vminsert到vmstorage链路上的配置说明

作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！

• cnblogs博客
• zhihu
• Github
• 公众号:一本正经的瞎扯
  

---

本文是为了解决Victoria-Metrics中的过载问题而得出的较好实践。也是为了回答这样一些问题：

• vm-storage的单核写入性能的极限在哪里？（请见之前的三篇文章）
• 怎么样才能感知到，vm-insert到vm-storage这条写入链路上已经发生了过载？
• 如果写入链路发生过载，是否会丢数据？如果丢数据，究竟在哪个环节丢数据？过载了如何做保护，如何避免雪崩？

下面开始回答以下问题：

1.vm-storage的单核写入性能的极限在哪里？

• 全是新metric的情况：6000/核/s
• 全是旧的metric的情况：43万/核/s
• 新metric占整体1%的情况：24.6万/核/s

此外：写入性能是否会随着时间推移索引数增多后，导致写入性能下降？
会的！原因在于内存占用量升高，tsid cache命中率降低导致。
只要活跃的metric都在tsid cache中，写入性能就不会受到影响。

2.写入链路过载感知

2.1 vm-storage中，几乎不会发生丢数据的情况

统计drop相关的metric，可以看出vm-storage上丢弃的数据量：

sum by () (rate(vm_hourly_series_limit_rows_dropped_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.+"})) +
sum by () (rate(vm_daily_series_limit_rows_dropped_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.+"})) +
sum by () (rate(vm_concurrent_addrows_dropped_rows_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.+"}))

或者，把接收到的行数为分母，把最终写入存储的行数为分子，可以计算出vm-storage上的写入成功率：

sum by () (rate(vm_rows_added_to_storage_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.+"}[1m])) /
sum by () (rate(vm_vminsert_metrics_read_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.+"}[1m]))

在没有刻意限制每小时和每天的新metric数量的情况下，实测过程中没有发现任何vm-storage上的数据丢弃。

2.2 vm-insert中的数据丢弃逻辑：

通过配置 -dropSamplesOnOverload 来丢弃数据

see: app/vminsert/netstorage/netstorage.go:53

func (sn *storageNode) push(buf []byte, rows int) error {
	if len(buf) > maxBufSizePerStorageNode {
		logger.Panicf("BUG: len(buf)=%d cannot exceed %d", len(buf), maxBufSizePerStorageNode)
	}
	sn.rowsPushed.Add(rows)
	if sn.trySendBuf(buf, rows) {
		// Fast path - the buffer is successfully sent to sn.
		return nil
	}  // 只要缓冲区写满，且配置了丢弃数据，就会直接丢弃数据。丢弃数据能够避免vm-insert OOM崩溃
	if *dropSamplesOnOverload && atomic.LoadUint32(&sn.isReadOnly) == 0 {
		sn.rowsDroppedOnOverload.Add(rows)
		dropSamplesOnOverloadLogger.Warnf("some rows dropped, because -dropSamplesOnOverload is set and vmstorage %s cannot accept new rows now. "+
			"See vm_rpc_rows_dropped_on_overload_total metric at /metrics page", sn.dialer.Addr())
		return nil
	}
	// Slow path - sn cannot accept buf now, so re-route it to other vmstorage nodes.
	if err := sn.rerouteBufToOtherStorageNodes(buf, rows); err != nil {
		return fmt.Errorf("error when re-routing rows from %s: %w", sn.dialer.Addr(), err)
	}
	return nil
}

由源码可知：当vm-storage达到瓶颈，vm-insert与vm-storage之间的传输必然变慢，变慢后导致netstorage客户端的缓冲区无法及时释放。这个时候如果配置了-dropSamplesOnOverload选项，就会直接丢弃数据。
丢弃数据后，通过metric vm_rpc_rows_dropped_on_overload_total 会体现出丢弃的量。
虽然这个配置项能够避免vm-insert发生OOM(Out of memory)崩溃，但是这个层面上的数据丢弃无法补救。
建议vm-insert不要配置-dropSamplesOnOverload选项

vm-insert的http remote write协议层面

作为http服务器，可以看看vm-insert在http协议上如何处理过载：
see: lib/writeconcurrencylimiter/concurrencylimiter.go:32

// Do calls f with the limited concurrency.
func Do(f func() error) error {
	// Limit the number of conurrent f calls in order to prevent from excess
	// memory usage and CPU thrashing.
	select {
	case ch <- struct{}{}:  // 放入channel成功代表允许的并发数足够
		err := f()  // 执行具体的协议回调函数
		<-ch
		return err
	default:
	}

	// All the workers are busy.
	// Sleep for up to *maxQueueDuration.
	concurrencyLimitReached.Inc()
	t := timerpool.Get(*maxQueueDuration)  // maxQueueDuration 默认60秒，也就是无法处理的请求最长要等待60秒
	select {
	case ch <- struct{}{}:
		timerpool.Put(t)
		err := f()
		<-ch
		return err
	case <-t.C:
		timerpool.Put(t)
		concurrencyLimitTimeout.Inc()
		return &httpserver.ErrorWithStatusCode{
			Err: fmt.Errorf("cannot handle more than %d concurrent inserts during %s; possible solutions: "+
				"increase `-insert.maxQueueDuration`, increase `-maxConcurrentInserts`, increase server capacity", *maxConcurrentInserts, *maxQueueDuration),
			StatusCode: http.StatusServiceUnavailable,  // 等待60秒后仍然没有资源，则向调用端返回http 503错误
		}
	}
}

由源码可知：后端过载后，发送数据变慢，变慢导致用于处理并发的协程长时间阻塞。新来的请求没有协程去处理，就进入了等待。等待足够长的时间仍然没有资源，就向调用端返回http 503错误码。
把无法处理的请求通过错误码返回，这样调用方就能够感知到后端的过载了。
通过metric可以查询到vm-insert上拒绝的请求数：vm_http_request_errors_total{protocol="promremotewrite"}
到这里，怎么样才能感知到，vm-insert到vm-storage这条写入链路上已经发生了过载？这个问题已经有了答案：
1.关闭-dropSamplesOnOverload选项，不要在vm-insert这个层面上丢包；
2.通过http remote write的状态码 http 503 来感知后端是否已经过载；

vm-insert仍然有其他细节可能导致丢包，比如配置了 -maxInsertRequestSize / -maxLabelValueLen / -maxLabelsPerTimeseries 等选项的情况下。
可以通过下面的表达式来查询vm-insert这个环节的转发成功率：

sum by () (rate(vm_rpc_rows_sent_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.*"})) /
sum by () (rate(vm_rows_inserted_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.*",type="promremotewrite"}))

如何合理配置vm-insert的参数

首先，分析一下vm-insert写数据到vm-storage的延迟是多少：

max by () (rate(vm_rpc_send_duration_seconds_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.*"}[1m]))

我实验群集查询出来的数值是 0.996~1.01秒。
在 -maxConcurrentInserts 参数不配置的情况下，每核的默认并发为4.
因此，每协程的延迟大约是： 1000ms / 4核 / 4 协程 = 62.5ms
vm-insert与vm-storage之间的延迟如此之短，所以 -insert.maxQueueDuration=60s 这个时间实在太长了。我在压测中发现，-insert.maxQueueDuration=2s能够带来很好的吞吐量，并使vm-insert的内存压力很小。
-insert.maxQueueDuration=2s后，remote write客户端的请求延迟要略大于2s。这样的话，vm写入链路上如果发生过载，绝大多数的过载请求都会通过 http 503来体现。

总结一下：

• 通过metric max by () (rate(vm_rpc_send_duration_seconds_total{tenant=~"$tenant",namespace=~"$namespace",env_name=~"$env_name",pod_name=~"${cluster}.*"}[1m])) 来计算实例的最大延迟。然后除以总的协程数，得到每个协程的延迟。
• 队列中的等待时间insert.maxQueueDuration要与上面得到的延迟值相对等同。否则，过载情况下会积累非常多远超于延迟时间的请求，容易导致vm-insert发生OOM
• vm-insert的参数-maxConcurrentInserts建议不配置，使用默认的每核4协程的并发量。
  • 协程数增加对于vm-insert的吞吐量没有明显提升，反而导致增加协程调度的消耗。
  • 实际压测中发现每核4协程的吞吐量很好，瓶颈还是在vm-storage一侧。
• 关闭-dropSamplesOnOverload，把过载的信息传给上游。然后由上游来选择丢弃还是重试。

3.过载的一系列问题

如果写入链路发生过载，是否会丢数据？如果丢数据，究竟在哪个环节丢数据？过载了如何做保护，如何避免雪崩？
综合上面的信息：

• 如果不在vm-insert上配置-dropSamplesOnOverload选项，几乎不会发生丢数据
  • 如果需要知道在某些数据合法性检查的环节是否有丢数据，可以通过vm中的某些metric计算出来具体丢了多少；（压测过程中一次也没发生过）
• 丢数据的最大环节仍然在vm-insert上，导致丢弃的原因是netstorage客户端的buffer写满。
• 过载保护最好的位置是在remote write的发送端，通过http 503错误码来感知后端是否过载。
  • vm-storage过载后，表现为CPU耗满，插入时没有对应的可调度协程。最终导致vm-insert端连接超时。也就是说，vm-storage自身不会因为写入太多而发生崩溃。
  • vm-insert的过载一般由于vm-storage变慢导致。过载后，等待处理的缓冲区的数据变多，没有可用的insert协程，最终触发超时，返回http 503错误。只要insert.maxQueueDuration参数设置合理，一般也不会发生vm-insert上的崩溃。

总结

• 把vm-insert和vm-storage看成一个整体，在这条路径上可以配置为不丢弃数据；
• 把过载的检查和过载后的等待/重试等任务交给remote write的客户端；
• vm-storage的单核性能极为强悍，且能够做到水平扩容，可以认为其数据写入能力是没有上限的。