Seminar croit Ceph Administration und Tagesbetrieb

Der zuverlässige Betrieb eines verteilten Speichersystems verlangt feste Routinen, nachvollziehbare Änderungen und eine sichere Bewertung des Clusterzustands. Im Mittelpunkt stehen die Funktionen der Managementplattform, ihre Verbindung zu den Ceph-Diensten sowie der kontrollierte Umgang mit Kapazität, Wartung und Störungen.

Inhaltsübersicht

1. Seminarprofil
2. Lernziele
3. Zielgruppe
4. Voraussetzungen
5. Seminarinhalte
6. Praxisübungen

Seminarprofil

Das Seminar vermittelt den strukturierten Tagesbetrieb eines mit croit verwalteten Ceph-Clusters. Behandelt werden Zustandsbewertung, Serviceverwaltung, Pool- und OSD-Betrieb, Kapazitätssteuerung, Wartungsflags, kontrollierte Änderungen und belastbare Betriebsroutinen in Oberfläche und Administrationskonsole.

Lernziele

• Clusterzustand, Health-Meldungen, Tasks, Logs und Metriken systematisch bewerten
• MON-, MGR-, OSD-, MDS- und Gateway-Dienste sicher verwalten
• Pools, Kapazitäten, Placement Groups und Wartungsflags betriebssicher handhaben
• OSD-Änderungen, Reboots und Wartungsfenster mit minimalem Risiko durchführen
• wiederholbare Betriebsroutinen und Eskalationskriterien dokumentieren

Zielgruppe

Storage-, Linux- und Infrastrukturadministratoren sowie technische Betriebsverantwortliche

Voraussetzungen

Grundkenntnisse zu Linux, TCP/IP und Ceph-Architektur; empfohlen wird das Grundlagen- oder Installationsseminar

Seminarinhalte

Schritt 1: Betriebsmodell und Bedienoberfläche

Die Managementplattform wird als zentrale Betriebsinstanz eingeordnet. Rollen von Oberfläche, Administrationskonsole, Ceph-Kommandos, Tasks und automatisierten Prüfungen werden voneinander abgegrenzt.

• Navigation, Statusansichten und Suchfunktionen
• Zusammenhang zwischen croit-Aufgaben und Ceph-Zuständen
• Trennung von Beobachtung, Änderung und Freigabe

Schritt 2: Clusterzustand und Health-Meldungen

Health-Zustände werden nach Ursache, Auswirkung und Dringlichkeit klassifiziert. Die Diagnose beginnt mit dem Gesamtzustand und wird anschließend auf Dienste, Hosts, Datenträger und Placement Groups verfeinert.

• HEALTH_OK, Warnungen und Fehlerbilder
• Task Advisor, Crash Reports und Mutes
• Priorisierung nach Datenverfügbarkeit und Redundanz

Schritt 3: Dienste und Quorum

Die zentralen Daemon-Typen werden im laufenden Betrieb überwacht und gezielt verändert. Besonderes Gewicht liegt auf Quorum, Standby-Konzepten und der Reihenfolge von Eingriffen.

• MON-Quorum und MGR-Verfügbarkeit
• MDS-, RGW- und Gateway-Dienste
• Start, Stopp, Neustart und kontrollierte Verlagerung

Schritt 4: Pools, PGs und CRUSH im Betrieb

Poolparameter und Datenplatzierung werden anhand realer Betriebsfälle geprüft. Änderungen werden hinsichtlich Datenbewegung, Auslastung und Wiederherstellungsdauer bewertet.

• Replikation und Erasure Coding
• PG-Zustände, Autoscaler-Empfehlungen und Balancer
• CRUSH-Regeln, Geräteklassen und Failure Domains

Schritt 5: OSD- und Kapazitätsverwaltung

OSDs werden hinzugefügt, aus dem Cluster genommen, gewichtet und bei Bedarf ersetzt. Kapazitätsgrenzen werden nicht erst bei einem Full-Zustand, sondern über definierte Vorwarnstufen gesteuert.

• OSD-Lebenszyklus und Datenträgerzustand
• Nearfull-, Backfillfull- und Full-Schwellen
• Recovery, Backfill und Auswirkungen auf Nutzlast

Schritt 6: Wartungsflags und Rolling Operations

Wartungsarbeiten werden mit geeigneten Flags vorbereitet und nach Abschluss vollständig zurückgenommen. Rolling Reboots und Dienständerungen werden mit klaren Abbruchkriterien durchgeführt.

• noout, norebalance, noscrub und weitere Flags
• Vorabprüfungen und Freigabepunkte
• Nachkontrolle von Quorum, PGs und Datenservices

Schritt 7: Betriebsroutinen und Änderungsmanagement

Tägliche, wöchentliche und monatliche Kontrollen werden in ein Betriebsmodell überführt. Konfigurationsänderungen erhalten Ausgangswert, Zielwert, Messgröße und Rückfallplan.

• Checklisten und Wartungsprotokolle
• Kapazitäts- und Wachstumskontrolle
• Dokumentation von Abweichungen und Eskalationen

Schritt 8: Störungssimulation und Wiederanlauf

In einer zusammenhängenden Übungsfolge werden typische Ausfälle provoziert, bewertet und behoben. Der Wiederanlauf endet erst nach technischer und fachlicher Validierung.

• Ausfall eines Dienstes oder Hosts
• degradierte und peering-bezogene Zustände
• Abschlussprüfung und Betriebsfreigabe

Praxisübungen

1. Health-Warnungen anhand einer Diagnosematrix bearbeiten
2. einen Pool und die zugehörige Platzierung kontrolliert ändern
3. einen OSD-Wartungsfall einschließlich Nachkontrolle durchführen
4. eine tägliche und monatliche Betriebscheckliste erstellen