integración openstack
Transcripción
integración openstack
OPENSTACK & BIGDATA PRODUBAN RODRIGO DÍAZ JORGE GARCÍA DAVID MANCHADO KEEDIO LUCA ROSELLINI PRODUBAN PRODUBAN es una empresa tecnológica del Grupo Santander, especializada en el diseño y operación continua de Infraestructuras IT Compañía Global. Da servicio a más de 120 compañías, apoyándose en más de 5.500 profesionales ubicados en 9 países. 3 OBJETIVOS del PROYECTO Time-tomarket Elasticidad Nuevas aplicaciones Cloud I+D Eficiencia en costes 4 CRITERIOS DE DISEÑO !! Cloud de Propósito General !! Software Defined Everything !! Dispersión geográfica !! Escalabilidad horizontal !! Restringir a la menor unidad posible el dominio de fallo !! Evitar el “vendor lock-in” !! Estándares abiertos !! OpenSource First (!but not only!) 5 ¿POR QUÉ CLOUD? !adaptados a nuestras necesidades que implican requerimientos concretos Todos los beneficios de Cloud! % $ ) ( % ' $%&$ !"# % 5 % 4 " 4 . : ) " 9, % 4 " 4 . , . 3 " , " 9)- % 4 " 4 . <"&" % > " 4 " 6 =.,.7. % 5 % 4 " 4 . , . 3 . 2 1,+ % " 8 7 $ 0 $ 6 ( " % 4 " 4 . ;#., + <$06'$, % 4+,%?"6 $% *+#(, "-./0% A+#('.4 "4% 9@-.+0 -."% !'$-+ )$)% 6 ALCANCE Y DESPLIEGUE Regiones y Zonas de Disponibilidad !! Despliegue en Data Center Corporativo !! Principios de segregación/no contaminación en dos capas: 1.! Región 2.! Zona de Disponibilidad (AZ) Region AZ AZ AZ AZ AZ AZ Region AZ AZ AZ Region AZ AZ AZ !! Se proporcionan todos los elementos necesarios para construir aplicaciones tolerantes a fallos Region 7 TECNOLOGÍA y EQUIPO Public Cloud Red Hat CloudForms A;D9FFCD9%N% Red Hat Enterprise Linux OpenStack Platform <)*%:$6&*4;)0=' 49&)54;)0'40>' 84&%:'54041$5$0&?' Horizon (Dashboard) KF;E<9% CEPH <CE?9*% +,)%-'(&)*$' ABC1D% !"#$%&'(&)*$' 2541$6' M9;D% E9OD*GE% @$&A)*-6' EGL;% 7)589&$' !*%:$6&*4;)0' I9JADGE9% 23'.4041$5$0&' <9CFGH9D9*% .$&$*/01' Hypervisor Hardware 8 GESTIÓN DE LA INFRAESTRUCTURA Target Infrastructure Servers Actualmente para despliegue del software de gestión de infraestructura Storage Hypervisor CMDB Scheduler Backup Deployment of components & service configuration Integration with other systems Monitoring Service Request Service Portal Configuration Management Antivirus CMP A futuro será utilizado como Gestor de la Configuración: orquestación y configuración de VMs provisionadas Network Orchestrator 9 CÓMPUTO !! Nodos de cómputo y almacenamiento !! Servicios de Infraestructura "! Open Compute "! Servidores standalone HP y Lenovo "! Virtualización con KVM "! Virtualización con VMWare "! Infraestructura hiperconvergente (cómputo, red y almacenamiento) A+'P.-+%*"-Q%% C0R'"S%*"-Q% 10 STORAGE Principios de diseño !! Software Defined Storage !! OpenCompute: SSD & SATA !! Scale out !! Modelo Hiperconvergente – Share everything! !! Maximizar el aprovechamiento de OpenStack para abstraer la capa de storage !! Mantener los principios de integridad y accesibilidad al dato de las plataformas tradicionales (5 9’s??) 11 STORAGE Arquitectura !! Implementación de backend múltiple en Cinder. !! Uso de CEPH como proveedor de backend no efímero para Cinder y backup. !! Backend de bloque con 3 copias. !! Backend de bloque para backup de volúmenes en Cinder. !! Uso de discos locales para cargas determinadas. !! Provisión de servicios de Archivo y Objeto, basados en Swift y Manila (cuando esté disponible) sobre backend de CEPH. 12 STORAGE Retos y conclusiones Retos !! Caracterización del throughput del cluster de CEPH sin red de backend dedicada. !! La operativa de CEPH vs. Storage tradicional. !! El tamaño del Journal de CEPH, SI importa. Conclusiones !! CEPH es la aproximación que más nos ha encajado con Openstack. !! Es estable, en nuestra arquitectura necesita saber compartir recursos. !! Nada está cerrado, para eso esta OpenStack 13 COMUNICACIONES Opciones VIRTUALIZACIÓN REDES •! VLANs •! Overlay en el fabric •! Integración nativa en fabric •! Overlay en hipervisor TOPOLOGÍA RED FISICA •! 3 capas •! Leaf/Spine PROTOCOLOS RED FÍSICA •! •! •! •! Spanning Tree TRILL Fabric Path IP + IGP 14 COMUNICACIONES Arquitectura SDN OVERLAY •! Escalabilidad / Desacoplamiento •! Automatización / Gestión / Movilidad de VMs •! Federación / Servicios IP + OSPF •! Escalabilidad •! Estandarización •! Madurez / Simplicidad LEAF&SPINE •! Orientación cloud / East-West •! Escalabilidad horizontal / Reducción de impacto de incidencias •! Estandarización 15 LECCIONES APRENDIDAS El reto: BigData & OpenStack !! Primer caso de uso: BigData !! Decisión estratégica !! Carga no nativa para entorno OpenStack !! Proyectos OpenStack: Ironic & Sahara !! Ha permitido identificar y caracterizar todos los recursos de la instalación (red, CPU, memoria y almacenamiento) 16 SIGUIENTES PASOS Y DESAFÍOS !! Despliegue del resto de regiones !! Operación / monitorización !! Facturación a usuario: chargeback/ showback !! Labor pedagógica !! Ampliar catálogo de servicios ofrecidos !! Actualización a nuevas versiones y adaptación de la arquitectura 17 EL EQUIPO Jorge David Rodrigo 18 EL EQUIPO Jose Jorge Andrea Óscar Mark Alfredo Carlos Ángel Edgar Silvia Jonas Nuria Agustín David Rodrigo Antonio Manolo Daniel Miguel Ángel Roberto Juan Andrés Mario David Esteban Carlos Pedro JC Carlos Javier Raquel Vicente Lluis Juanan 19 KEEDIO KEEDIO es la división de Big Data y Cloud Computing de Cediant. Su objetivo es resolver problemas del mundo real, relacionados con el tratamiento de los datos, basándose en el talento y el uso de tecnologías disruptivas e innovadoras. Especialización en el diseño e implantación de arquitecturas Big Data y el desarrollo de soluciones analíticas de valor añadido. 20 EMPAQUETADO •! Software de empaquetado – Buildoop •! Proyecto Open Source (http://github.com/buildoop/buildoop) •! 1 Ingeniero de Red Hat colaborando en el proyecto. •! Definición de ecosistemas de software. •! Generador de repositorios rpm con dependencias y parches. 21 EMPAQUETADO •! Software de empaquetado – Buildoop •! Proyecto Open Source (http://github.com/buildoop/buildoop) •! 1 Ingeniero de Red Hat colaborando en el proyecto. •! Definición de ecosistemas de software. •! Generador de repositorios rpm con dependencias y parches •! Distribuciones Big Data ad-hoc •! Arquitecturas específicas para cada problemática. •! Especialización del ecosistema Big Data para facilitar su uso y adopción. 22 EMPAQUETADO •! Software de empaquetado – Buildoop •! Proyecto Open Source (http://github.com/buildoop/buildoop) •! 1 Ingeniero de Red Hat colaborando en el proyecto. •! Definición de ecosistemas de software. •! Generador de repositorios rpm con dependencias y parches •! Distribuciones Big Data ad-hoc •! Arquitecturas específicas para cada problemática. •! Especialización del ecosistema Big Data para facilitar su uso y adopción. •! Arquitectura Big Data de referencia para PRODUBAN 23 INTEGRACIÓN OPENSTACK •! Automatización despliegues: •! Instalación •! Configuración •! Monitorización 24 INTEGRACIÓN OPENSTACK •! Automatización despliegues: •! Instalación •! Configuración •! Monitorización •! ¿Cómo nos integramos con OpenStack? •! Plugin custom para OpenStack’s Sahara 25 INTEGRACIÓN OPENSTACK •! Automatización despliegues: •! Instalación •! Configuración •! Monitorización •! ¿Cómo nos integramos con OpenStack? Templates predefinidos: •! Plugin custom para OpenStack’s Sahara Sahara Controller Keedio plugin Automated deployment (Ambari) •! Small (Desarrollo) •! Medium (POC) •! Large (Pre/Producción) 26 CASO DE USO: SIEM VDC 1 Fuente Fuente Flume Flume Flume Fuente VDC N Fuente Fuente Flume Flume Flume Fuente > 10K Fuentes heterogéneas 27 CASO DE USO: SIEM VDC 1 BIG DATA as a SERVICE INFRASTRUCTURE Fuente Fuente Flume Flume Flume Rich Data Hadoop Flume Flume Flume VDC N Kafka Fuente Fuente Fuente Flume Flume Flume Real Time Fuente > 10K Fuentes heterogéneas Enrutamiento dinámico configurable de los datos según su naturaleza o destino de explotación 28 CASO DE USO: SIEM VDC 1 BIG DATA as a SERVICE INFRASTRUCTURE Fuente Fuente Apps Flume Flume Flume Apps Rich Data Hadoop Fuente Flume Flume Flume VDC N Kafka Apps Apps Fuente Fuente Flume Flume Flume Real Time Fuente > 10K Fuentes heterogéneas Enrutamiento dinámico configurable de los datos según su naturaleza o destino de explotación Apps •! •! •! •! Dashboards Alertas Reports Forensics 29 ¡GRACIAS! 30