giriiş
Kuruluşlar VMware değiştirme girişimlerini hızlandırırken, sürekli olarak şu soru gündeme geliyor: Veritabanı ve G/Ç yoğun iş yüklerim yeni sanallaştırma platformunda aynı performansı gösterecek mi, yoksa daha iyi mi? Yıllardır VMware vSphere, kritik uygulamaları çalıştırmak için altın standart olmuştur ve herhangi bir geçiş doğal olarak performans tutarlılığı, gecikme artışları ve kaynak verimliliğiyle ilgili endişeleri gündeme getirir.
Sangfor Sanallaştırma (HCI), yalnızca mevcut bir sistemin yerine geçebilecek bir çözüm değildir. Temel iş sistemlerinin en zorlu performans gereksinimlerini karşılamak üzere tasarlanmıştır. Özellikle Düzensiz Bellek Erişimi (NUMA) zamanlaması ve bellek kapasitesi genişletmesi etrafında altta yatan mimariyi derinlemesine optimize ederek, Sangfor Sanallaştırma, veritabanlarının, bellek içi önbelleklerin ve diğer G/Ç'ye duyarlı iş yüklerinin yalnızca önceki performans seviyelerini korumasını değil, çoğu zaman aşmasını da sağlar.
Bu yazıda, bunu mümkün kılan iki kritik teknolojiyi inceleyeceğiz: Uyarlanabilir NUMA Planlaması ve Bellek Katmanlaması . Doğrulanmış test verileri ve mimari bilgilerden yararlanarak, bu özelliklerin modern sunucu ortamlarındaki temel performans darboğazlarını nasıl ele aldığını keşfedeceğiz.
Bölüm 1: Uyarlanabilir NUMA Planlaması ile Bellek Erişim Gecikmesinin Üstesinden Gelme
Sanal Ortamlarda NUMA Zorluğu
Modern kurumsal sunucular, geleneksel simetrik çoklu işlem (SMP) sınırlamalarının ötesine geçmek için NUMA mimarisine güvenmektedir. Bir NUMA sisteminde, işlemci çekirdekleri ve bellek düğümlere bölünmüştür. Her düğümün kendi yerel belleği vardır ve yerel belleğe erişim hızlı olsa da, uzak bir düğümden belleğe erişim önemli bir gecikmeye neden olur. Yerel bellek erişimleri ~70–90 ns sürer; uzak erişimler genellikle 1,5–2 kat daha yavaştır ve çekişmeyle daha da kötüleşebilir.
Sanallaştırılmış bir ortamda, her sanal makine (VM) bir vCPU iş parçacığı kümesi olarak temsil edilir. Bu iş parçacıkları farklı NUMA düğümlerine dağıtılırsa veya düğümler arasında geçiş yaparsa, VM uzaktan bellek erişimleri yaşayacak ve bu da öngörülemeyen gecikmelere ve düşük verimliliğe yol açacaktır. Bu durum, özellikle Oracle, DM8 ve PostgreSQL gibi veritabanı sistemleri ve Redis gibi bellek içi veri depoları için oldukça zararlıdır.
VMware vSphere'ın Yaklaşımı: vSphere 6.0 ve sonraki sürümler, çoğu genel iş yükünü etkili bir şekilde yöneten otomatik bir NUMA zamanlayıcısı içerir. vNUMA görünürlüğü ve düğümler arasında yük dengeleme gibi özellikler sağlar. Bununla birlikte, yüksek oranda özel G/Ç yoğun iş yükleri için, yöneticilerin optimum performans elde etmek için CPU yakınlık ayarlarını ince ayar yapmaları veya gelişmiş parametreleri ayarlamaları gerekebilir.
Sangfor Virtualization'ın Uyarlanabilir NUMA Planlaması
Sangfor Virtualization, temelde farklı bir yaklaşım benimser. Manuel müdahaleye güvenmek yerine, otomatik ve dinamik olarak çalışan tamamen uyarlanabilir bir NUMA zamanlama motoru uygular. Zamanlayıcı, her sanal makinenin vCPU sayısını ve fiziksel NUMA düğümlerinin gerçek zamanlı yükünü sürekli olarak analiz eder ve ardından en uygun yerleştirme kararlarını verir. Şekilde gösterildiği gibi, sistem her sanal makine için uygun NUMA düğümünü otomatik olarak seçer. Bir sanal makinenin vCPU sayısı bir NUMA düğümündeki çekirdek sayısından az olduğunda, sanal makine tek bir NUMA düğümüne zamanlanır. vCPU sayısı bir NUMA düğümündeki çekirdek sayısını aştığında, sanal makine birden fazla NUMA düğümüne zamanlanır ve vNUMA topolojisi konuk işletim sistemine gösterilir, böylece sanal makine dahili olarak en uygun kararları verebilir.
- vCPU Konsolidasyonu: Bir sanal makinenin vCPU sayısı, tek bir fiziksel NUMA düğümündeki çekirdek sayısından az veya ona eşit olduğunda, Sangfor Virtualization tüm vCPU'larını ve belleğini aynı düğüme yerleştirir. Bu, söz konusu sanal makine için %100 yerel bellek erişimi sağlar ve düğümler arası gecikmeyi ortadan kaldırır.
- Büyük Sanal Makineler için Akıllı Dağıtım: Tek bir düğümün kaldırabileceğinden daha fazla sanal işlemciye sahip sanal makineler için, zamanlayıcı bunları birden fazla NUMA düğümüne dağıtır. Daha da önemlisi, sanal NUMA (vNUMA) topolojisini konuk işletim sistemine de gösterir. Bu, sanal makine içindeki işletim sisteminin bilinçli zamanlama kararları almasını ve bellek yerelliğini daha da optimize etmesini sağlar.
- Düğümler Arasında Yük Dengeleme: Zamanlayıcı, NUMA düğüm yüklerini izler ve kaynak çekişmesini önlemek için gerektiğinde sanal makineleri düğümler arasında taşıyabilir. Ayrıca "önemli" sanal makineleri (örneğin kritik veritabanları çalıştıranlar) belirler ve istikrarlı performans sağlamak için bunların daha az çekişmeli düğümlere yerleştirilmesine öncelik verir.
vCPU'nun Ötesinde: Depolama ve Ağ NUMA Bağlantısı
Sangfor Virtualization'ı diğerlerinden ayıran özellik, NUMA optimizasyonlarının CPU zamanlamasının çok ötesine uzanmasıdır. Sanal CPU'dan QEMU işlemine, aSAN depolama hizmetine ve hatta ağ veri iletim işlemine kadar uzanan eksiksiz bir G/Ç yolu, aynı NUMA düğümüne akıllıca sabitlenebilir. Bu bütünsel yaklaşım, tüm G/Ç yığını boyunca uzaktan bellek erişimini ortadan kaldırarak işlem yükünü önemli ölçüde azaltır.
Büyük bellek sayfalarıyla (dev sayfalar) birleştirildiğinde, bu optimizasyon doğrudan veritabanı ve depolama yoğun uygulamalara fayda sağlar. Örneğin, bir veritabanı yazma işlemi gerçekleştirdiğinde, tüm iş akışı aynı NUMA etki alanı içinde kalır, bu da gecikmeyi en aza indirir ve verimliliği en üst düzeye çıkarır.
Not: NUMA uyumluluk optimizasyonu her bir sunucu içinde uygulanır. Dağıtılmış yapılandırmalarda (örneğin aSAN) sunucular arası depolama erişimi, herhangi bir dağıtılmış mimaride beklendiği gibi ağ gecikmesine neden olacaktır.
Performans Doğrulama
Bu optimizasyonların etkinliği, titiz testlerle doğrulanmıştır. DM8 (önde gelen yerli bir veritabanı) ve standart BenchmarkSQL aracı (TPC-C modeli) kullanılarak yapılan bir kıyaslamada, Sangfor Virtualization'ın NUMA zamanlamasının etkinleştirilmesi, NUMA zamanlamasının devre dışı bırakıldığı bir yapılandırmaya kıyasla tpmC'de önemli bir artışa neden olmuştur .
Benzer şekilde, SET/GET işlemleri için redis-benchmark kullanılarak yapılan Redis kıyaslamalarında, NUMA zamanlaması aktif olduğunda saniyedeki sorgu sayısı (QPS) belirgin şekilde iyileşti. Memaslap kullanılarak yapılan Memcache testleri de saniyedeki işlem sayısında (TPS) artış gösterdi. Bu sonuçlar, bellek erişimine duyarlı iş yükleri için (tam olarak kötü NUMA yapılandırmasından en çok etkilenmesi muhtemel uygulamalar için) Sangfor Sanallaştırmanın somut performans kazanımları sağladığını göstermektedir.
Bölüm 2: Bellek Katmanlandırması ile Bellek Kapasitesi Engelini Aşmak
Bellek Maliyeti İkilemi
Veritabanları ve G/Ç yoğun uygulamalar için bellek kapasitesi genellikle en kritik kaynaktır. Daha büyük bellek havuzları, daha büyük tampon önbelleklerine (Oracle SGA gibi), daha yüksek bellek içi veri işlemeye ve artırılmış eşzamanlılığa olanak tanır. Bununla birlikte, DRAM fiyatları değişken kalmaya devam ediyor ve donanım tedarik zinciri kısıtlamaları, büyük ölçekli bellek yükseltmelerini aşırı pahalı hale getirebilir.
VMware vSphere gibi platformlarda kullanılan geleneksel teknikler (bellek sıkıştırma, şeffaf sayfa paylaşımı ve bellek aşırı tahsisi dahil) kullanımı iyileştirebilir ancak doğasında var olan sınırlamalara sahiptir. Bunlar, sisteme sunulan bellek miktarını temel olarak artırmaz; yalnızca mevcut DRAM'i daha verimli hale getirirler. İş yükleri fiziksel olarak mevcut olandan daha fazla aktif bellek gerektirdiğinde, performans kaçınılmaz olarak düşer.
Sangfor Sanallaştırma Bellek Katmanlama Nasıl Çalışır?
Sangfor Virtualization, Bellek Katmanlama (Memory Tiering) teknolojisiyle bir paradigma değişikliği sunuyor. Bu teknoloji, hızlı DRAM'i yüksek performanslı NVMe SSD'lerle birleştirerek birleşik bir bellek havuzu oluşturuyor. Temel fikir, NVMe SSD'yi sistem belleğinin bir uzantısı olarak kullanmak ve DRAM eklemeden kullanılabilir kapasiteyi etkili bir şekilde ikiye katlamaktır.
Sihir, akıllı veri yerleşiminde yatıyor. Hafif bir dinamik bölge bölümleme ve rastgele seyrek örnekleme mekanizması kullanan Sangfor Virtualization, "sık erişilen" (sıcak) ve "seyrek erişilen" (soğuk) veriler arasında ayrım yapmak için bellek sayfalarını sürekli olarak izler.
- Aktif veritabanı indeksleri, kritik işlem kayıtları veya sık sorgulanan tablolar gibi önemli veriler , düşük gecikmeli erişim için DRAM katmanında (Katman 0) kalır.
- Geçmiş kayıtlar, yedeklemeyle ilgili sayfalar veya kullanılmayan uygulama belleği gibi soğuk veriler otomatik olarak NVMe katmanına (Katman 1) taşınır. Bu geçiş, konuk işletim sistemi veya uygulamanın herhangi bir müdahalesi olmadan şeffaf bir şekilde gerçekleştirilir.
CPU Erişim Akışı ve Performans Kontrolü
Bir CPU bellek adresi istediğinde, sistem DRAM katmanını kontrol eder. Sayfa bulunursa (hızlı erişim), erişim anında gerçekleşir. Bulunamazsa (soğuk erişim), sistem şeffaf bir sayfa hatası tetikler, gerekli sayfayı NVMe'den DRAM'e hızlıca geri taşır ve ardından CPU erişimini tamamlar. Uygulama açısından bakıldığında, bu işlem standart bir bellek işleminden ayırt edilemez.
Önemli olan nokta, NVMe katmanının takas aygıtı olarak değil, bellek olarak ele alınmasıdır. NVMe denetleyicisi, minimum CPU müdahalesiyle veri taşımak için PCIe bant genişliğinden yararlanır. 10-100 µs aralığında gecikme ve 7 GB/s'ye kadar bant genişliği sağlayan modern PCIe 4.0/5.0 NVMe sürücüleri sayesinde, soğuk sayfa yükseltmesinin ek yükü son derece düşük tutulur.
Gerçek dünya Oracle veritabanı testlerinde, bellek katmanlamanın etkinleştirilmesi, 128 GB fiziksel DRAM'e sahip bir sunucunun normalde 256 GB gerektirecek bir iş yükünü etkili bir şekilde desteklemesini sağladı. Sonuç olarak , TPM (dakikadaki işlem sayısı) yalnızca yaklaşık %10 azaldı ; bu da kullanılabilir bellek kapasitesinin iki katına çıkarılması karşılığında mütevazı bir ödünleşme anlamına geliyor.
Dağıtım Esnekliği ve En İyi Uygulamalar
Bellek katmanlama her iş yükü için ideal aday değildir. Özellikle sıcak/soğuk veri modellerinin belirgin olduğu senaryolar için en uygunudur, örneğin:
- Masaüstü sanallaştırma (VDI)
- Geliştirme ve test ortamları
- Kritik olmayan önbellekleme hizmetleri
- Orta ölçekli mikro hizmet kümeleri
Ultra düşük gecikme süresi gereksinimleri için, bellek katmanlaması her sanal makine için ayrı ayrı devre dışı bırakılabilir:
- Yüksek frekanslı işlem sistemleri
- Tekdüze erişim modellerine sahip gecikmeye duyarlı OLTP veritabanları
- Sıkı SLA gereksinimlerine sahip gerçek zamanlı analizler
Sangfor, en iyi dengeyi sağlamak için DRAM ile katmanlama kapasitesi oranının 1:1 olmasını öneriyor; bu da minimum performans kaybıyla iki kat daha fazla etkili bellek sağlıyor.
Çözüm
VMware vSphere'den Sangfor Virtualization'a geçiş , yalnızca yatay bir hareket değil; daha yüksek performans ve daha fazla verimlilik için sanallaştırma katmanınızı yeniden tasarlama fırsatıdır. Veritabanı ve G/Ç yoğun iş yükleri için, ele alınan iki teknoloji – Uyarlanabilir NUMA Planlaması ve Bellek Katmanlama – modern altyapının en kritik kısıtlamalarını doğrudan ele almaktadır: bellek erişim gecikmesi ve bellek kapasitesi.
Uyarlanabilir NUMA Planlaması, veritabanlarınızın, bellek içi önbelleklerinizin ve ara yazılımlarınızın yerel belleğe öngörülebilir, düşük gecikmeli erişimle çalışmasını sağlar ve manuel müdahaleye gerek kalmadan iş yükü dinamiklerine otomatik olarak uyum sağlar. Öte yandan Bellek Katmanlama, DRAM'in yüksek maliyetine katlanmadan bellek kapasitesini ölçeklendirmek için pratik bir yol sunarak, performansı kabul edilebilir sınırlar içinde tutarken sunucu başına daha fazla iş yükünü birleştirmenizi sağlar.
Bu yeniliklerle Sangfor Virtualization, yalnızca VMware vSphere tarafından belirlenen performans beklentilerini karşılamakla kalmayıp, özellikle modern temel iş sistemlerini tanımlayan zorlu senaryolarda bu beklentileri aşan bir platform sunmaktadır. VMware'den vazgeçme yolculuğunuzda, en kritik uygulamalarınızın yetenekli ellerde olduğundan emin olabilirsiniz.
Eğer kuruluşunuz benzer zorluklarla karşı karşıyaysa, bizimle iletişime geçmenizi rica ederiz . İş birliğine dayalı bir değerlendirme yapmaya ve ortamınıza tam olarak uyan özel bir geçiş planı geliştirmeye hazırız.
