Ceph: una soluzione di archiviazione pratica per aziende di ogni dimensione

Ceph è una soluzione di archiviazione completa, che, con il file system Ceph (CephFS), ha il proprio file system. Con Ceph è possibile archiviare dati su vari dispositivi nella propria rete. Inoltre è possibile eseguire il backup dei dati più volte in aree di archiviazione fisicamente diverse. Ceph offre una grande flessibilità nella scelta dei dispositivi di archiviazione e un’elevata scalabilità.

Il concetto di Ceph risale a Sage A. Weil che lo ha sviluppato durante la sua tesi di laurea e pubblicato nel 2006. Ha quindi portato avanti il progetto con la sua società Inktank Storage. Nel 2014 la società è stata rilevata da RedHat, dove Weil è ancora responsabile dello sviluppo come capo architetto.

Ceph funziona solo su sistemi Linux. Il supporto è fornito, ad esempio, da CentOS, Debian, Fedora, RedHat/RHEL, OpenSUSE e Ubuntu. L’accesso dai sistemi Windows non è diretto, ma è possibile utilizzando iSCSI (Internet Small Computer System Interface). Ceph è quindi particolarmente adatto per l’uso in data center, che rendono disponibile il proprio spazio di archiviazione tramite servizi server, nonché per soluzioni cloud di tutti i tipi, che utilizzano software per fornire memoria.

Ecco un riepilogo delle caratteristiche più importanti di Ceph:

• fornitura open source
• scalabilità elevata
• sicurezza dei dati tramite archiviazione dati ridondante
• affidabilità grazie all’archiviazione distribuita dei dati
• aumento della disponibilità, basato su software, tramite algoritmo interno per la ricerca dei dati
• rappresentazione come memoria contigua
• bassi requisiti hardware (installazione possibile da 1 GB di RAM su un computer con processore single core e spazio di archiviazione di pochi GB, a seconda dell’attività nella rete)

Ceph richiede diversi computer collegati in rete, che sono chiamati cluster (letteralmente: “grappolo”, in questo contesto: rete di più computer). Ogni computer integrato viene definito nodo (punto nodale).

In questa rete i seguenti compiti devono essere distribuiti tra i nodi:

• Monitor Nodes: gestiscono lo stato dei singoli nodi nel cluster, in particolare la mappa del servizio di gestione dei componenti, del servizio di archiviazione degli oggetti e del server dei metadati (MDS); per garantire l’affidabilità si consigliano almeno tre Monitor Nodes.
• Manager: gestisce lo stato dell’utilizzo della memoria, del carico del sistema e dell’utilizzo dei nodi
• Ceph OSD (Object Storage Devices): servizi in background per l’effettiva gestione dei file; sono responsabili della memorizzazione, della duplicazione e del ripristino dei dati. Sono raccomandati almeno tre OSD nel cluster.
• Metadata server (MDS): archiviano i metadati, quindi percorsi di archiviazione, nomi di file e marca temporale dei file archiviati in CephFS per motivi di prestazione; sono conformi a POSIX e possono essere interrogati utilizzando i programmi della riga di comando Unix, come ls, find und like.

Il cuore della memorizzazione dei dati è un algoritmo chiamato CRUSH (Controlled Replication Under Scalable Hashing), il quale è in grado di trovare un OSD con il file richiesto sulla base di una tabella di assegnazione, la mappa CRUSH.

Ceph distribuisce i file in modo pseudo-casuale. Apparentemente, i file sembrano archiviati in modo casuale, quando in realtà CRUSH calcola la posizione di archiviazione adatta in base a criteri stabiliti. I file sono duplicati e archiviati anche su supporti fisicamente separati. L’amministratore di rete può determinare le specifiche pertinenti.

I file sono suddivisi in cosiddetti Placement Groups. Qui il nome del file è elaborato come valore di hash, mentre, ad esempio, un’altra funzione di classificazione è il numero di duplicati di un file.

Per garantire la sicurezza dei dati, il Journaling è utilizzato a livello degli OSD. Ogni file che deve essere salvato è memorizzato nella cache, fino a quando non è memorizzato correttamente in tutti gli OSD previsti.

La base della memorizzazione dei dati in Ceph si chiama RADOS (a reliable, distributed object store comprised of self-healing, self-mapping, intelligent storage nodes), ovvero “ una memoria uintelligente orientata agli oggetti una memoria intelligente orientata agli oggetti, affidabile, distribuita, autorigenerante e organizzativa”.

Esistono vari metodi per accedere ai file memorizzati:

• librados: l’accesso nativo è possibile utilizzando la libreria librados tramite le interfacce di programmazione (API) con linguaggi di programmazione e di scripting come C/C++, Python, Java e PHP.
• radosgw: i dati possono essere letti o scritti tramite il gateway utilizzando il protocollo Internet HTTP.
• CephFS: è il file system interno, conforme a POSIX; offre un modulo kernel per i computer che accedono e supporta FUSE (integrazione del file system senza diritti di amministratore).
• RADOS Block Device: integrazione come memoria orientata ai blocchi utilizzando moduli del kernel o sistemi virtuali come QEMU/KVM.

L’alternativa più riconosciuta è GlusterFS, che appartiene anch’esso al distributore Linux RedHat / RHEL ed è disponibile gratuitamente. Gluster adotta un approccio simile consolidando la memoria distribuita in un unico spazio di archiviazione sulla rete. Naturalmente le due soluzioni GlusterFS e Ceph hanno ciascuna i propri vantaggi e svantaggi.

Esistono altre alternative gratuite, come XtremFS e BeeGfs. Microsoft offre soluzioni commerciali di archiviazione basate su software per server Windows, tra cui Storage Spaces Direct (S2D).

Ceph è la scelta giusta per molti scenari, ma questo metodo di archiviazione non porta solo vantaggi.

Ceph è gratuito ed è considerato consolidato, nonostante la sua storia di sviluppo relativamente giovane. In rete si trovano numerosi contributi per l’installazione e l’assistenza. Inoltre, l’applicazione è documentata molto bene dal produttore. L’acquisizione da parte di RedHat suggerisce che l’ulteriore sviluppo continuerà per il prossimo futuro. La scalabilità e la ridondanza integrata garantiscono la sicurezza dei dati e la flessibilità nella rete. Inoltre la disponibilità è garantita dall’algoritmo CRUSH.

A causa dell’elevato numero di componenti forniti, è necessaria una vasta rete per poter sfruttare i punti di forza di Ceph. Inoltre, l’installazione è relativamente complessa e per l’utente non è assolutamente chiaro dove siano fisicamente archiviati i dati.