。
-
读取时间范围：输入以分钟为单位的时间范围（5-20）。默认值：10 分钟。
-
写入延迟阈值：输入以毫秒为单位的延迟阈值。默认值：15 ms。
-
写入 IOPS 阈值：以每秒操作数输入 IOPS 阈值。默认值：100 ops/sec。
-
写入时间范围：输入以分钟为单位的时间范围（5-20）。默认值：10 分钟。
-
-
-
选择*应用*。
Workload Factory 开始收集与您的 AWS 凭据关联的所有 FSx for ONTAP 卷的延迟指标。指标至少每 20 分钟收集一次。延迟事件表显示违反配置阈值的任何卷。
查看延迟事件
作为管理多个文件系统和卷的管理员，延迟事件表提供了所有需要注意的性能问题的集中视图。该表显示了过去 72 小时内检测到的所有警告和关键事件。每个事件的 Details 列中都包含自动基本分析结果，可帮助您快速确定延迟问题的根本原因，并对整个环境的补救工作进行优先级排序。
-
表中仅显示每个卷的最新违规行为。如果某个卷经历了多次违规，则仅显示最近的事件。
-
事件将在 72 小时后自动删除。
-
此表最多显示 200 个事件。添加新事件时，旧事件将被删除。
-
在 Latency 选项卡中，查看延迟事件表。
-
查看每个事件的信息，包括：
-
Severity：指示事件是 Critical 还是 Warning。
-
Volume name：受影响卷的名称。
-
Volume ID：受影响卷的 ID。
-
文件系统：包含该卷的 FSx for ONTAP 文件系统。
-
检测到时间：检测到违规行为的时间
-
中位数延迟：数据泄露期间的中位数延迟值。
-
详细信息：自动基本分析结果，确定延迟源和建议的操作。
-
-
要对表格进行排序，请选择任意列标题。默认情况下，关键事件首先按时间排序显示，然后是按时间排序的警告事件。
-
要关闭一个或多个事件，请在每个事件旁边选择 Dismiss。
-
要向表中添加列，请选择列图标，选择列，然后选择 Apply。
了解基本分析
基本分析可帮助您快速确定延迟问题的根本原因，而无需手动调查。当检测到延迟事件时，Workload Factory 会使用 ONTAP QoS 延迟中心指标自动执行基本分析。该分析确定了导致延迟的组件，并在延迟事件表的"详细信息"列中提供了可操作的指导，使您能够了解根本原因。
|
|
由于不同的收集方法，ONTAP QoS 分析的延迟值与 CloudWatch 数据之间可能存在轻微差异。基本分析使用 ONTAP 数据进行根本原因识别。 |
分析场景
基本分析评估多个延迟组件，并根据每个场景的结果提供具体指导：
-
Flexcache：FlexCache 操作的每个 I/O 操作延迟
-
容量池：容量池操作的每个 I/O 操作的延迟
-
QoS 最小值：QoS 策略组下限的每个 I/O 操作延迟
-
QoS 最大值：QoS 策略组上限的每个 I/O 操作的延迟
-
磁盘：存储子系统中每个 I/O 操作的延迟
-
Data：WAFL 子系统文件系统中每个 I/O 操作的延迟，其中包括 CPU 处理、元数据更新和缓存管理等任务
-
Cluster：集群中内部连接的节点上每个 I/O 操作的延迟
-
其他：FSx for ONTAP 子系统上每个 I/O 操作的延迟
管理延迟配置
完成初始配置后，您可以编辑阈值。
-
在 Latency 页面中，选择 Edit。
-
根据需要修改任何阈值。
确保关键阈值保持高于警告阈值。如果配置的关键阈值低于警告阈值，则系统将显示错误。 -
选择 Apply 以保存所做更改。
最佳实践
在配置和使用延迟分析时，请考虑以下建议：
-
设置实际阈值：根据您的工作负载要求配置阈值。默认值提供了一个起点，但可能需要根据您的特定环境进行调整。
-
从警告阈值开始：在微调关键阈值之前，使用警告事件来建立基线性能预期。
-
仔细考虑时间范围：较短的时间范围（5-10 分钟）可以更快地检测到问题，但可能会生成更多警报。较长的时间范围（15-20 分钟）可减少误报，但可能会延迟检测。
-
监控趋势：定期查看延迟事件表，以识别可能指示潜在配置问题的模式或反复出现的问题。
-
协调 IOPS 和延迟阈值：双条件逻辑意味着必须超出两者。设置非常高的 IOPS 阈值也可能会阻止警报，即使延迟有问题。
-
审查被驳回的事件：定期审查事件被驳回的原因，以确定阈值调整或基础设施改进的机会。