Car-tech

Oracle Engineer avslöjar latensmysterier med värmekartor

Reverse Engineering your Oracle Database to a Relational Data Model

Reverse Engineering your Oracle Database to a Relational Data Model
Anonim

Medan datacenterscheferna länge har använt värmekartor för att bestämma var de bästa ställena för servrar och kylaggregat är, kan detta visualiseringsläge också vara användbart för att bättre förstå systemets latens, argumenterar för en Oracle-ingenjör i julifrågan om Meddelanden från ACM.

"Presentation av latens som värmekarta är ett effektivt sätt att identifiera subtila egenskaper som annars skulle missas", skriver Brendan Gregg, en huvudprogramvarutekniker vid Oracle, i artikeln "Visualisering av systemets latens".

Gregg varnade också att medan sådan visualisering kan ge oss större översikt över vad som händer, ger det inte alltid svar på beteendet som observeras. Värmekartor kan dock ge insikt i att ta itu med nästa generations datacenter latensfrågor.

[Vidare läsning: Bästa NAS-lådor för media streaming och backup]

Det har länge varit en frustration för att fastställa orsakerna till systemets tröghet. datacenteradministratörer och systemadministratörer. Nätverksanalysverktyg är tillgängliga för att visualisera nätverksprestanda, även om andra aspekter av ett system, såsom diskens respons i en lagringsmatris, har varit svårare att kvantifiera.

Sun Microsystems har länge erbjudit ett verktyg för sitt Solaris-operativsystem, kallad DTrace, som kan karakterisera latens inom olika delar av ett system i en sekund för sekund. De överväldigande data som den kan producera behöver emellertid fortfarande kokas ner i en lättförståelig form.

Ange Greggs värmekartor. Värmekartor är en enkel visualiseringsteknik där, på ett tvådimensionellt diagram, olika värden representeras av olika färger.

Värmediagram kan avslöja mer än linjediagrammen på de flesta nätverksanalysverktyg, eftersom medan grafer "skulle tillåta medelvärde latens att undersökas över tid, kan den faktiska sminken eller distributionen av latensen inte identifieras över ett maximalt, om det tillhandahålls, "skriver han.

Värmekartor är också bra för att snabbt identifiera avvikare, som då kan undersökas mer i detalj, argumenterade han.

Gregg författade en rad olika ovanliga arbetsförhållanden, med hjälp av Oracle Analytics-visualiseringsprogrammet för att visuellt göra data som samlats in av DTrace. Han satte X-axeln för att representera tiden och Y-axeln för att representera tiden för latens. De mörkaste färgerna representerade mest inmatning.

I många fall fann han att enkla arbetsbelastningar kan producera en rad olika komplexa - och ibland oförklarliga - mönster.

I ett fall var en liten mängd data sekventiellt skrivet till en pool av diskar. Gregg förväntas se att endast "vitt brus" representerar slumpmässig latens att visas. I stället visade värmekartan latensnivåer som stiger och faller i olika mönster för någon okänd anledning. "Visualisering av latens på detta sätt tydligt ställer fler frågor än det ger svar," sa han.

Ett annat mönster visade sig vara lika mystiskt. Testet innebar att en dataström skickades till 44 diskar. Först skulle data skickas till endast en skiva, sedan till två skivor och så vidare tills alla 44 skivor mottog data.

Gregg förväntade disk latens att öka linjärt då systembussarna blev mättade med data.

I stället fördröjes latensen, dämpar sedan något, innan det ökar något mer.

Han kallade detta mönster regnbågens pterodactyl, eftersom värmediagrammet liknade profilen hos en färgstark flygande dinosaur.

"För att sammanfatta regnbåge pterodactyl: lite är känt med noggrannhet, och mycket mer undersökning behövs. Vad det här visar är hur djup en enkel visualisering kan bli, "skriver han.

Gregg använde också en värmekarta för att avslöja chockeffekterna som högt ljud har på servrar, fenomen som Gregg visade några år tillbaka på YouTube.

Även om dessa värmekartor gjordes på ett system som körs på Zettabyte File System (ZFS) som körs över NFS-protokollet Network File Storage, kan detta tillvägagångssätt användas för att karakterisera operationerna i andra filsystem och även andra komponenter som CPU, Gregg skriver.

Joab Jackson täcker enterpysprogramvara och generell teknikbrytande nyheter för IDG News Service. Följ Joab på Twitter på @Joab_Jackson. Joabs e-postadress är [email protected]