Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Osis18_Cloud : Projet Wolphin

44 views

Published on

Gandi, Objectif Libre, Alter Way

Published in: Software
  • Be the first to comment

  • Be the first to like this

Osis18_Cloud : Projet Wolphin

  1. 1. Wolphin ⇒ Objectif Libre, Gandi, Lip6, LIPN Osis Cloud 2018
  2. 2. Alter Way WOLPHIN ⇒ Facturer les consommations en conteneurs - métrologie - monitoring - orchestration - facturation ⇒ 3/4 d’avancement sur deux ans, fin Janvier 2019 ⇒ Prototype quasi finalisé, livraison Juillet 2018 P. 2 OSIS Cloud - présentation Wolphin OSIS CloudJuin 2018
  3. 3. Alter Way WOLPHIN ⇒ Facturer les consommations en conteneurs - métrologie ✓ - monitoring ✓ - orchestration ✓ - facturation ✓ ⇒ 3/4 d’avancement sur deux ans, fin Janvier 2019 ⇒ Prototype quasi finalisé, livraison Juillet 2018 P. 3 OSIS Cloud - présentation Wolphin OSIS CloudJuin 2018
  4. 4. LIPN Système d’ordonnancement traditionnel • Réservation/Allocation sur la base d’un nombre fixe de ressources. 1 / 3
  5. 5. LIPN Notre approche (exemple) • Réservation dynamique de ressources selon des classes SLA : Premium pour les CPUs (entre 2 et 4 cœurs) ; Advanced pour la RAM (entre 4 et 8GB RAM) Motivation • Augmenter la combinatoire pour des placements plus fins ⇒ meilleures performances • On masque à l’utilisateur une complexité (il spécifie des classes) Principe • Sélection de la requête (encapsulée dans un conteneur); • Sélection des nœuds candidats; • Calcul automatique du nombre de ressources; • Affectation du conteneur sur une machine. 2 / 3
  6. 6. Résultats Collaboration • Xuanhua Shi - Huazhong University of Science and Technology (Chine) Implémentations • Système d’allocation et d’ordonnancement de conteneurs (C++) • Nouvelles stratégies multi-critères dans SwamrKit (Go) Publications • 2 articles publiés dans des conférences internationales (SC2 et PDP) • 1 article en cours de soumission dans une revue internationale (JPDC) • 3 articles en cours de soumission dans 2 conférences internationales (DATCOM et SBAC) et 1 workshop international (Europar-CBDP) 3 / 3
  7. 7. Offrir la consolidation et l’isolation de performance Memory Consolidation: Minimiser la mémoire inutilisée Memory Isolation: Garantir l’accès à la mémoire M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 1 / 7
  8. 8. Offrir la consolidation et l’isolation de performance Memory Consolidation: Minimiser la mémoire inutilisée Memory Isolation: Garantir l’accès à la mémoire Native Host Mem A Mem B Mem C Consolidation: un seul espace mémoire Isolation: même espace mémoire M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 1 / 7
  9. 9. Offrir la consolidation et l’isolation de performance Memory Consolidation: Minimiser la mémoire inutilisée Memory Isolation: Garantir l’accès à la mémoire Native Host Mem A Mem B Mem C Consolidation: un seul espace mémoire Isolation: même espace mémoire With Virtual Machines Host Mem A Mem B Mem C VM A VM B VM C Consolidation: difficilement transferable Isolation: espace mémoire dédié M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 1 / 7
  10. 10. Offrir la consolidation et l’isolation de performance Memory Consolidation: Minimiser la mémoire inutilisée Memory Isolation: Garantir l’accès à la mémoire Native Host Mem A Mem B Mem C Consolidation: un seul espace mémoire Isolation: même espace mémoire With Virtual Machines Host Mem A Mem B Mem C VM A VM B VM C Consolidation: difficilement transferable Isolation: espace mémoire dédié With Containers Host Mem A Mem B Mem C Consolidation: facilement transferable Isolation: espace mémoire dédié M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 1 / 7
  11. 11. L’automatisation du dimensionnement des conteneurs Un problème ouvert : LSFMMS 2016 (Linux Storage, Filesystem and Memory Management Summit) Vladimir Davydov "Memory control group fairness" FOSDEM 2017 Chris Down (Facebook) "cgroupv2: Linux’s new unified control" blog linkedin engineering 2016 Zhenyun Zhuang "Don’t Let Linux Control Groups Run Uncontrolled" M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 2 / 7
  12. 12. L’automatisation du dimensionnement des conteneurs Un problème ouvert : LSFMMS 2016 (Linux Storage, Filesystem and Memory Management Summit) Vladimir Davydov "Memory control group fairness" FOSDEM 2017 Chris Down (Facebook) "cgroupv2: Linux’s new unified control" blog linkedin engineering 2016 Zhenyun Zhuang "Don’t Let Linux Control Groups Run Uncontrolled" Des besoins différents mais un même constat : 1 besoin d’une métrique pour optimiser le dimensionnement 2 un candidat semble s’imposer, la refault distance M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 2 / 7
  13. 13. L’automatisation du dimensionnement des conteneurs Un problème ouvert : LSFMMS 2016 (Linux Storage, Filesystem and Memory Management Summit) Vladimir Davydov "Memory control group fairness" FOSDEM 2017 Chris Down (Facebook) "cgroupv2: Linux’s new unified control" blog linkedin engineering 2016 Zhenyun Zhuang "Don’t Let Linux Control Groups Run Uncontrolled" Des besoins différents mais un même constat : 1 besoin d’une métrique pour optimiser le dimensionnement 2 un candidat semble s’imposer, la refault distance Cette métrique est-elle suffisamment précise ? M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 2 / 7
  14. 14. Évaluation de la précision de la refault_distance 1 Go 20 min10 sec2 Go 0 500 1000 1500 2000 Position in shadow (in MB) 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 Absoluteerror(GB) M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 3 / 7
  15. 15. Évaluation de la précision de la refault_distance 1 Go 20 min10 min2 Go 0 500 1000 1500 2000 Position in shadow (in MB) 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 Absoluteerror(GB) M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 3 / 7
  16. 16. Évaluation de la précision de la refault_distance 1 Go 20 min30 min2 Go 0 500 1000 1500 2000 Position in shadow (in MB) 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 Absoluteerror(GB) M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 3 / 7
  17. 17. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  18. 18. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  19. 19. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P7 P5 P2P3P4P6 Groupe 0 1 P1 Nb_evictions : 1 Nb_pages : 1 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  20. 20. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P8 P5 P3P4P6P7 Groupe 0 2 P2 1 P1 Nb_evictions : 2 Nb_pages : 2 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  21. 21. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  22. 22. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  23. 23. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 Px P5P6P7P8P9 Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  24. 24. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 Px P5P6P7P8P9 Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 Nb_evictions : 0 Nb_pages : 0 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  25. 25. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 Px P6P7P8P9Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 1 P5 Nb_evictions : 1 Nb_pages : 1 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  26. 26. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 P7Px Px Px P8P9 Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 2 P6 1 P5 Nb_evictions : 2 Nb_pages : 2 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  27. 27. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 P8P9Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 3 P7 2 P6 1 P5 Nb_evictions : 3 Nb_pages : 3 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  28. 28. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 Px P9Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 3 P7 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 4 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  29. 29. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 Px P9Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 3 P7 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 4 Groupe 2 Nb_evictions : 0 Nb_pages : 0 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  30. 30. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 PxPx Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 3 P7 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 4 Groupe 2 1 P9 Nb_evictions : 1 Nb_pages : 1 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  31. 31. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 PxPx Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 3 P7 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 4 Groupe 2 1 P9 Nb_evictions : 1 Nb_pages : 1 PxPx Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 3 P7 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 4 Groupe 2 1 P9 Nb_evictions : 1 Nb_pages : 1 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  32. 32. Une approche de refault par groupes P1P5 P2P3P4P6 Groupe 0 Nb_evictions : 0 Nb_pages : 0 P9 P5 P4P6P7P8 Groupe 0 3 P3 2 P2 1 P1 Nb_evictions : 3 Nb_pages : 3 PxPx Px Px Px Px Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 3 P7 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 4 Groupe 2 1 P9 Nb_evictions : 1 Nb_pages : 1 PxPx Px Px PxP7 Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 3 Groupe 2 Nb_evictions : 2 Nb_pages : 2 Px 1 P9 M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 4 / 7
  33. 33. Une approche de refault par groupes new_refault_distance = 2 + 3 + ( 4 - 2 ) P6Px P6P8P6P9P6Px P6Px P6Px P6PxP6P7 Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 3 Groupe 2 Nb_evictions : 2 Nb_pages : 2 P6Px 1 P9 Complexité : on obtient directement la métrique refault_distance = nb_pages−page_age M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 5 / 7
  34. 34. Une approche de refault par groupes new_refault_distance = 2 + 3 + ( 4 - 2 ) P6Px P6P8P6P9P6Px P6Px P6Px P6PxP6P7 Groupe 0 4 P4 3 P3 2 P2 1 P1 Nb_evictions : 4 Nb_pages : 4 Groupe 1 4 P8 2 P6 1 P5 Nb_evictions : 4 Nb_pages : 3 Groupe 2 Nb_evictions : 2 Nb_pages : 2 P6Px 1 P9 Complexité : on obtient directement la métrique refault_distance = nb_pages−page_age Empreinte mémoire : limitée et configurable (2 entiers par groupes) M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 5 / 7
  35. 35. Évaluation de la précision de notre approche par groupe 1 Go 20 min10 sec2 Go 0 500 1000 1500 20000 2 4 6 8 10 12 Absoluteerror(MB) Maximum error M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 6 / 7
  36. 36. Évaluation de la précision de notre approche par groupe 1 Go 20 min10 min2 Go 0 500 1000 1500 20000 2 4 6 8 10 12 Absoluteerror(MB) Maximum error M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 6 / 7
  37. 37. Évaluation de la précision de notre approche par groupe 1 Go 20 min30 min2 Go 0 500 1000 1500 20000 2 4 6 8 10 12 Absoluteerror(MB) Maximum error M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 6 / 7
  38. 38. Estimation d’un working-set depuis la métrique La métrique donne une approximation de la position d’une page. On peut en inférer une estimation du working-set : à chaque miss on regarde la position de la page on maintient des statistiques sur des fenêtres temporelles M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 7 / 7
  39. 39. Estimation d’un working-set depuis la métrique La métrique donne une approximation de la position d’une page. On peut en inférer une estimation du working-set : à chaque miss on regarde la position de la page on maintient des statistiques sur des fenêtres temporelles # cat /sys/muse 1024 5% 10% 5% 512 0% 0% 5% 1536 22% 15% 8% 2048 38% 27% 16% 2560 38% 27% 16% 4096 56% 50% 45% ... ..% ..% ..% 1min 5min 15min M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 7 / 7
  40. 40. Estimation d’un working-set depuis la métrique La métrique donne une approximation de la position d’une page. On peut en inférer une estimation du working-set : à chaque miss on regarde la position de la page on maintient des statistiques sur des fenêtres temporelles # cat /sys/muse 1024 5% 10% 5% 512 0% 0% 5% 1536 22% 15% 8% 2048 38% 27% 16% 2560 38% 27% 16% 4096 56% 50% 45% ... ..% ..% ..% 1min 5min 15min1min 5min 15min 2048 38% 27% 16% Sur les 5 dernières minutes, avec 2 Go en plus, on aurait eu 27% hits M. Bittan / J. Sopena MUsE - Memory Usage Evaluation 7 / 7
  41. 41. www.objectif­libre.com Cloudkitty pour  Wolphin par Objectif Libre 5 juin 2018 www.objectif-libre.com @objectiflibre
  42. 42. Objectif Libre Nous accompagnons vos projets Cloud de A à Z Concevoir Mettre en  œuvre Optimiser  l’usage Exploiter Une infrastructure  adaptée à vos  enjeux Déployer  intelligemment en  automatisant Et tirer le meilleur  parti de votre Cloud Assurer le maintien  en conditions  opérationnelles Audit Conseil Architecture Workshops Notre offre de conseil : sur­mesure ou sur­étagère Déploiement Migration Intégration DevOps Big Data Stockage Support Infogérance SLAs Packs Starters  OpenStack Kit DevOps CloudKitty Nos formations à l’utilisation et à la mise en œuvre 
  43. 43.  Composante logicielle d’OpenStack pour la  facturation  Rating et chargeback (facturation) des  ressources physiques consommées (cpu, mémoire, disque, réseau…)  Génération de rapports de facturation Cloudkitty en bref
  44. 44.  Objectif Libre société adhérente au Pôle  Systematic / Groupement Thématique Logiciels  Libres  Prise de connaissance du projet Wolphin lors  d’échanges avec les partenaires du pôle  Proposition d’expertise pour la partie facturation  des ressources consommées par les conteneurs Wolphin : une rencontre grâce à Systematic
  45. 45.  Ouverture à de nouvelles sources de métriques  Accélération de l’évolution de la solution pour  l’écosystème « cloud­natif »  Découplage de l’authentification d’OpenStack  Design plus générique pour la collection de  métriques de nouvelles sources  Réponse aux besoins de facturation et aux  enjeux du projet Wolphin Évolution de Cloudkitty grâce à Wolphin
  46. 46.  Ajout du collecteur Prometheus  Client v2 qui apporte plus de souplesse et un  découplage possible avec OpenStack Avenir de Cloudkitty pour le projet Wolphin
  47. 47. Besoin d’information ? +33 (0)5.82.95.65.36 contact@objectif-libre.com Restons en contact @objectiflibre Objectif-libre ObjectifLibre notre newsletter www.objectif-libre.com Vous voulez nous rejoindre ? jobs@objectif-libre.com
  48. 48. Présentation de Gandi Gandi.net Domain : Fournisseur de nom de domaine depuis Mars 2000 Simple Hostng: Plus de 100K applicaton et sites déployés Cloud: Fournisseur de cloud depuis 2008 Security: Geston de certfcats SSL Créaton : 1999 Effectfs : 84 salaries Points de présences: 3 contnents (Europe, us, Asie)
  49. 49. Métrologie réseau Définition métrologie: La métrologie regroupe l'ensemble des techniques permettant d'effectuer des mesures, de les interpréter et de garantir leur exactitude Définition métrologie réseau: Assurer la collecte est la bonne exploitation des métriques réseaux pour assurer une facturation équitable Métrologie réseau au niveau de Wolphin: • Collecte générique des métriques réseau au travers d’une couche d’abstraction • Collecte générique Docker/LXC/… • Collecte au niveau des containers et au niveau des hosts
  50. 50. Mécanique de Collecte 1/2 Deux processus de collecte: • Collecte online : • Extraction periodique de la consommation en bande passante et en paquets par seconde a partir des statistique netdev du kernel • Mapping entre les interfaces des containers et leur pair au niveau des kernel • Collecte offline: • Patch du kernel pour retourner les statistique des netdev a la destruction • Mapping entre les interfaces des containers et leur pair au niveau des kernel
  51. 51. Mécanique de Collecte 2/2 • Architecture de collecte: • Daemon en python pour la collecte online • Règle UDEV et script python pour la collecte offline • Kairos DB pour le stockage des métriques • Stockage actuel se basant sur une api en envoyant des données en JSON → Modifier la collecte pour utiliser le model de données Cloudkitty
  52. 52. Alter Way OSIS Cloud - présentation Wolphin Jun. 2018 OSIS CloudP. 1
  53. 53. Alter Way Storage solutions: Prometheus TS DBMS and monitoring system + performance, efficient space (as low as 1.3bytes/sample) +/- pull model - no string type metrics, by design strings only for metadata (labels) - low performance with high cardinality labels (i.e. container_id - each value is a new time series) better with new storage layer in 2.0 - no event logging - no bulk API OSIS Cloud - présentation Wolphin Jun. 2018 OSIS CloudP. 2
  54. 54. Alter Way Storage solutions: InfluxDB Hybrid DBMS for time series and events + string type metrics + event logging - commercial clustering - still not a general storage OSIS Cloud - présentation Wolphin Jun. 2018 OSIS CloudP. 3
  55. 55. Alter Way Storage solutions: Elasticsearch Search engine / document store + perfect for event logging + maturity, tooling, kibana, etc. - performance, space - especially bad for time series OSIS Cloud - présentation Wolphin Jun. 2018 OSIS CloudP. 4
  56. 56. Alter Way Storage solutions: Timescale Postgres extension: partitioned hypertables - performance but wrt Postgres: ~20x insert, 2kx delete, up to 14kx queries - grafana dashboards + no need for ETL can manage all types of data we need + free clustering ++ flexibility, maturity OSIS Cloud - présentation Wolphin Jun. 2018 OSIS CloudP. 5
  57. 57. Alter Way ⇒ https://gitlab.com/wolphin Merci - Julien Sopena, LIP6 - Christophe Cérin, LIPN - Christophe Sauthier, Objectif Libre - Ahmed Amamou, Gandi - Marco Mariani, Alter Way Juin 2018 OSIS CloudP. 4 Aller plus loin avec Wolphin OSIS Cloud - présentation Wolphin

×