通过EBS Lens实时监控块存储状态

EBS监控现状

块存储是阿里云为云服务器ECS提供的块设备产品，具有高性能和低时延的特点。临近双十一，在大促的时候，磁盘IO往往是运维的重点，如果磁盘负载过高，那么关键的业务可能会停滞甚至崩溃。EBS监控目前存在几个问题：

1. 块存储提供的原生监控仅限制在单实例级别，只能查看单个云盘的性能监控，缺少对全局云盘状态的监控，如果云盘数量很多，那么云盘状态的监控就非常麻烦。

   

2. 通过SLS Logtail, Telegraf或者云监控agent等，可以实现对单个ECS实例所有云盘的状态的监控。但是这些监控方式都是侵入式的，agent的安装、监控大盘的维护、云盘实例监控精细化控制、以及跨ECS实例的监控，对于用户来说，都有很大的学习成本和代价。

3. 分析维度单一，以上场景下，对云盘的监控和分析还是基于云盘ID的，而云盘资产本身的属性也包含很多信息。比如用户想看到一个自己所有云盘资产的大图、各个地域的云盘分布、各个云盘类型的比例等信息，都是很难做到的。

正是考虑到用户对EBS监控的使用有如上的痛点，SLS团队联合EBS团队发布了EBS Lens，针对块存储提供数据分析、资源监控的功能，可以帮助用户获取云上块存储资源信息与性能监控数据、提升云上块存储资源的管理效率、高效分析业务波动与资源性能消耗情况。

EBS Lens产品特点

自动化数据采集

EBS Lens开启后，SLS会自动从用户的EBS资产中拉取云盘列表。进入APP后首先展示的就是接入管理页面，在这个页面，可以看到EBS云盘全局的一个管理视图，包含以下信息：

• 展示当前接入的云盘总量、数据采集的云盘数量、云盘的地域和目标存储库的数量。

• 展示EBS实例信息。例如，实例ID、标签、云盘种类、云盘类型、可用区信息、采集状态、采集操作等信息。如果用户在开启EBS Lens之后，对EBS云盘有新建、更新和删除操作的话，SLS会自动更新这里的云盘列表。

EBS云盘资产同步过来之后，需要用户开启云盘资产的监控数据采集。在这里，我们提供两种采集方式，一种是供用户进行精细化管理的手动采集，还有一种是在EBS云盘数量过多的情况下，方便用户全局管理的自动化采集。

手动采集

• 支持对单个实例的采集状态进行管理。

• 考虑到EBS实例数量会比较多，这里支持在单个分页下面进行批量开启/批量关闭操作。

自动化采集

当用户云盘有几百甚至上千个的时候，手动采集的管理方式显然不能满足需求，因此我们还提供了一个自动化采集的功能。自动化采集提供了图形化的配置界面：

• 可以使用地域、实例ID、付费类型、磁盘类型、标签等属性设置采集条件。

• 标准模式下各个条件之间为且关系。高级模式下，您可以灵活组合与嵌套条件。

配置保存之后，自动化采集立刻开启。所有满足条件的云盘，都会自动打开日志采集，从而省去了手动操作的步骤，另外当实例有所增减的时候，自动化采集也能够感知实例的变化，进行相应的调整。

存储库信息展示

开启云盘监控数据采集之后，SLS会从EBS云盘上拉取监控数据，然后投递到用户配置的目标存储库里，以时序数据的形式进行存储，在目标存储库这个tab里，支持的功能有：

• 支持查看存储目标库的地域、数据保存时间。

• 支持数据保存时间的调整。

• 点击目标库，可以进入SLS的project页面，查看原始监控数据。

EBS云盘资产同步、日志采集开启之后，EBS Lens就有了EBS云盘资产和云盘的监控数据了，基于这两个数据，EBS Lens做了两个监控大盘，资源概览和性能分析页面。

多维度数据聚合与丰富的数据指标类型

• 资源概览页面，提供一个全局的资产大盘，默认按照用户维度，提供用户账号下所有云盘的统计信息，包括：

  • 云盘总数量

  • 云盘总容量

  • 云盘实例所属地域个数

  • 云盘实例所属可用区个数

  • 启用快照云盘占比

  • 加密云盘占比

  • Top10容量的区域

  • Top10容量的可用区

  • 云盘类型容量分布

  • 付费类型容量分布

• 除了账号的维度外，还支持对地域、付费类型、磁盘类型进行筛选，充分满足用户的各种统计需求。

高精度的数据监控粒度

• 性能分析页面提供了一个全局的云盘监控大盘，默认会统计用户账号下所有磁盘关键指标的监控，包括

  • 吞吐量

    • 总的吞吐量变化曲线

    • 读/写吞吐存储Top100的实例，以及吞吐变化曲线

  • IOPS

    • 总的IOPS变化曲线

    • 读写IOPS Top100的实例，以及IOPS变化曲线

  • 性能分析页面还支持对地域、付费类型、云盘类型、云盘ID进行筛选，满足用户精细化监控的需求。

  • 云盘监控粒度为10s，监控延迟为10s内，对于抖动类场景可以有效进行监控。

使用场景

EBS Lens有这么便捷的管理方式以及丰富、多维度的监控指标，下面我们列举了几个常用的场景，来详细说明下EBS Lens的功能：

监控场景

下面我们模拟日常常见的磁盘IO异常的场景，展示下EBS Lens的在监控场景下的应用。

环境准备

1. 首先我们创建一个云盘，或者使用已有的云盘，挂载到ECS实例上。挂载云盘的操作参见：挂载数据盘。

2. 将账号下所有云盘通过自动化采集配置，打开监控数据采集。

3. 打开性能分析页面，确认云盘监控数据已接入进来。

异常模拟

我们进入ECS实例中，使用dd来模拟一个对磁盘的异常写入的操作：

EBS Lens监控结果

在EBS Lens性能分析页面，从大盘里，我们发现有一块磁盘的吞吐量和IOPS迅速提升到TOP1。为了查看磁盘的详细指标，我们在过滤框内输入磁盘id，可以看到这个磁盘在选定时间范围内吞吐量和IOPS的变化。而该实例id，正是我们模拟的写入异常的磁盘。在线上，如果出现类似的问题，那么接下来我们就该去进行详细的问题定位，比如异常的服务日志打印、不合理的数据落盘等。通过调整时间范围，对于设置ttl范围内的数据，EBS Lens都支持在该页面进行展示，对于故障的复盘和分析也是有非常大的帮助的。

配合SLS的告警功能，用户完全可以自动化的监控云盘的性能，准确定位异常云盘。

服务压测和性能调优

除了监控场景，EBS Lens在服务压测和性能调优的场景，同样有非常大的作用。所有关于性能方面的测试，最关键的基础设施就是监控指标。EBS Lens性能分析大盘就可以提供云盘实时的性能指标，这可以有效的帮助用户快速定位云盘是否存在性能瓶颈。我们模拟一个简单的写入场景：大量级的数据要以最快的速度写到磁盘上。

环境准备

1. 我们采用跟上面环境一样的ECS环境，在这个场景下我们指定一个固定的云盘做测试。

1. 在EBS Lens的页面打开该云盘的监控数据采集

场景模拟

第一版本，这里使用FIO模拟性能比较差的一个随机写的实现场景：

fio -filename=/mnt/test1 -direct=1 -iodepth 1 -thread -rw=randwrite -ioengine=psync -bs=16k -size=2G -numjobs=10 -runtime=60 -group_reporting -name=mytest

通过EBS Lens的监控，我们发现云盘的吞吐和IO比较低，远远没有达到云盘的性能上限，分别为15MB/s，900。参考块存储性能指标文档。

因此我们再对写入脚本进行优化，把随机写的实现改成了比较好的顺序写的实现：

fio -filename=/mnt/test2 -direct=1 -iodepth 1 -thread -rw=write -ioengine=psync -bs=16k -size=2G -numjobs=10 -runtime=60 -group_reporting -name=mytest

通过EBS Lens的监控，吞吐达到了47MB/s，而IOPS达到了3000左右。

通过块存储性能指标文档我们得知，SSD云盘的性能因数据块大小而异，数据块越小，吞吐量越小，IOPS越高。因此为了提高吞吐量，我们考虑提高单次写入的数据块大小：

fio -filename=/mnt/test2 -direct=1 -iodepth 1 -thread -rw=write -ioengine=psync -bs=64k -size=2G -numjobs=10 -runtime=60 -group_reporting -name=mytest

通过EBS Lens的监控，吞吐达到了143MB/s，而IOPS下降到了2300左右。由此可以看到有了EBS Lens之后，对于磁盘IO的性能测试和调优，是多么的方便。