SlideShare a Scribd company logo
1 of 16
ECCの遊び方

2011/06/11 #sfstudy
     @imksoo



         1
About Me
           @imksoo / Kirino Minato
           とある基盤の技術者(エンジニア)
           時々基盤構築、時々基盤運用、時々運用設計
           とりあえずMicrosoft/EMC/HPサーバと声優好きなおたく


 最近、おうちでOracle Solaris 11 Expressでストレージサーバ作ってます。




                        2
こんなことありませんか...
  最近、ネットワークが遅いんじゃない?
  つながりにくいんだけど...?




   そもそもこれ、
   NWの問題じゃないです (T-T)
                       @sygetch http://twitpic.com/1wd1rt より
                 3
ストレージ性能問題も....
   最近、検索処理に時間がかかるようになったんだよね…
   データベースとかストレージがネックになってるんじゃない?




   検索ワードがおかしくないか……
                 4
まずは上位層から攻めましょう。
   ストレージはシステムの中ではネットワークに次いで遅いコン
    ポーネントの一つ。
   だからといって、初めから疑ってかかるのは無駄に終わること
    が多いです。

   初めにやること
    – アプリケーションロジックの確認
       結構、ビジネスロジックって力業が多いです(泣
       そもそもその情報抽出って時間がかかるの前提だよね?
        ユーザーさんにちゃんと伝わってる?
    – プレゼンテーション層の確認
       再描画の間、画面が真っ白…? UI設計おかしくない?
    – サーバおよびデータベース(SQL)の確認
       まずはPerformance MonitorやsarでCPU/Memory/IO waitなどを確認。
       え…なんでここでTable full scanなの…indexは?partitioningは?

       あ…。待機イベントでストレージ待ちが頻発してる…


                              5
ご参考: Symmetrix/VMAXとは。
   詳しくはEMCご担当営業様まで。




                 6
EMC Control Centerのアーキテクチャ。




          https://community.emc.com/docs/DOC-1942
                 7
わかりにくいので書き直した。

                               EMC Control Centerの
                                 リポジトリサーバ
                               (メトリック情報の蓄積)

     各種サーバ




   FCスイッチ
   (Brocade/Cisco等)            メトリック情報の収集


EMCストレージ
(一部メトリックはHPや
IBMストレージでも取得可)
                          あんまり変わらないっすね。
                      8
ECCでとれる情報(の一部)
ECCのインストールフォルダ直下にあるmetrics.defにトリックが並んでる。
<METRIC: SymDeviceStats,1.0.001,Symmetrix, Devices>
Metric Name                         Type
device name                         string     Key                 ArchiveLast
ios per sec                         long       ConvertToRate       ArchiveStats   sortDescending
reads per sec                       long       ConvertToRate       ArchiveStats
writes per sec                      long       ConvertToRate       ArchiveStats
hits per sec                        long       ConvertToRate       ArchiveStats
read hits per sec                   long       ConvertToRate       ArchiveStats
write hits per sec                  long       ConvertToRate       ArchiveStats
seq reads per sec                   long       ConvertToRate       ArchiveStats
seq read hits per sec               long       ConvertToRate       ArchiveStats
seq writes per sec                  long       ConvertToRate       ArchiveStats
Kbytes read per sec                 longlong   ConvertToRate       ArchiveStats
Kbytes written per sec              longlong   ConvertToRate       ArchiveStats
DA read requests per sec            long       ConvertToRate       ArchiveStats
DA write requests per sec           long       ConvertToRate       ArchiveStats
DA prefetched tracks per sec        long       ConvertToRate       ArchiveStats
DA prefetched tracks used per sec   long       ConvertToRate       ArchiveStats
DA Kbytes read per sec              long       ConvertToRate       ArchiveStats
DA Kbytes written per sec           long       ConvertToRate       ArchiveStats
write pending count                 long       ArchiveLast
max write pending threshold         long       ArchiveLast
total reads per sec                 float      ArchiveStats        Derived        reads per sec + seq reads per sec
total read hits per sec             float      ArchiveStats        Derived        read hits per sec + seq read hits per sec
total read misses per sec           float      ArchiveStats        Derived        total reads per sec - total read hits per sec
total ios per sec                   float      ArchiveStats        Derived        total reads per sec + writes per sec
total hits per sec                  float      ArchiveStats        Derived        total read hits per sec + write hits per sec
total misses per sec                float      ArchiveStats        Derived        total ios per sec - total hits per sec
write misses per sec                float      ArchiveStats        Derived        writes per sec - write hits per sec
read misses per sec                 float      ArchiveStats        Derived        reads per sec - read hits per sec
seq ios per sec                     float      ArchiveStats        Derived        seq reads per sec + seq writes per sec

                                                               9
ECCでとれる情報(の一部の続き)
<METRIC: SymDeviceStats,1.0.001,Symmetrix, Devices>
Metric Name                     Type
% random read hit               float   ArchiveStats        Derived   100 * (read hits per sec / total ios per sec)
% random read miss              float   ArchiveStats        Derived   100 * (read misses per sec / total ios per sec)
% sequential read               float   ArchiveStats        Derived   100 * (seq reads per sec / total ios per sec)
% write                         float   ArchiveStats        Derived   100 * (writes per sec/total ios per sec)
% read                          float   ArchiveStats        Derived   100 * (total reads per sec/total ios per sec)
% hit                           float   ArchiveStats        Derived   100 * (total hits per sec/total ios per sec)
% miss                          long    ArchiveStats        Derived   100 - % hit
% read hit                      float   ArchiveStats        Derived   100 * (total read hits per sec/total reads per sec)
% write hit                     float   ArchiveStats        Derived   100 * (write hits per sec/writes per sec)
                                                                      100 * (total read misses per sec/total reads per
% read miss                     float   ArchiveStats        Derived
                                                                      sec)
% write miss                    float   ArchiveStats        Derived   100 * (write misses per sec/writes per sec)
% sequential io                 float   ArchiveStats        Derived   100 * (seq ios per sec / total ios per sec)
% sequential writes             float   ArchiveStats        Derived   100*(seq writes per sec/total ios per sec)
HA Kbytes transferred per sec   float   ArchiveStats        Derived   Kbytes read per sec + Kbytes written per sec
average read size in Kbytes     float   ArchiveStats        Derived   Kbytes read per sec /total reads per sec
average write size in Kbytes    float   ArchiveStats        Derived   Kbytes written per sec/writes per sec
average io size in Kbytes       float   ArchiveStats        Derived   HA Kbytes transferred per sec/total ios per sec
DA Kbytes transferred per sec   float   ArchiveStats        Derived   DA Kbytes read per sec + DA Kbytes written per sec
                                                                      HA Kbytes transferred per sec + DA Kbytes
System bus Kbytes per sec       float   ArchiveStats        Derived
                                                                      transferred per sec




                                                       10
やりたいのはGUI操作じゃないんだよw
   (これが本題)
    実はcsvをはいてくれるコマンド、あります。
    – pmcli.exe
      オプション:
         -export
         -local
         -type {interval/daily/monthly}
         -class [クラス名]
         -id [ID]
         -date [YYYYMMDD]
         -out [出力先ファイル名]
         -rtable … Excelで解析するなら行列をひっくりかえしておいた方が良い。
         -c [カテゴリ名] …カテゴリ名はSymmetrixストレージの場合は、Devices,Dir-DA,Dir-
          Fibre,Dir-Port,Disks,Systemのいずれか。metrics.defにも書いてある。
         -o [対象オブジェクト] …オブジェクト名はGUIか設計書かsymコマンドで確認
         -m [メトリック名] …メトリック名はmetrics.defを見るか、GUIで確認

    – 実行例:
      C:¥> pmcli.exe -export -local -type interval -class [クラス名] -id [ID] -date
      [YYYYMMDD] -out [出力先ファイル名] -rtable -c disks -o "DF-1A CA" -m
      "total SCSI command per sec,read commands per sec,write commands per
      sec,verify commands per sec,% util,seeks per sec,seek distance per sec"


                                      11
カテゴリとオブジェクト
     Disks

               FC Switch                         FC Switch

                                                 Dir-Fibre
      FA-01                FA-02         FA-03               FA-04
                            Matrix (DMX,VMX)
      DA-01                DA-02         DA-03 Dir-DA DA-04
                                                 Dir-Port
 DF-01 A0   DF-01 B0
                       Disks = 物理的なディスク (FC-AL/SAS)
 DF-01 A1   DF-01 B1

 DF-01 A2   DF-01 B2
                       Devices = サーバから見たLUN (symdev)
 DF-01 A3   DF-01 B3

System
                                                    赤文字       = カテゴリ
                                    12              黒字        = オブジェクト
CSVを加工しよう
   とったデータはこんな感じ




              13
Physical Disk の Utilization(%)の確認




素直に2次元折れ線グラフじゃわかりにくい…
⇒ Excelで株価チャート(最低値・最高値・パーセンタイル(最小値/最大値))を
 使うと良い場合あり。ついでに系列2として中間値をつけるといい。
                    14
たくさんのディスクを俯瞰したい。




等高線グラフを使うと同時間帯できれいにストライピングがかかっているか
どうかがわかりやすい。
また、IO転送量などは積み上げグラフがわかりやすい。
                 15
fin.




16

More Related Content

What's hot

サバフェスLT(元うなぎ屋)
サバフェスLT(元うなぎ屋)サバフェスLT(元うなぎ屋)
サバフェスLT(元うなぎ屋)snicker_jp
 
今時のLinuxにおけるGPUエンコード事情
今時のLinuxにおけるGPUエンコード事情今時のLinuxにおけるGPUエンコード事情
今時のLinuxにおけるGPUエンコード事情zgock
 
Wardenで学ぶコンテナの基礎
Wardenで学ぶコンテナの基礎Wardenで学ぶコンテナの基礎
Wardenで学ぶコンテナの基礎Hiroaki_UKAJI
 
Cpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのかCpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのかJoongjin Bae
 
Varnishの使い方~All Aboutでの使い方を例に~
Varnishの使い方~All Aboutでの使い方を例に~Varnishの使い方~All Aboutでの使い方を例に~
Varnishの使い方~All Aboutでの使い方を例に~Kazuto Ohara
 
Serfが面白いと俺の中で話題にwwwwww 【改訂版】
Serfが面白いと俺の中で話題にwwwwww 【改訂版】Serfが面白いと俺の中で話題にwwwwww 【改訂版】
Serfが面白いと俺の中で話題にwwwwww 【改訂版】Masahito Zembutsu
 
OSC Tokyo fall LT~Dockerで分散処理をやってみた
OSC Tokyo fall LT~Dockerで分散処理をやってみたOSC Tokyo fall LT~Dockerで分散処理をやってみた
OSC Tokyo fall LT~Dockerで分散処理をやってみたatk1234
 
Tremaで試すFirewall
Tremaで試すFirewallTremaで試すFirewall
Tremaで試すFirewallM Hagiwara
 
2014 dart flight school in Tokyo
2014 dart flight school in Tokyo2014 dart flight school in Tokyo
2014 dart flight school in Tokyonothingcosmos
 
Scapy presentation Remake(訂正)
Scapy presentation Remake(訂正)Scapy presentation Remake(訂正)
Scapy presentation Remake(訂正)ashigirl ZareGoto
 
マスタリング DEA/NG 第2版
マスタリング DEA/NG 第2版マスタリング DEA/NG 第2版
マスタリング DEA/NG 第2版i_yudai
 
Scapyで作る・解析するパケット
Scapyで作る・解析するパケットScapyで作る・解析するパケット
Scapyで作る・解析するパケットTakaaki Hoyo
 

What's hot (13)

サバフェスLT(元うなぎ屋)
サバフェスLT(元うなぎ屋)サバフェスLT(元うなぎ屋)
サバフェスLT(元うなぎ屋)
 
今時のLinuxにおけるGPUエンコード事情
今時のLinuxにおけるGPUエンコード事情今時のLinuxにおけるGPUエンコード事情
今時のLinuxにおけるGPUエンコード事情
 
Wardenで学ぶコンテナの基礎
Wardenで学ぶコンテナの基礎Wardenで学ぶコンテナの基礎
Wardenで学ぶコンテナの基礎
 
Cpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのかCpuの速度向上はいかに実現されたのか
Cpuの速度向上はいかに実現されたのか
 
Unixアレコレ調べたい2
Unixアレコレ調べたい2Unixアレコレ調べたい2
Unixアレコレ調べたい2
 
Varnishの使い方~All Aboutでの使い方を例に~
Varnishの使い方~All Aboutでの使い方を例に~Varnishの使い方~All Aboutでの使い方を例に~
Varnishの使い方~All Aboutでの使い方を例に~
 
Serfが面白いと俺の中で話題にwwwwww 【改訂版】
Serfが面白いと俺の中で話題にwwwwww 【改訂版】Serfが面白いと俺の中で話題にwwwwww 【改訂版】
Serfが面白いと俺の中で話題にwwwwww 【改訂版】
 
OSC Tokyo fall LT~Dockerで分散処理をやってみた
OSC Tokyo fall LT~Dockerで分散処理をやってみたOSC Tokyo fall LT~Dockerで分散処理をやってみた
OSC Tokyo fall LT~Dockerで分散処理をやってみた
 
Tremaで試すFirewall
Tremaで試すFirewallTremaで試すFirewall
Tremaで試すFirewall
 
2014 dart flight school in Tokyo
2014 dart flight school in Tokyo2014 dart flight school in Tokyo
2014 dart flight school in Tokyo
 
Scapy presentation Remake(訂正)
Scapy presentation Remake(訂正)Scapy presentation Remake(訂正)
Scapy presentation Remake(訂正)
 
マスタリング DEA/NG 第2版
マスタリング DEA/NG 第2版マスタリング DEA/NG 第2版
マスタリング DEA/NG 第2版
 
Scapyで作る・解析するパケット
Scapyで作る・解析するパケットScapyで作る・解析するパケット
Scapyで作る・解析するパケット
 

Viewers also liked

#こみにょぴ結婚式 LT資料
#こみにょぴ結婚式 LT資料#こみにょぴ結婚式 LT資料
#こみにょぴ結婚式 LT資料Minato Kirino
 
20120408 #自宅ラック勉強会 を監視してみたい
20120408 #自宅ラック勉強会 を監視してみたい20120408 #自宅ラック勉強会 を監視してみたい
20120408 #自宅ラック勉強会 を監視してみたいMinato Kirino
 
qpstudy#6 勉強どうしてる
qpstudy#6 勉強どうしてるqpstudy#6 勉強どうしてる
qpstudy#6 勉強どうしてるMinato Kirino
 
#RouterBOARD 勉強会 OSPF検証班 発表資料
#RouterBOARD 勉強会 OSPF検証班 発表資料#RouterBOARD 勉強会 OSPF検証班 発表資料
#RouterBOARD 勉強会 OSPF検証班 発表資料Minato Kirino
 
20131019 Eucalyptus in OSC 2013 Tokyo/Fall
20131019 Eucalyptus in OSC 2013 Tokyo/Fall20131019 Eucalyptus in OSC 2013 Tokyo/Fall
20131019 Eucalyptus in OSC 2013 Tokyo/FallOsamu Habuka
 
猫が花瓶を倒すとLINEがくるようにしてみた
猫が花瓶を倒すとLINEがくるようにしてみた猫が花瓶を倒すとLINEがくるようにしてみた
猫が花瓶を倒すとLINEがくるようにしてみたakira6592
 
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部Iwasaki Noboru
 
OpenContrailの基本 for OSC Tokyo 2014 Spring
OpenContrailの基本 for OSC Tokyo 2014 SpringOpenContrailの基本 for OSC Tokyo 2014 Spring
OpenContrailの基本 for OSC Tokyo 2014 SpringDaisuke Nakajima
 
ハードなOpen flowswitcの話
ハードなOpen flowswitcの話ハードなOpen flowswitcの話
ハードなOpen flowswitcの話Masayuki Miyake
 
Open contrailmeetup 20161207
Open contrailmeetup 20161207Open contrailmeetup 20161207
Open contrailmeetup 20161207Daisuke Nakajima
 
家族で始める「やさしいIoT」
家族で始める「やさしいIoT」家族で始める「やさしいIoT」
家族で始める「やさしいIoT」Manami Taira
 
PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...
PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...
PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...Tatsuya Watanabe
 
Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~
Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~
Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~Masahito Zembutsu
 

Viewers also liked (14)

#こみにょぴ結婚式 LT資料
#こみにょぴ結婚式 LT資料#こみにょぴ結婚式 LT資料
#こみにょぴ結婚式 LT資料
 
20120408 #自宅ラック勉強会 を監視してみたい
20120408 #自宅ラック勉強会 を監視してみたい20120408 #自宅ラック勉強会 を監視してみたい
20120408 #自宅ラック勉強会 を監視してみたい
 
qpstudy#6 勉強どうしてる
qpstudy#6 勉強どうしてるqpstudy#6 勉強どうしてる
qpstudy#6 勉強どうしてる
 
#RouterBOARD 勉強会 OSPF検証班 発表資料
#RouterBOARD 勉強会 OSPF検証班 発表資料#RouterBOARD 勉強会 OSPF検証班 発表資料
#RouterBOARD 勉強会 OSPF検証班 発表資料
 
20131019 Eucalyptus in OSC 2013 Tokyo/Fall
20131019 Eucalyptus in OSC 2013 Tokyo/Fall20131019 Eucalyptus in OSC 2013 Tokyo/Fall
20131019 Eucalyptus in OSC 2013 Tokyo/Fall
 
猫が花瓶を倒すとLINEがくるようにしてみた
猫が花瓶を倒すとLINEがくるようにしてみた猫が花瓶を倒すとLINEがくるようにしてみた
猫が花瓶を倒すとLINEがくるようにしてみた
 
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部
20121115 オープンソースでハイアベイラビリティ! ~クラスタ管理の設計構築ハウツー&エンジニア思考力~ 第二部
 
OpenContrailの基本 for OSC Tokyo 2014 Spring
OpenContrailの基本 for OSC Tokyo 2014 SpringOpenContrailの基本 for OSC Tokyo 2014 Spring
OpenContrailの基本 for OSC Tokyo 2014 Spring
 
ハードなOpen flowswitcの話
ハードなOpen flowswitcの話ハードなOpen flowswitcの話
ハードなOpen flowswitcの話
 
Open contrailmeetup 20161207
Open contrailmeetup 20161207Open contrailmeetup 20161207
Open contrailmeetup 20161207
 
家族で始める「やさしいIoT」
家族で始める「やさしいIoT」家族で始める「やさしいIoT」
家族で始める「やさしいIoT」
 
PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...
PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...
PacemakerのMaster/Slave構成の基本と事例紹介(DRBD、PostgreSQLレプリケーション) @Open Source Confer...
 
Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~
Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~
Dockerの期待と現実~Docker都市伝説はなぜ生まれるのか~
 
SlideShare 101
SlideShare 101SlideShare 101
SlideShare 101
 

Similar to 2011/06/11 #sfstudy ECCの遊び方。

Parquetはカラムナなのか?
Parquetはカラムナなのか?Parquetはカラムナなのか?
Parquetはカラムナなのか?Yohei Azekatsu
 
Linux/DB Tuning (DevSumi2010, Japanese)
Linux/DB Tuning (DevSumi2010, Japanese)Linux/DB Tuning (DevSumi2010, Japanese)
Linux/DB Tuning (DevSumi2010, Japanese)Yoshinori Matsunobu
 
Azure Stack HCI - パフォーマンス履歴 と Azure Monitor
Azure Stack HCI - パフォーマンス履歴 と Azure MonitorAzure Stack HCI - パフォーマンス履歴 と Azure Monitor
Azure Stack HCI - パフォーマンス履歴 と Azure MonitorHiroshi Matsumoto
 
2021 10-12.linx device-tree
2021 10-12.linx device-tree2021 10-12.linx device-tree
2021 10-12.linx device-treeShin-ya Koga
 
セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009
セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009
セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009Tsukasa Oi
 
LTO/オートローダー/仮想テープライブラリの基礎知識
LTO/オートローダー/仮想テープライブラリの基礎知識LTO/オートローダー/仮想テープライブラリの基礎知識
LTO/オートローダー/仮想テープライブラリの基礎知識MKT International Inc.
 
第6回インターネットと運用技術シンポジウム WIPセッション
第6回インターネットと運用技術シンポジウム WIPセッション第6回インターネットと運用技術シンポジウム WIPセッション
第6回インターネットと運用技術シンポジウム WIPセッションHiroki Kashiwazaki
 
SQL Server パフォーマンスカウンター
SQL Server パフォーマンスカウンターSQL Server パフォーマンスカウンター
SQL Server パフォーマンスカウンターMasayuki Ozawa
 
Build Node.js-WASM/WASI Tiny compiler with Node.js
Build Node.js-WASM/WASI Tiny compiler with Node.jsBuild Node.js-WASM/WASI Tiny compiler with Node.js
Build Node.js-WASM/WASI Tiny compiler with Node.jsmganeko
 
RとSQLiteで気軽にデータベース作成
RとSQLiteで気軽にデータベース作成RとSQLiteで気軽にデータベース作成
RとSQLiteで気軽にデータベース作成弘毅 露崎
 
Data processing at spotify using scio
Data processing at spotify using scioData processing at spotify using scio
Data processing at spotify using scioJulien Tournay
 
Fusion-io(ioDrive) benchmarking #sfstudy 01 LT
Fusion-io(ioDrive) benchmarking #sfstudy 01 LTFusion-io(ioDrive) benchmarking #sfstudy 01 LT
Fusion-io(ioDrive) benchmarking #sfstudy 01 LTMasahito Zembutsu
 
攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐
攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐
攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐CODE BLUE
 
RのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみたRのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみたKazuya Wada
 
OSC2011 Tokyo/Spring 自宅SAN友の会(前半)
OSC2011 Tokyo/Spring 自宅SAN友の会(前半)OSC2011 Tokyo/Spring 自宅SAN友の会(前半)
OSC2011 Tokyo/Spring 自宅SAN友の会(前半)Satoshi Shimazaki
 

Similar to 2011/06/11 #sfstudy ECCの遊び方。 (20)

Parquetはカラムナなのか?
Parquetはカラムナなのか?Parquetはカラムナなのか?
Parquetはカラムナなのか?
 
Linux/DB Tuning (DevSumi2010, Japanese)
Linux/DB Tuning (DevSumi2010, Japanese)Linux/DB Tuning (DevSumi2010, Japanese)
Linux/DB Tuning (DevSumi2010, Japanese)
 
Azure Stack HCI - パフォーマンス履歴 と Azure Monitor
Azure Stack HCI - パフォーマンス履歴 と Azure MonitorAzure Stack HCI - パフォーマンス履歴 と Azure Monitor
Azure Stack HCI - パフォーマンス履歴 と Azure Monitor
 
2021 10-12.linx device-tree
2021 10-12.linx device-tree2021 10-12.linx device-tree
2021 10-12.linx device-tree
 
セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009
セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009
セキュアVMの構築 (IntelとAMDの比較、あともうひとつ...) - AVTokyo 2009
 
LTO/オートローダー/仮想テープライブラリの基礎知識
LTO/オートローダー/仮想テープライブラリの基礎知識LTO/オートローダー/仮想テープライブラリの基礎知識
LTO/オートローダー/仮想テープライブラリの基礎知識
 
第6回インターネットと運用技術シンポジウム WIPセッション
第6回インターネットと運用技術シンポジウム WIPセッション第6回インターネットと運用技術シンポジウム WIPセッション
第6回インターネットと運用技術シンポジウム WIPセッション
 
SQL Server パフォーマンスカウンター
SQL Server パフォーマンスカウンターSQL Server パフォーマンスカウンター
SQL Server パフォーマンスカウンター
 
Fluentd meetup #2
Fluentd meetup #2Fluentd meetup #2
Fluentd meetup #2
 
Build Node.js-WASM/WASI Tiny compiler with Node.js
Build Node.js-WASM/WASI Tiny compiler with Node.jsBuild Node.js-WASM/WASI Tiny compiler with Node.js
Build Node.js-WASM/WASI Tiny compiler with Node.js
 
Open VZ
Open VZOpen VZ
Open VZ
 
RとSQLiteで気軽にデータベース作成
RとSQLiteで気軽にデータベース作成RとSQLiteで気軽にデータベース作成
RとSQLiteで気軽にデータベース作成
 
NodeFest2014 - Transpiler
NodeFest2014 - TranspilerNodeFest2014 - Transpiler
NodeFest2014 - Transpiler
 
Data processing at spotify using scio
Data processing at spotify using scioData processing at spotify using scio
Data processing at spotify using scio
 
Fusion-io(ioDrive) benchmarking #sfstudy 01 LT
Fusion-io(ioDrive) benchmarking #sfstudy 01 LTFusion-io(ioDrive) benchmarking #sfstudy 01 LT
Fusion-io(ioDrive) benchmarking #sfstudy 01 LT
 
osoljp 2011.08
osoljp 2011.08osoljp 2011.08
osoljp 2011.08
 
攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐
攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐
攻撃者の行動を追跡せよ -行動パターンに基づく横断的侵害の把握と調査- by 朝長 秀誠, 六田 佳祐
 
RのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみたRのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみた
 
InfiniBand on Debian
InfiniBand on DebianInfiniBand on Debian
InfiniBand on Debian
 
OSC2011 Tokyo/Spring 自宅SAN友の会(前半)
OSC2011 Tokyo/Spring 自宅SAN友の会(前半)OSC2011 Tokyo/Spring 自宅SAN友の会(前半)
OSC2011 Tokyo/Spring 自宅SAN友の会(前半)
 

Recently uploaded

TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成Hiroshi Tomioka
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 

Recently uploaded (9)

TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 

2011/06/11 #sfstudy ECCの遊び方。

  • 2. About Me @imksoo / Kirino Minato とある基盤の技術者(エンジニア) 時々基盤構築、時々基盤運用、時々運用設計 とりあえずMicrosoft/EMC/HPサーバと声優好きなおたく 最近、おうちでOracle Solaris 11 Expressでストレージサーバ作ってます。 2
  • 3. こんなことありませんか... 最近、ネットワークが遅いんじゃない? つながりにくいんだけど...? そもそもこれ、 NWの問題じゃないです (T-T) @sygetch http://twitpic.com/1wd1rt より 3
  • 4. ストレージ性能問題も.... 最近、検索処理に時間がかかるようになったんだよね… データベースとかストレージがネックになってるんじゃない? 検索ワードがおかしくないか…… 4
  • 5. まずは上位層から攻めましょう。  ストレージはシステムの中ではネットワークに次いで遅いコン ポーネントの一つ。  だからといって、初めから疑ってかかるのは無駄に終わること が多いです。  初めにやること – アプリケーションロジックの確認  結構、ビジネスロジックって力業が多いです(泣  そもそもその情報抽出って時間がかかるの前提だよね? ユーザーさんにちゃんと伝わってる? – プレゼンテーション層の確認  再描画の間、画面が真っ白…? UI設計おかしくない? – サーバおよびデータベース(SQL)の確認  まずはPerformance MonitorやsarでCPU/Memory/IO waitなどを確認。  え…なんでここでTable full scanなの…indexは?partitioningは?  あ…。待機イベントでストレージ待ちが頻発してる… 5
  • 6. ご参考: Symmetrix/VMAXとは。  詳しくはEMCご担当営業様まで。 6
  • 7. EMC Control Centerのアーキテクチャ。 https://community.emc.com/docs/DOC-1942 7
  • 8. わかりにくいので書き直した。 EMC Control Centerの リポジトリサーバ (メトリック情報の蓄積) 各種サーバ FCスイッチ (Brocade/Cisco等) メトリック情報の収集 EMCストレージ (一部メトリックはHPや IBMストレージでも取得可) あんまり変わらないっすね。 8
  • 9. ECCでとれる情報(の一部) ECCのインストールフォルダ直下にあるmetrics.defにトリックが並んでる。 <METRIC: SymDeviceStats,1.0.001,Symmetrix, Devices> Metric Name Type device name string Key ArchiveLast ios per sec long ConvertToRate ArchiveStats sortDescending reads per sec long ConvertToRate ArchiveStats writes per sec long ConvertToRate ArchiveStats hits per sec long ConvertToRate ArchiveStats read hits per sec long ConvertToRate ArchiveStats write hits per sec long ConvertToRate ArchiveStats seq reads per sec long ConvertToRate ArchiveStats seq read hits per sec long ConvertToRate ArchiveStats seq writes per sec long ConvertToRate ArchiveStats Kbytes read per sec longlong ConvertToRate ArchiveStats Kbytes written per sec longlong ConvertToRate ArchiveStats DA read requests per sec long ConvertToRate ArchiveStats DA write requests per sec long ConvertToRate ArchiveStats DA prefetched tracks per sec long ConvertToRate ArchiveStats DA prefetched tracks used per sec long ConvertToRate ArchiveStats DA Kbytes read per sec long ConvertToRate ArchiveStats DA Kbytes written per sec long ConvertToRate ArchiveStats write pending count long ArchiveLast max write pending threshold long ArchiveLast total reads per sec float ArchiveStats Derived reads per sec + seq reads per sec total read hits per sec float ArchiveStats Derived read hits per sec + seq read hits per sec total read misses per sec float ArchiveStats Derived total reads per sec - total read hits per sec total ios per sec float ArchiveStats Derived total reads per sec + writes per sec total hits per sec float ArchiveStats Derived total read hits per sec + write hits per sec total misses per sec float ArchiveStats Derived total ios per sec - total hits per sec write misses per sec float ArchiveStats Derived writes per sec - write hits per sec read misses per sec float ArchiveStats Derived reads per sec - read hits per sec seq ios per sec float ArchiveStats Derived seq reads per sec + seq writes per sec 9
  • 10. ECCでとれる情報(の一部の続き) <METRIC: SymDeviceStats,1.0.001,Symmetrix, Devices> Metric Name Type % random read hit float ArchiveStats Derived 100 * (read hits per sec / total ios per sec) % random read miss float ArchiveStats Derived 100 * (read misses per sec / total ios per sec) % sequential read float ArchiveStats Derived 100 * (seq reads per sec / total ios per sec) % write float ArchiveStats Derived 100 * (writes per sec/total ios per sec) % read float ArchiveStats Derived 100 * (total reads per sec/total ios per sec) % hit float ArchiveStats Derived 100 * (total hits per sec/total ios per sec) % miss long ArchiveStats Derived 100 - % hit % read hit float ArchiveStats Derived 100 * (total read hits per sec/total reads per sec) % write hit float ArchiveStats Derived 100 * (write hits per sec/writes per sec) 100 * (total read misses per sec/total reads per % read miss float ArchiveStats Derived sec) % write miss float ArchiveStats Derived 100 * (write misses per sec/writes per sec) % sequential io float ArchiveStats Derived 100 * (seq ios per sec / total ios per sec) % sequential writes float ArchiveStats Derived 100*(seq writes per sec/total ios per sec) HA Kbytes transferred per sec float ArchiveStats Derived Kbytes read per sec + Kbytes written per sec average read size in Kbytes float ArchiveStats Derived Kbytes read per sec /total reads per sec average write size in Kbytes float ArchiveStats Derived Kbytes written per sec/writes per sec average io size in Kbytes float ArchiveStats Derived HA Kbytes transferred per sec/total ios per sec DA Kbytes transferred per sec float ArchiveStats Derived DA Kbytes read per sec + DA Kbytes written per sec HA Kbytes transferred per sec + DA Kbytes System bus Kbytes per sec float ArchiveStats Derived transferred per sec 10
  • 11. やりたいのはGUI操作じゃないんだよw  (これが本題) 実はcsvをはいてくれるコマンド、あります。 – pmcli.exe オプション:  -export  -local  -type {interval/daily/monthly}  -class [クラス名]  -id [ID]  -date [YYYYMMDD]  -out [出力先ファイル名]  -rtable … Excelで解析するなら行列をひっくりかえしておいた方が良い。  -c [カテゴリ名] …カテゴリ名はSymmetrixストレージの場合は、Devices,Dir-DA,Dir- Fibre,Dir-Port,Disks,Systemのいずれか。metrics.defにも書いてある。  -o [対象オブジェクト] …オブジェクト名はGUIか設計書かsymコマンドで確認  -m [メトリック名] …メトリック名はmetrics.defを見るか、GUIで確認 – 実行例: C:¥> pmcli.exe -export -local -type interval -class [クラス名] -id [ID] -date [YYYYMMDD] -out [出力先ファイル名] -rtable -c disks -o "DF-1A CA" -m "total SCSI command per sec,read commands per sec,write commands per sec,verify commands per sec,% util,seeks per sec,seek distance per sec" 11
  • 12. カテゴリとオブジェクト Disks FC Switch FC Switch Dir-Fibre FA-01 FA-02 FA-03 FA-04 Matrix (DMX,VMX) DA-01 DA-02 DA-03 Dir-DA DA-04 Dir-Port DF-01 A0 DF-01 B0 Disks = 物理的なディスク (FC-AL/SAS) DF-01 A1 DF-01 B1 DF-01 A2 DF-01 B2 Devices = サーバから見たLUN (symdev) DF-01 A3 DF-01 B3 System 赤文字 = カテゴリ 12 黒字 = オブジェクト
  • 13. CSVを加工しよう  とったデータはこんな感じ 13
  • 14. Physical Disk の Utilization(%)の確認 素直に2次元折れ線グラフじゃわかりにくい… ⇒ Excelで株価チャート(最低値・最高値・パーセンタイル(最小値/最大値))を 使うと良い場合あり。ついでに系列2として中間値をつけるといい。 14