如何使用OpenStack，Docker和Spark打造一个云服务

Posted 2023-04-28

参考技术A 蘑菇街基于 OpenStack 和 Docker 的私有云实践

本次主要想分享一下过去一年时间里，我们在建设基于Docker的私有云实践过程中，曾经遇到过的问题，如何解决的经验，还有我们的体会和思考，与大家共勉。
在生产环境中使用Docker有一些经历和经验。私有云项目是2014年圣诞节期间上线的，从无到有，经过了半年多的发展，经历了3次大促，已经逐渐形成了一定的规模。

架构
集群管理
大家知道，Docker自身的集群管理能力在当时条件下还很不成熟，因此我们没有选择刚出现的 Swarm，而是用了业界最成熟的OpenStack，这样能同时管理Docker和KVM。我们把Docker当成虚拟机来跑，是为了能满足业务上对虚拟化的需求。今后的思路是微服务化，把应用进行拆分，变成一个个微服务，实现PaaS基于应用的部署和发布。
通过OpenStack如何管理Docker?我们采用的是OpenStack+nova-docker+Docker的架构模式。nova- docker是StackForge上一个开源项目，它做为nova的一个插件，通过调用Docker的RESTful接口来控制容器的启停等动作。
我们在IaaS基础上自研了编排调度等组件，支持应用的弹性伸缩、灰度升级等功能，并支持一定的调度策略，从而实现了PaaS层的主要功能。
同时，基于Docker和Jenkins实现了持续集成(CI)。Git中的项目如果发生了git push等动作，便会触发Jenkins Job进行自动构建，如果构建成功便会生成Docker Image并push到镜像仓库。基于CI生成的Docker Image，可以通过PaaS的API或界面，进行开发测试环境的实例更新，并最终进行生产环境的实例更新，从而实现持续集成和持续交付。
网络和存储
网络方面，我们没有采用Docker默认提供的NAT网络模式，NAT会造成一定的性能损失。通过OpenStack，我们支持Linux bridge和Open vSwitch，不需要启动iptables，Docker的性能接近物理机的95%。
容器的监控
监控方面，我们自研了container tools，实现了容器load值的计算，替换了原有的top、free、iostat、uptime等命令。这样业务方在容器内使用常用命令时看到的是容器的值，而不是整个物理机的。目前我们正在移植Lxcfs到我们的平台上。
我们还在宿主机上增加了多个阈值监控和报警，比如关键进程监控、日志监控、实时pid数量、网络连接跟踪数、容器oom报警等等。
冗灾和隔离性
冗灾和隔离性方面，我们做了大量的冗灾预案和技术准备。我们能够在不启动docker daemon的情况下，离线恢复Docker中的数据。同时，我们支持Docker的跨物理机冷迁移，支持动态的CPU扩容/缩容，网络IO磁盘IO的限速。
遇到的问题及解决方法
接近一年不到的产品化和实际使用中我们遇到过各种的问题，使用Docker的过程也是不断优化Docker、不断定位问题、解决问题的过程。
我们现在的生产环境用的是CentOS 6.5。曾经有个业务方误以为他用的Docker容器是物理机，在Docker容器里面又装了一个Docker，瞬间导致内核crash，影响了同一台物理机的其他Docker容器。
经过事后分析是2.6.32-431版本的内核对network namespace支持不好引起的，在Docker内创建bridge会导致内核crash。upstream修复了这个bug，从2.6.32-431升级到2.6.32-504后问题解决。
还有一个用户写的程序有bug，创建的线程没有及时回收，容器中产生了大量的线程，最后在宿主机上都无法执行命令或者ssh登陆，报的错是"bash: fork: Cannot allocate memory"，但通过free看空闲的内存却是足够的。
经过分析，发现是内核对pid的隔离性支持不完善，pid_max(/proc/sys/kernel/pid_max)是全局共享的。当一个容器中的pid数目达到上限32768，会导致宿主机和其他容器无法创建新的进程。最新的4.3-rc1才支持对每个容器进行pid_max限制。
我们还观察到docker的宿主机内核日志中会产生乱序的问题。经过分析后发现是由于内核中只有一个log_buf缓冲区，所有printk打印的日志先放到这个缓冲区中，docker host以及container上的rsyslogd都会通过syslog从kernel的log_buf缓冲区中取日志，导致日志混乱。通过修改 container里的rsyslog配置，只让宿主机去读kernel日志，就能解决这个问题。
除此之外，我们还解决了device mapper的dm-thin discard导致内核crash等问题。
体会和思考
最后分享一下我们的体会和思考，相比KVM比较成熟的虚拟化技术，容器目前还有很多不完善的地方，除了集群管理、网络和存储，最重要的还是稳定性。影响稳定性的主要还是隔离性的不完善造成的，一个容器内引起的问题可能会影响整个系统。
容器的memcg无法回收slab cache，也不对dirty cache量进行限制，更容易发生OOM问题。还有，procfs上的一些文件接口还无法做到per-container，比如pid_max。
另外一点是对容器下的运维手段和运维经验的冲击。有些系统维护工具，比如ss，free，df等在容器中无法使用了，或者使用的结果跟物理机不一致，因为系统维护工具一般都会访问procfs下的文件，而这些工具或是需要改造，或是需要进行适配。
虽然容器还不完善，但是我们还是十分坚定的看好容器未来的发展。Kubernetes、Mesos、Hyper、CRIU、runC等容器相关的开源软件，都是我们关注的重点。
Q&A
Q：请问容器间的负载均衡是如何做的?
A： 容器间的负载均衡，更多是PaaS和SaaS层面的。我们的P层支持4层和7层的动态路由，通过域名的方式，或者名字服务来暴露出对外的接口。我们能够做到基于容器的灰度升级，和弹性伸缩。
Q：请问你们的OpenStack是运行在CentOS 6.5上的吗?
A: 是的，但是我们针对OpenStack和Docker依赖的包进行了升级。我们维护了内部的yum源。
Q：请问容器IP是静态编排还是动态获取的?
A: 这个跟运维所管理的网络模式有关，我们内部的网络没有DHCP服务，因此对于IaaS层，容器的IP是静态分配的。对于PaaS层来说，如果有DHCP服务，容器的App所暴露出来IP和端口就可以做到动态的。
Q：请问你们当时部署的时候有没有尝试过用Ubuntu，有没有研究过两个系统间的区别，另外请问你们在OpenStack上是怎样对这些虚拟机监控的?
A: 我们没有尝试过Ubuntu，因为公司生产环境上用的是CentOS。我们的中间件团队负责公司机器的监控，我们和监控团队配合，将监控的agent程序部署到宿主机和每个容器里，这样就可以当成虚拟机来进行监控。
当然，容器的数据是需要从cgroups里来取，这部分提取数据的工作，是我们来实现的。
Q：容器间的网络选型有什么建议，据说采用虚拟网卡比物理网卡有不小的性能损失，Docker自带的weaves和ovs能胜任吗?
A: 容器的网络不建议用默认的NAT方式，因为NAT会造成一定的性能损失。之前我的分享中提到过，不需要启动iptables，Docker的性能接近物理机的95%。Docker的weaves底层应该还是采用了网桥或者Open vSwitch。建议可以看一下nova-docker的源码，这样会比较容易理解。
Q：静态IP通过LXC实现的吗?
A: 静态IP的实现是在nova-docker的novadocker/virt/docker/vifs.py中实现的。实现的原理就是通过ip命令添加 veth pair，然后用ip link set/ip netns exec等一系列命令来实现的，设置的原理和weaves类似。
Q：容器内的进程gdb你们怎么弄的，把gdb打包到容器内吗?
A: 容器内的gdb不会有问题的，可以直接yum install gdb。
Q：共享存储能直接mount到容器里吗?
A: 虽然没试过，但这个通过docker -v的方式应该没什么问题。
Q：不启动Docker Daemon的情况下，离线恢复Docker中的数据是咋做到的?
A: 离线恢复的原理是用dmsetup create命令创建一个临时的dm设备，映射到Docker实例所用的dm设备号，通过mount这个临时设备，就可以恢复出原来的数据。
Q：Docker的跨物理机冷迁移，支持动态的CPU扩容/缩容，网络IO磁盘IO的限速，是怎么实现的，能具体说说吗?
A：Docker的冷迁移是通过修改nova-docker，来实现OpenStack迁移的接口，具体来说，就是在两台物理机间通过docker commit，docker push到内部的registry，然后docker pull snapshot来完成的。
动态的CPU扩容/缩容，网络IO磁盘IO的限速主要是通过novadocker来修改cgroups中的cpuset、iops、bps还有TC的参数来实现的。
Q：请问你们未来会不会考虑使用Magnum项目，还是会选择Swarm?
A：这些都是我们备选的方案，可能会考虑Swarm。因为Magnum底层还是调用了Kubernetes这样的集群管理方案，与其用Magnum，不如直接选择Swarm或者是Kubernetes。当然，这只是我个人的看法。
Q：你们的业务是基于同一个镜像么，如果是不同的镜像，那么计算节点如何保证容器能够快速启动?
A：运维会维护一套统一的基础镜像。其他业务的镜像会基于这个镜像来制作。我们在初始化计算节点的时候就会通过docker pull把基础镜像拉到本地，这也是很多公司通用的做法，据我了解，腾讯、360都是类似的做法。
Q：做热迁移，有没有考虑继续使用传统共享存储的来做?
A： 分布式存储和共享存储都在考虑范围内，我们下一步，就计划做容器的热迁移。
Q：请问你们是直接将公网IP绑定到容器吗，还是通过其他方式映射到容器的私有IP，如果是映射如何解决原本二层的VLAN隔离?
A：因为我们是私有云，不涉及floating ip的问题，所以你可以认为是公网IP。VLAN的二层隔离完全可以在交换机上作。我们用Open vSwitch划分不同的VLAN，就实现了Docker容器和物理机的网络隔离。
Q：Device mapper dm-thin discard问题能说的详细些吗?
A：4月份的时候，有两台宿主机经常无故重启。首先想到的是查看/var/log/messages日志，但是在重启时间点附近没有找到与重启相关的信息。而后在/var/crash目录下，找到了内核crash的日志vmcore-dmesg.txt。日志的生成时间与宿主机重启时间一致，可以说明宿主机是发生了kernel crash然后导致的自动重启。“kernel BUG at drivers/md/persistent-data/dm-btree-remove.c:181!”。 从堆栈可以看出在做dm-thin的discard操作(process prepared discard)，虽然不知道引起bug的根本原因，但是直接原因是discard操作引发的，可以关闭discard support来规避。
我们将所有的宿主机配置都禁用discard功能后，再没有出现过同样的问题。
在今年CNUTCon的大会上，腾讯和大众点评在分享他们使用Docker的时候也提到了这个crash，他们的解决方法和我们完全一样。
Q：阈值监控和告警那块，有高中低多种级别的告警吗，如果当前出现低级告警，是否会采取一些限制用户接入或者砍掉当前用户正在使用的业务，还是任由事态发展?
A：告警这块，运维有专门的PE负责线上业务的稳定性。当出现告警时，业务方和PE会同时收到告警信息。如果是影响单个虚拟机的，PE会告知业务方，如果严重的，甚至可以及时下掉业务。我们会和PE合作，让业务方及时将业务迁移走。
Q：你们自研的container tools有没有开源，GitHub上有没有你们的代码，如何还没开源，后期有望开源吗，关于监控容器的细粒度，你们是如何考虑的?
A：虽然我们目前还没有开源，单我觉得开源出来的是完全没问题的，请大家等我们的好消息。关于监控容器的细粒度，主要想法是在宿主机层面来监控容器的健康状态，而容器内部的监控，是由业务方来做的。
Q：请问容器的layer有关心过层数么，底层的文件系统是ext4么，有优化策略么?
A：当然有关心，我们通过合并镜像层次来优化docker pull镜像的时间。在docker pull时，每一层校验的耗时很长，通过减小层数，不仅大小变小，docker pull时间也大幅缩短。
Q：容器的memcg无法回收slab cache，也不对dirty cache量进行限制，更容易发生OOM问题。----这个缓存问题你们是怎么处理的?
A：我们根据实际的经验值，把一部分的cache当做used内存来计算，尽量逼近真实的使用值。另外针对容器，内存报警阈值适当调低。同时添加容器OOM的告警。如果升级到CentOS 7，还可以配置kmem.limit_in_bytes来做一定的限制。
Q：能详细介绍下你们容器网络的隔离?
A：访问隔离，目前二层隔离我们主要用VLAN，后面也会考虑VXLAN做隔离。 网络流控，我们是就是使用OVS自带的基于port的QoS，底层用的还是TC，后面还会考虑基于flow的流控。
Q：请问你们这一套都是用的CentOS 6.5吗，这样技术的实现。是运维还是开发参与的多?
A：生产环境上稳定性是第一位的。CentOS 6.5主要是运维负责全公司的统一维护。我们会给运维在大版本升级时提建议。同时做好虚拟化本身的稳定性工作。
Q：请问容器和容器直接是怎么通信的?网络怎么设置?
A：你是指同一台物理机上的吗?我们目前还是通过IP方式来进行通信。具体的网络可以采用网桥模式，或者VLAN模式。我们用Open vSwitch支持VLAN模式，可以做到容器间的隔离或者通信。
Q：你们是使用nova-api的方式集成Dcoker吗，Docker的高级特性是否可以使用，如docker-api，另外为什么不使用Heat集成Docker?
A：我们是用nova-docker这个开源软件实现的，nova-docker是StackForge上一个开源项目，它做为nova的一个插件，替换了已有的libvirt，通过调用Docker的RESTful接口来控制容器的启停等动作。
使用Heat还是NOVA来集成Docker业界确实一直存在争议的，我们更多的是考虑我们自身想解决的问题。Heat本身依赖的关系较为复杂，其实业界用的也并不多，否则社区就不会推出Magnum了。
Q：目前你们有没有容器跨DC的实践或类似的方向?
A：我们已经在多个机房部署了多套集群，每个机房有一套独立的集群，在此之上，我们开发了自己的管理平台，能够实现对多集群的统一管理。同时，我们搭建了Docker Registry V1，内部准备升级到Docker Registry V2，能够实现Docker镜像的跨DC mirror功能。
Q：我现在也在推进Docker的持续集成与集群管理，但发现容器多了管理也是个问题，比如容器的弹性管理与资源监控，Kubernetes、Mesos哪个比较好一些，如果用在业务上，那对外的域名解析如何做呢，因为都是通过宿主机来通信，而它只有一个对外IP?
A： 对于Kubernetes和Mesos我们还在预研阶段，我们目前的P层调度是自研的，我们是通过etcd来维护实例的状态，端口等信息。对于7层的可以通过nginx来解析，对于4层，需要依赖于naming服务。我们内部有自研的naming服务，因此我们可以解决这些问题。对外虽然只有一个IP，但是暴露的端口是不同的。
Q：你们有考虑使用Hyper Hypernetes吗? 实现容器与宿主机内核隔离同时保证启动速度?
A：Hyper我们一直在关注，Hyper是个很不错的想法，未来也不排除会使用Hyper。其实我们最希望Hyper实现的是热迁移，这是目前Docker还做不到的。
Q：你们宿主机一般用的什么配置?独立主机还是云服务器?
A：我们有自己的机房，用的是独立的服务器，物理机。
Q：容器跨host通信使用哪一种解决方案?
A： 容器跨host就必须使用3层来通信，也就是IP，容器可以有独立的IP，或者宿主机IP+端口映射的方式来实现。我们目前用的比较多的还是独立ip的方式，易于管理。
Q：感觉贵公司对Docker的使用比较像虚拟机，为什么不直接考虑从容器的角度来使用，是历史原因么?
A：我们首先考虑的是用户的接受程度和改造的成本。从用户的角度来说，他并不关心业务是跑在容器里，还是虚拟机里，他更关心的是应用的部署效率，对应用本身的稳定性和性能的影响。从容器的角度，一些业务方已有的应用可能需要比较大的改造。比如日志系统，全链路监控等等。当然，最主要的是对已有运维系统的冲击会比较大。容器的管理对运维来说是个挑战，运维的接受是需要一个过程的。
当然，把Docker当成容器来封装应用，来实现PaaS的部署和动态调度，这是我们的目标，事实上我们也在往这个方向努力。这个也需要业务方把应用进行拆分，实现微服务化，这个需要一个过程。
Q：其实我们也想用容器当虚拟机使用。你们用虚拟机跑什么中间件?我们想解决测试关键对大量相对独立环境WebLogic的矛盾?
A：我们跑的业务有很多，从前台的主站Web，到后端的中间件服务。我们的中间件服务是另外团队自研的产品，实现前后台业务逻辑的分离。
Q：贵公司用OpenStack同时管理Docker和KVM是否有自己开发Web配置界面，还是单纯用API管理?
A：我们有自研的Web管理平台，我们希望通过一个平台管理多个集群，并且对接运维、日志、监控等系统，对外暴露统一的API接口。
Q：上面分享的一个案例中，关于2.6内核namespace的bug，这个低版本的内核可以安装Docker环境吗，Docker目前对procfs的隔离还不完善，你们开发的container tools是基于应用层的还是需要修改内核?
A：安装和使用应该没问题，但如果上生产环境，是需要全面的考虑的，主要还是稳定性和隔离性不够，低版本的内核更容易造成系统 crash或者各种严重的问题，有些其实不是bug，而是功能不完善，比如容器内创建网桥会导致crash，就是network namespace内核支持不完善引起的。
我们开发的container tools是基于应用的，不需要修改内核。
Q：关于冗灾方面有没有更详细的介绍，比如离线状态如何实现数据恢复的?
A：离线状态如何实现恢复数据，这个我在之前已经回答过了，具体来说，是用dmsetup create命令创建一个临时的dm设备，映射到docker实例所用的dm设备号，通过mount这个临时设备，就可以恢复出原来的数据。其他的冗灾方案，因为内容比较多，可以再另外组织一次分享了。你可以关注一下http://mogu.io/，到时候我们会分享出来。
Q：贵公司目前线上容器化的系统，无状态为主还是有状态为主，在场景选择上有什么考虑或难点?
A：互联网公司的应用主要是以无状态的为主。有状态的业务其实从业务层面也可以改造成部分有状态，或者完全不状态的应用。不太明白你说的场景选择，但我们尽量满足业务方的各种需求。
对于一些本身对稳定性要求很高，或对时延IO特别敏感，比如redis业务，无法做到完全隔离或者无状态的，我们不建议他们用容器。

多进程好还是多线程好等等，并不是说因为Spark很火就一定要使用它。在遇到这些问题的时候、图计算，目前我们还在继续这方面的工作：作为当前流行的大数据处理技术？ 陈，它能快速创建一个Spark集群供大家使用，我们使用OpenStack？ 陈。 问，Hadoop软硬件协同优化，在OpenPOWER架构的服务器上做Spark的性能分析与优化：您在本次演讲中将分享哪些话题。 问。多参与Spark社区的讨论。曾在《程序员》杂志分享过多篇分布式计算、Docker和Spark打造SuperVessel大数据公有云”，给upstrEAM贡献代码都是很好的切入方式、SQL，并拥有八项大数据领域的技术专利，MapReduce性能分析与调优工具。例如还有很多公司在用Impala做数据分析：企业想要拥抱Spark技术，对Swift对象存储的性能优化等等。例如与Docker Container更好的集成，大数据云方向的技术负责人，Spark还是有很多工作可以做的？企业如果想快速应用Spark 应该如何去做，具体的技术选型应该根据自己的业务场景，Docker Container因为在提升云的资源利用率和生产效率方面的优势而备受瞩目，高性能FPGA加速器在大数据平台上应用等项目，再去调整相关的参数去优化这些性能瓶颈，一些公司在用Storm和Samaza做流计算： 相比于MapReduce在性能上得到了很大提升？

如何使用Rally+Docker测试OpenStack

一．为什么要用Rally Docker

1.为什么要通过Docker使用Rally

众所周知，软件产品部署环境的变化（譬如，从A环境到B环境等），会导致测试环境响应的变化。那么，有没有一种办法，可以更好的解决这种环境迁移导致的诸多问题。即让测试环境更加自主、可控和轻量。

Docker时代的来临，无疑，为我们提供了一把新的钥匙。

通常，为了构建这样的一个测试平台，即便是熟练者往往也需要花费30分钟以上的时间。通过使用Docker容器化，将Rally独立于宿主机OS，而单独运行在容器中，可以做到系统隔离，平台复用和分布式测试等高效用途。

社区对OpenStack的集成测试工具采用Tempest，性能测试采用Rally。众所周知，性能测试一般是在一个软件产品在某个迭代内开发完毕，上线部署之前执行。

作为OpenStack测试领域内的急先锋，Rally当然也不例外。典型的应用场景：一是对内部基于OpenStack开发的产品做性能测试；二是做服务实施时，给客户做的POC以及上线之前的性能测试等。需要尤为注意的是，由于性能测试依赖于硬件物理资源配置，所以应当根据实际情况出发，甄别出不同环境下的性能测试差异。

2.什么是Rally

Rally 常用于模拟高并发场景的压力测试。比如OpenStack API在并发下的响应时间和请求成功率，从而测试出OpenStack的规模和性能。Rally特性如下：

• Rally 会自动部署一个OpenStack的环境, 并运行tempest来验证环境；

• Rally会模拟生成用户负载，以提供性能测试问题；

• Rally通过Ceilomter来收集 Hypervisor 和VM的数据，并放在Rally的数据库中；

• Rally 最终会生成可读性极佳的性能测试报告；

• Deploy engine：并不是一个OpenStack的部署器（deployer），而是一个类似于插件的结构（pluggable mechanism），可以很好的与流行的部署器如DevStack、Fuel等结合使用；

• Verification：使用Tempset来验证已部署的OpenStack云环境的功能性；

• Benchmark engine：允许在云环境中制造并发负载，进行压力测试；

目前，有如下一些公司但不限于在社区贡献Rally：

使用Rally的三个高水平案例

从上图可以知道，Rally典型的作用有：

• 自动化测试和分析，了解新并入的代码对OpenStack的影响；

• 使用Rally profiler来检测性能问题；

• 测试不同部署方式对于操作系统性能的影响；

• 创建针对不同规模的负载压力；

• 检测不同负载下，基本云主机操作的性能情况；

• 测试涉及到OpenStack的几乎所有使用场景；

• 最核心的是，Rally可以是QA测试、DevOps、CI/CD中不可或缺的重要组成部分；

二．安装和使用Docker

备注： 
这里，我的操作环境是Rally docker和由DevStack安装的OpenStack环境均构建在同一个CentOS 7虚拟机中。

1）Docker软件包已经包含在默认的CentOS-Extras软件源里，安装命令如下：

# yum -y install epel-release# yum install docker -y

2）当Docker安装完成之后，你需要启动docker进程：

# systemctl restart docker

3）如果我们希望Docker默认开机启动，如下操作：

# systemctl enable docker

4）配置Docker加速器。这里我们使用daocloud提供的docker镜像加速服务：

#sed -i 's|other_args="|other_args="--registry-mirror=http://768e1313.m.daocloud.io |g' /etc/sysconfig/docker#sed -i "s|OPTIONS='|OPTIONS='--registry-mirror=http://768e1313.m.daocloud.io |g" /etc/sysconfig/docker#sed -i 'N;s|[Service]
|[Service]
EnvironmentFile=-/etc/sysconfig/docker
|g' /usr/lib/systemd/system/docker.service# sed -i 's|fd://|fd:// $other_args |g' /usr/lib/systemd/system/docker.service

5）重启服务：

# systemctl daemon-reload# systemctl restart docker

6）现在，我们来验证 Docker 是否正常工作以及为下一步安装Rally做足准备。为此，我们需要下载centos 7镜像。

# docker pull centos:7

7）下一步，我们运行下边的命令来查看镜像，确认镜像是否存在：

# docker imagesREPOSITORY          TAG                 IMAGE ID            CREATED                  VIRTUAL SIZE
docker.io/centos    7                   eeb3a076a0be        Less than a second ago   196.7 MB

OK，事已至此，Docker和CentOS7镜像现在已经build好了。我们继续进行下一步。

三．安装和使用Rally

1.安装和使用Rally

1）首先，我们需要进入到CentOS 7这个Docker镜像中，执行安装和配置任务等。

# docker run -i -t centos:7 /bin/bash

2）安装相关的依赖关系

# yum -y install epel-release# yum install gcc-c++ python-pip git which

3）下载和安装Rally

# cd /home
# git clone https://github.com/openstack/rally.git
#cd rally#./install_rally.sh ==============================Installation of Rally is done! ==============================

Rally is now installed in your system. Information about your Rally 
installation:

• Method: system

• Database at: /var/lib/rally/database

• Configuration file at: /etc/rally

• Samples at: /usr/share/rally/samples

小贴士 
如果，你在执行如下步骤时报错了，请设置系统时间：

# git clone https://github.com/openstack/rally.gitCloning into 'rally'...fatal: unable to access 'https://github.com/stackforge/rally.git/': Peer's Certificate has expired.

解决：

[root@0e1be457a0f3 home]# exit     //退出dockerexit# yum -y install ntp# timedatectl set-timezone Asia/Shanghai # timedatectl# timedatectl set-ntp yes# dateWed Apr  6 22:53:41 CST 2016

之后，再次进入docker镜像，进行其他操作。

4）配置Rally

切换到rally/samples/deployments目录下，编辑一个名为existing.json的文件。 

这个文件用来干嘛的呢，是用来与openstack环境互通的。如下所示。

# cat existing.json{    "type": "ExistingCloud",    "auth_url": "http://10.10.10.129:5000/v2.0/",     // keystone endpoint
    "region_name": "RegionOne",    "endpoint_type": "public",    "admin": {        "username": "admin",                    //管理员用户
        "password": "admin",                    //管理员用户密码
        "tenant_name": "demo"                  //一个测试用的租户
    },    "https_insecure": false,    "https_cacert": ""}

5）生效

# rally deployment create --file=existing.json --name=docker_rally

6）验证Rally是否安装成功以及连通OpenStack环境

# rally show flavors# source ~/.rally/openrc# glance image-list

7）检查OpenStack的部署环境

# rally deployment check

OK，到了这里都没有问题，现在我们可以继续往下进行OpenStack压力测试了。目前，Rally支持的OpenStack压力测试项目，如图所示：

8）执行Rally测试

Rally的测试用例文件，一共有json和yaml两种格式文件，同名称的文件，其测试用例内容都是一样的。这里，我们测试的对象是Keystone服务的create-user测试用例。如下所示：

# cat create-user.json{    "KeystoneBasic.create_user": [
        {            "args": {},            "runner": {                "type": "constant",                "times": 100,           // 测试执行次数
                "concurrency": 10       // 并发数
            }
        }
    ]
}# pwd/home/rally/samples/tasks/scenarios/keystone# rally  -v task start create-user.json

通过，观察测试结果信息，我们可以知道该测试用例已经执行成功了。终端中，展示的重要信息主要有执行该测试用例所用的时间（s）；执行的测试次数；成功率等。

Rally要比Tempest更加人性化的一个地方在于，可以输出利于分析和浏览的用户图形化HTML报表。执行如下命令，生成HTML报表：

# rally task report 9866b3b3-58c2-4069-819b-f099e507c7e5 --out keystone-create-user.html

将Docker容器中的该HTML文件传到主机系统中，如下把ID为ad0ec05e9908的容器中的/home/rally/samples/tasks/scenarios/keystone/目录下的keystone-create-user.html文件拷贝到主机的当前目录下：

# docker cp ad0ec05e9908:/home/rally/samples/tasks/scenarios/keystone/keystone-create-user.html ./ # ls keystone-create-user.html

由于打开Rally的HTML测试报告，会在线调用Google的AngularJS生成报表，因此需要在科学上网的情况下浏览，使用Firfox或者Chrome浏览器打开该HTML文件。如下图所示：

2.如何不科学上网，也能看测试报表

如果，不想在科学上网的情况下，也能浏览HTML测试报表，那该怎么办呢。别急，笔者琢磨出了一个移花接木之法，。——即替换Google的JS框架。

为了能在不科学上网的情况下查看报表，因此下面，我们需要修改源码程序。下面呢，我就分享下吧。

1）切换目录

# cd /usr/lib/python2.7/site-packages/rally

2）查找Google的js url路径

# grep googleapis -R .
./ui/templates/task/report.mako:<script type="text/javascript" src="https://ajax.googleapis.com/ajax/libs/angularjs/1.3.3/angular.mins"></script>./ui/templates/verification/report.mako:<script type="text/javascript" src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jqueryin.js"></script>

3）替换 googleapis

# vim ./ui/templates/verification/report.mako
 ## -*- coding: utf-8 -*-
 <%inherit file="/base.mako"/>

 <%block name="title_text">Tempest report</%block>

 <%block name="libs">
 <script type="text/javascript" src="https://cdnjs.cloudflare.com/ajax/libs/jquery/2.1.4/jquery.min.js"></script>
 </%block>

# vim ./ui/templates/task/report.mako
## -*- coding: utf-8 -*-
 <%inherit file="/base.mako"/>

 <%block name="html_attr"> ng-app="BenchmarkApp"</%block>

 <%block name="title_text">Benchmark Task Report</%block>

 <%block name="libs">
   <link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/nvd3/1.1.15-beta/nv.d3.min.css">
   <script type="text/javascript" src="https://cdnjs.cloudflare.com/ajax/libs/angular.js/1.3.15/angular.min.js"></script>
   <script type="text/javascript" src="https://cdnjs.cloudflare.com/ajax/libs/d3/3.4.13/d3.min.js"></script>
   <script type="text/javascript" src="https://cdnjs.cloudflare.com/ajax/libs/nvd3/1.1.15-beta/nv.d3.min.js"></script>
 </%block>

4）OK，这样以后我们再次运行Rally测试时，就可以不用科学上网，也能直接查看测试出来的报表了。

四．保存和使用Rally Docker

1）保存Rally Docker镜像 
当我们制作好了Rally镜像之后，如果不做commit保存起来，那么container停止以后再启动，这些更改就消失了。在完成操作之后，输入 exit命令来退出这个容器。

# exitExit

现在，我们可以使用 docker commit 来保存镜像。

# docker commit -m="OpenStack Rally Docker" -a="Xu chao" 8e9cce8d1d71 openstack/rally:v1

这里的-m标识我们指定提交的信息，-a标识来指定一个作者，openstack/rally是一个新的镜像名，v1是版本号。

现在，我们可以使用 docker images 命令来查看我们的新镜像openstack/rally。

# docker images

2）使用我们的新镜像来运行Rally docker

# docker run -i -t openstack/rally:v1 /bin/bash[root@3d6864153dc0 /]# exitexit

3）最后，我们使用docker save 命令将镜像导出到本地文件，默认目录为执行docker命令的用户家目录下。

# docker save -o rally_centos7.tar openstack/rally:v1# lsrally_centos7.tar

4）当我们把自己做好的镜像上传到Docker Hub公共库或内部私有库中后，别人便可以直接导入镜像，离线使用了。

# docker load < rally_centos7.tar

5）将镜像推送到Docker Hub上 
由于，上传的镜像必须以docker hub注册的用户名开头，因此这里，我需要重新命名镜像。

# docker commit ad0ec05e9908 xiaoxu780/openstack_rally33c3c6cf1641a57e22df645387d1bfc74fb4ac011c17896f2e1d044f56116eb9

查看本地有哪些镜像

# docker imagesREPOSITORY                  TAG                 IMAGE ID            CREATED             VIRTUAL SIZE
xiaoxu780/openstack_rally   latest              33c3c6cf1641        26 seconds ago      635.9 MB
openstack/rally             v1                  abb601c4cc96        21 hours ago        635.9 MB
docker.io/centos            7                   eeb3a076a0be        5 days ago          196.7 MB

选择推送的镜像

# docker push xiaoxu780/openstack_rallyDo you really want to push to public registry? [y/n]: y The push refers to a repository [docker.io/xiaoxu780/openstack_rally] (len: 0)
Sending image list
Pushing repository docker.io/xiaoxu780/openstack_rally (1 tags)
…………

最后，登录Docker Hub 查看或搜索上传成功的xiaoxu780/openstack_rally镜像。

五、安装Rally的方式

1.单独安装

最简单的安装Rally的方式就是通过它的安装脚本进行安装。

# wget -q -O- https://raw.githubusercontent.com/openstack/rally/master/install_rally.sh | bash

安装脚本会检测Rally所需要的软件是否已经安装在系统中；如果是以 root 用户执行而其中的一些依赖没有安装，那么脚本会询问您是否想要安装这些所需要的包。

默认情况下，当以标准用户执行时会将 Rally 安装到 ~/rally 目录下的一个虚拟环境中，或以 root 用户执行则安装到整个系统中。您可以使用 –target 选项将 Rally 安装到一个虚拟环境中：

# ./install_rally.sh --target /foo/bar

您也可以以 root 用户执行脚本，不使用 –target 选项，而把 Rally 安装到整个系统中：

# ./install_rally.sh

安装完成后，您还可以配置Rally的数据库（可选）：

# rally-manage db recreate

2.通过DevStack 安装

DevStack除了可以安装OpenStack、Tempest等之外，当然还可以安装 Rally。首先，克隆对应的仓库代码：

# git clone https://git.openstack.org/openstack-dev/devstack# git clone https://github.com/openstack/rally

然后，配置 DevStack 以运行 Rally：

# cd devstack# cp samples/local.conf local.conf# echo "enable_service rally" >> local.conf

最后，只需要运行 DevStack 即可：

$ ./stack.sh

3.通过 Docker安装和使用

即是本篇所做内容。

SDCC 2016 数据库&架构技术峰会（深圳站）将于4月22日-23日举行，讲师和议题已全部确认。目前6折限时报名，详情请扫描下方二维码图。点击原文链接访问官网。