Re: Puede pg_basebackup afectar performace?

On Mon, Oct 14, 2019 at 10:59 AM Horacio Miranda <hmiranda(at)gmail(dot)com> wrote:

>
>
> On 15/10/2019, at 4:49 AM, Carlos T. Groero Carmona <ctonetg(at)gmail(dot)com>
> wrote:
>
> Hola Horacio como siempre agradecido por tus comentarios, mis respuestas
> las encontraras en rojo
>
>
> Hola si usas New Relic, instalaste el agente del S.O. ? para monitorear
> los IO de los discos ? Si, tengo intalado el agente y tambien un plugin
> para integrar y monitorear postgres y pgbouncer, estuve usando New Relic
> durante todo el tiempo que pg_basebackup estuvo corriendo
>
> de casualidad has corrido el defrag del XFS ? No que yo sepa, el DC fue
> quien monto y creo que el servidor y nosotros solo lo rentamos, tengo un
> hermano del sevidor donde corry el pg_basebackup que no estoy usando ahora
> mismo, asi que si me das mas detalles puedo correrlo ahi.
>
> Sobre bajar la cantidad de los discos en RAID 10 ( es mi idea o estas
> usando raid por software ? ). Las maquinas de producción deben ser discos
> con raid por hardware.
> NOTA: En arreglos de discos grandes en un sistema de 500 TB hice unas
> pruebas y el cache termine desactivandolo, bajo IO intenso el cache era el
> cuello de botella. Disculpa, creo qu eno me explique, cuando te hacia la
> pregunta sobre los discos, como te comente estamos moviendonos hacia Azure,
> ali voy a utilizar VMs y yo voy a administrar mis discos, no puedo usar
> RAID 10, asi que solo puedo crear un volumen l'ogico stripped que
> practicamente suma los I/O y el throughput como si fuera un solo disco, es
> decir si tengo los 5 discos con los datos que te comentae, tendria un solo
> volumen logico stripped como 2500*5 the I/O y 250 MB/s*5 the troughput, ahi
> tendria a postgres corriendo, por lo que tendria data, pg_xlog, en fin todo
> lo de postgres, la otra recomendacion que me hacen es separar discos un
> volumen de solo 4 discos para pg_data y otro disco para pg_xlog.
>
> Voy a preguntar si el Raid es por software or hardware.

> Cuando estes haciendo el proceso saca un sosreport ( es una foto al S.O.
> con todo lo necesario para diargnosticar la maquina, RedHat lo usar para
> diagnosticos de hecho ).
>
>
> On Mon, Oct 14, 2019 at 12:19 AM Horacio Miranda <hmiranda(at)gmail(dot)com>
> wrote:
>
>>
>> On 13/10/2019 1:19 PM, Carlos T. Groero Carmona wrote:
>> > Hola Lista,
>> Hola
>> >
>> > Dejenme introducir un porquito lo que esta pasando, en estos momentos
>> > estamos usando un DC, pero estamos estamos dando algunos pasos firmes
>> > para movernos para Azure, por lo que tengo 4 servidores en production
>> > y 3 mas en hold.
>> >
>> > Que significa esto:
>> > serv1 es mi servidor primario (location 1)
>> > serv2 es mi HA (location 1)
>> > serv3 va a ser mi servidor primario en Azure (Location 2)
>> > serv4 es mi DR (location3)
>> >
>> > Estoy replicando (SR) desde :
>> > * serv1->serv2
>> > Estoy Cascading replication:
>> > * serv2->serv3
>> > * serv2->serv4
>> >
>> > Pero cuando teniamos graves incidentes (P1) hace unos meses, se
>> > decidio rentar servidores nuevos con mayor capacidad, y por otras
>> > rasones se exagero en la capidad, los nuevos servidores tienen:
>> > CPU: 114 (74 cores, 2 Thread per Core)
>> > RAM: 790 Gb
>> > Disk 10 TB (RAID 10)
>> > OS: CentOS 7.x
>> >
>> > Mi actual servidor primario tiene:
>> > CPU: 48 (24 Cores * 2 thread)
>> > RAM: 790 GB
>> > Disk 5TB (RAID 10)
>> > OS: CentOS 7.x
>> >
>> > En todos los casos uso PostgreSQL 9.6
>> >
>> > En estos momentos estamos estables gracias a la correcta configuration
>> > de pgBouncer y solo en los momentos picos alcanzamos un 60% del uso
>> > del CPU, nuestro average es un 45%, asi que no se necesita utilizar
>> > los nuevos servidores, PERO, se ha decido ponerlos en hot standby por
>> > si se llega a necesitar en un futuro cercano, ya que como quiera se
>> > esta pagando por ellos.
>> >
>> > Asi que intente poner uno de estos nuevos servidores detrás de serv2 y
>> > se vio affectado el tiempo de respuesta del sistema, trate de ponerlo
>> > detras de serv1 y fue peor la affectation, en todo momento apenas que
>> > pg_basebackup empezo a copiar los datos se disparo el % de utilizaicon
>> > de l disco en serv1 o serv2 asi que detuve el pg_basebackup.
>>
>> ( estas usando compresion en los respaldos ? ), estas usando un arreglo
>> distindo al arreglo de discos de los datos vs los respaldos ?
>>
>> Que te dice la cola de procesos y la los IO waits ? del S.O. ? estas
>> usando XFS como filesystem ?
>>
>> >
>> > En un escenario pues lo deje correr detras de serv2 porque se affecto
>> > el tiempo de respuesta de postgres serca de 3 veces mas pero no
>> > impacto mucho el tiempo de respuesta del sistema, una vez que termino
>> > el pg_basebackup todo funciono correctamente y el tiempo de respuesta
>> > del sistema regreso a su normalidad.
>> A que te refieres con que afecto el tiempo de respuetsa de postgresql a
>> 3 veces pero al mismo tiempo no impacto el tiempo de respuesta del
>> sistema ? Yo uso New Relic para monitorear todo el sistema y tambien
>> uso el New Relic Postgres Integration Plugin, antes de empezar el
>> pg_basebackup el tiempo de respuesta por request de postgres era 1.96 ms y
>> cuando el pg_basebackup encontro el checkpoint y empezo a copiar los
>> archivos el tiempo de respuesta aumento a 489ms per request ( me tinca
>> que tienes una cola en algun lado que esta
>> limitando el postgresql ), como estan tus parametros de open files ?
>> cuanta RAM tienes asignada al postgrsql ? y cuantos procesos al
>> postrgesql ?
>>
> Durante el tiempo en que se ejecuto el pg_basebackup estaba
> monitoreando todo, pgbouncer pool, Tiempo de Respuesta del sistema, tiempo
> de respuesta de postgres, utilizacion de discos, RAM, CPU en mi servidor
> primario y mi servidor secundario del cual se estaban copiando los archivos.
> CPU: el uso del CPU en ambos servidores estaban or debajo del uso promedio
> Pgbouncer pool: el numero de clientes activos aumentaba al mismo tiempo el
> tiempo de respuesta de todo el systema aumentaba
> Ram: no se vio affectada
> Discos: el uso de disco en el servidor secundario aumento
> considerablemente (de este servidor es de donde yo estaba copiando los
> archivos con el ph_basebackup), cuando aumentaba el uso del disco en el
> servidor secundario entonces aumentaba el tiempo de respuesta tambien. Los
> discos del sevidor primario no se vio afectado.
>
> Esos servidores tienen 790GB of RAM, asi que le tengo asignada alrededor
> del 30%
>
> Algo que debo resaltar, es cuando use pg_basebackup anteriormente, este
> necesito alrededor de 18 horas para terminar, sin embargo ahora lo hizo
> solo en 8 horas y medias, casi la mitad del tiempo y ahora tengo mas data
> que cuando pg_basebackup necesito mas tiempo, lo qu eme hace pensar que
> como el servidor que esta copiando tiene 3 veces mas CPU que el servidor
> del cual se esta copiando esto afecta mas drasticamente el comportamiento
> de esos servidores.
>
> >
>> > Mi hypotesis es que el monstrou de servidor nuevo esta chupandose todo
>> > el I/O a traves de pg_basebackup. Tienen ustedes alguna otra idea?
>> Que te dice el top ? lo mejor es correr un sysreport o sosreport para
>> saber que esta pasando justo en el momento de la falla o durante tu
>> problema para saber que esta pasando en la maquina.
>> >
>> > Si tienen alguna pregunta dejenme saber, tengo ulgunas imagenes de mi
>> > herramienta de monitoreo..
>> >
>> > Lo curioso es que las TPS no se vieron afectadas ni las queries por
>> > segundo.
>> Esto no lo entiendo, si el postrgresql esta mas lento tus TPS se veran
>> afectadas, esto esta raro. Estuve monitoriando el TPS que estaban pasando
>> y comparandolas con las de la semana anterior utilizando un Chart, por lo
>> que podia ver el comportamiento que tenia el sistema con el que tubo al
>> mismo tiempo una semana anterior, y si decrecio un poco las TPS pero no
>> drasticamente.
>> >
>> > Como siempre cualquier sugerencia o explicacion sera apreciada.
>>
>> En mi experiencia con bases de datos grandes, lo importante son los
>> canales entre las maquinas y el cypher que uses para conectarte entre
>> las bases de datos. Ejemplo sí usas un tunel SSH debes usar un tunel con
>> un cypher que no sea costoso, uncluso un NFS ( ahora los NFS son
>> peligrosos por que cuando se te pegan a nivel de kernel debes reiniciar
>> las maquinas no hay otra forma de recuperarse, NFSv4 soporta multipath.
>>
>> yo revisaría los cuellos de botellas que tengas y los arreglaría uno por
>> uno, no hay otra forma, optimiza y estreza para saber donde esta tu
>> cuello de botella. En estos momento diria que mi cuello de botella
>> estaria en los discos, porque es cierto que tengo RAID 10, pero los discos
>> utilizados quizas eran de 1GB con bajos I/O y throughput, pero eso es algo
>> que no podre arreglar por ahora. Todos los servidores usan XFS en los
>> discos donde postgres tiene Data Directory
>
>
> Horacio, una pregunta, supon que tienen 5 discos para postgres cierto, yo
> estoy pensando en crear un volumen logico stripped y tener todo lo de
> postgres ahi, sin embargo, hay personas que me estan recomendando utilizar
> quizas 4 para pg_data y uno para pg_xlog, creo que dividiendo los discos
> voy a perder I/O y Throughput, todos los discos son iguales 2TB cada uno
> con 2500 I/O y 250 MB/s throughput. Cual es tu opinion?
>
>> >
>> > Saludos,
>> > Carlos
>> >
>>
>
>