docs/requirements/04-gaps.rst

   1 Gap analysis in upstream projects
   2 =================================
   3
   4 This section presents the findings of gaps on existing VIM platforms. The focus
   5 was to identify gaps based on the features and requirements specified in Section
   6 3.3. The analysis work determined gaps that are presented here.
   7
   8 VIM Northbound Interface
   9 ------------------------
  10
  11 Immediate Notification
  12 ^^^^^^^^^^^^^^^^^^^^^^
  13
  14 * Type: 'deficiency in performance'
  15 * Description
  16
  17   + To-be
  18
  19     - VIM has to notify unavailability of virtual resource (fault) to VIM user
  20       immediately.
  21     - Notification should be passed in '1 second' after fault detected/notified
  22       by VIM.
  23     - Also, the following conditions/requirement have to be met:
  24
  25       - Only the owning user can receive notification of fault related to owned
  26         virtual resource(s).
  27
  28   + As-is
  29
  30     - OpenStack Metering 'Ceilometer' can notify unavailability of virtual
  31       resource (fault) to the owner of virtual resource based on alarm
  32       configuration by the user.
  33
  34       - Ceilometer Alarm API:
  35         http://docs.openstack.org/developer/ceilometer/webapi/v2.html#alarms
  36
  37     - Alarm notifications are triggered by alarm evaluator instead of
  38       notification agents that might receive faults
  39
  40       - Ceilometer Architecture:
  41         http://docs.openstack.org/developer/ceilometer/architecture.html#id1
  42
  43     - Evaluation interval should be equal to or larger than configured pipeline
  44       interval for collection of underlying metrics.
  45
  46       - https://github.com/openstack/ceilometer/blob/stable/juno/ceilometer/alarm/service.py#L38-42
  47
  48     - The interval for collection has to be set large enough which depends on
  49       the size of the deployment and the number of metrics to be collected.
  50     - The interval may not be less than one second in even small deployments.
  51       The default value is 60 seconds.
  52     - Alternative: OpenStack has a message bus to publish system events.
  53       The operator can allow the user to connect this, but there are no
  54       functions to filter out other events that should not be passed to the user
  55       or which were not requested by the user.
  56
  57   + Gap
  58
  59     - Fault notifications cannot be received immediately by Ceilometer.
  60
  61 Maintenance Notification
  62 ^^^^^^^^^^^^^^^^^^^^^^^^
  63
  64 * Type: 'missing'
  65 * Description
  66
  67   + To-be
  68
  69     - VIM has to notify unavailability of virtual resource triggered by NFVI
  70       maintenance to VIM user.
  71     - Also, the following conditions/requirements have to be met:
  72
  73       - VIM should accept maintenance message from administrator and mark target
  74         physical resource "in maintenance".
  75       - Only the owner of virtual resource hosted by target physical resource
  76         can receive the notification that can trigger some process for
  77         applications which are running on the virtual resource (e.g. cut off
  78         VM).
  79
  80   + As-is
  81
  82     - OpenStack: None
  83     - AWS (just for study)
  84
  85       - AWS provides API and CLI to view status of resource (VM) and to create
  86         instance status and system status alarms to notify you when an instance
  87         has a failed status check.
  88         http://docs.aws.amazon.com/AWSEC2/latest/UserGuide/monitoring-instances-status-check_sched.html
  89       - AWS provides API and CLI to view scheduled events, such as a reboot or
  90         retirement, for your instances. Also, those events will be notified
  91         via e-mail.
  92         http://docs.aws.amazon.com/AWSEC2/latest/UserGuide/monitoring-system-instance-status-check.html
  93
  94   + Gap
  95
  96     - VIM user cannot receive maintenance notifications.
  97
  98 * Related blueprints
  99
 100   + https://blueprints.launchpad.net/nova/+spec/service-status-notification
 101
 102 VIM Southbound interface
 103 ------------------------
 104
 105 Normalization of data collection models
 106 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 107
 108 * Type: 'missing'
 109 * Description
 110
 111   + To-be
 112
 113     - A normalized data format needs to be created to cope with the many data
 114       models from different monitoring solutions.
 115
 116   + As-is
 117
 118     - Data can be collected from many places (e.g. Zabbix, Nagios, Cacti,
 119       Zenoss). Although each solution establishes its own data models, no common
 120       data abstraction models exist in OpenStack.
 121
 122   + Gap
 123
 124     - Normalized data format does not exist.
 125
 126 OpenStack
 127 ---------
 128
 129 Ceilometer
 130 ^^^^^^^^^^
 131
 132 OpenStack offers a telemetry service, Ceilometer, for collecting measurements of
 133 the utilization of physical and virtual resources [CEIL]_. Ceilometer can
 134 collect a number of metrics across multiple OpenStack components and watch for
 135 variations and trigger alarms based upon the collected data.
 136
 137 Scalability of fault aggregation
 138 ________________________________
 139
 140 * Type: 'scalability issue'
 141 * Description
 142
 143   + To-be
 144
 145     - Be able to scale to a large deployment, where thousands of monitoring
 146       events per second need to be analyzed.
 147
 148   + As-is
 149
 150     - Performance issue when scaling to medium-sized deployments.
 151
 152   + Gap
 153
 154     - Ceilometer seems to be unsuitable for monitoring medium and large scale
 155       NFVI deployments.
 156
 157 * Related blueprints
 158
 159   + Usage of Zabbix for fault aggregation [ZABB]_. Zabbix can support a much
 160     higher number of fault events (up to 15 thousand events per second, but
 161     obviously also has some upper bound:
 162     http://blog.zabbix.com/scalable-zabbix-lessons-on-hitting-9400-nvps/2615/
 163
 164   + Decentralized/hierarchical deployment with multiple instances, where one
 165     instance is only responsible for a small NFVI.
 166
 167 Monitoring of hardware and software
 168 ___________________________________
 169
 170 * Type: 'missing (lack of functionality)'
 171 * Description
 172
 173   + To-be
 174
 175     - OpenStack (as VIM) should monitor various hardware and software in NFVI to
 176       handle faults on them by Ceilometer.
 177     - OpenStack may have monitoring functionality in itself and can be
 178       integrated with third party monitoring tools.
 179     - OpenStack need to be able to detect the faults listed in the Annex.
 180
 181   + As-is
 182
 183     - For each deployment of OpenStack, an operator has responsibility to
 184       configure monitoring tools with relevant scripts or plugins in order to
 185       monitor hardware and software.
 186     - OpenStack Ceilometer does not monitor hardware and software to capture
 187       faults.
 188
 189    + Gap
 190
 191      - Ceilometer is not able to detect and handle all faults listed in the Annex.
 192
 193 * Related blueprints / workarounds
 194
 195   - Use other dedicated monitoring tools like Zabbix or Monasca
 196
 197 Nova
 198 ^^^^
 199
 200 OpenStack Nova [NOVA]_ is a mature and widely known and used component in
 201 OpenStack cloud deployments. It is the main part of an
 202 "infrastructure-as-a-service" system providing a cloud computing fabric
 203 controller, supporting a wide diversity of virtualization and container
 204 technologies.
 205
 206 Nova has proven throughout these past years to be highly available and
 207 fault-tolerant. Featuring its own API, it also provides a compatibility API with
 208 Amazon EC2 APIs.
 209
 210 Correct states when compute host is down
 211 ________________________________________
 212
 213 * Type: 'missing (lack of functionality)'
 214 * Description
 215
 216   + To-be
 217
 218     - There needs to be API to change VM power_State in case host has failed.
 219     - There needs to be API to change nova-compute state.
 220     - There could be single API to change different VM states for all VMs
 221       belonging to specific host.
 222     - As external system monitoring the infra calls these APIs change can be
 223       fast and reliable.
 224     - Correlation actions can be faster and automated as states are reliable.
 225     - User will be able to read states from OpenStack and trust they are
 226       correct.
 227
 228   + As-is
 229
 230     - When a VM goes down due to a host HW, host OS or hypervisor failure,
 231       nothing happens in OpenStack. The VMs of a crashed host/hypervisor are
 232       reported to be live and OK through the OpenStack API.
 233     - nova-compute state might change too slowly or the state is not reliable
 234       if expecting also VMs to be down. This leads to ability to schedule VMs
 235       to a failed host and slowness blocks evacuation.
 236
 237   + Gap
 238
 239     - OpenStack does not change its states fast and reliably enough.
 240     - There is API missing to have external system to change states and to
 241       trust the states are then reliable (external system has fenced failed
 242       host).
 243     - User cannot read all the states from OpenStack nor trust they are right.
 244
 245 * Related blueprints
 246
 247   + https://blueprints.launchpad.net/nova/+spec/mark-host-down
 248   + https://blueprints.launchpad.net/python-novaclient/+spec/support-force-down-service
 249
 250 Evacuate VMs in Maintenance mode
 251 ________________________________
 252
 253 * Type: 'missing'
 254 * Description
 255
 256   + To-be
 257
 258     - When maintenance mode for a compute host is set, trigger VM evacuation to
 259       available compute nodes before bringing the host down for maintenance.
 260
 261   + As-is
 262
 263     - If setting a compute node to a maintenance mode, OpenStack only schedules
 264       evacuation of all VMs to available compute nodes if in-maintenance compute
 265       node runs the XenAPI and VMware ESX hypervisors. Other hypervisors (e.g.
 266       KVM) are not supported and, hence, guest VMs will likely stop running due
 267       to maintenance actions administrator may perform (e.g. hardware upgrades,
 268       OS updates).
 269
 270   + Gap
 271
 272     - Nova libvirt hypervisor driver does not implement automatic guest VMs
 273       evacuation when compute nodes are set to maintenance mode (``$ nova
 274       host-update --maintenance enable <hostname>``).
 275
 276 Monasca
 277 ^^^^^^^
 278
 279 Monasca is an open-source monitoring-as-a-service (MONaaS) solution that
 280 integrates with OpenStack. Even though it is still in its early days, it is the
 281 interest of the community that the platform be multi-tenant, highly scalable,
 282 performant and fault-tolerant. It provides a streaming alarm engine, a
 283 notification engine, and a northbound REST API users can use to interact with
 284 Monasca. Hundreds of thousands of metrics per second can be processed
 285 [MONA]_.
 286
 287 Anomaly detection
 288 _________________
 289
 290
 291 * Type: 'missing (lack of functionality)'
 292 * Description
 293
 294   + To-be
 295
 296     - Detect the failure and perform a root cause analysis to filter out other
 297       alarms that may be triggered due to their cascading relation.
 298
 299   + As-is
 300
 301     - A mechanism to detect root causes of failures is not available.
 302
 303   + Gap
 304
 305     - Certain failures can trigger many alarms due to their dependency on the
 306       underlying root cause of failure. Knowing the root cause can help filter
 307       out unnecessary and overwhelming alarms.
 308
 309 * Related blueprints / workarounds
 310
 311   + Monasca as of now lacks this feature, although the community is aware and
 312     working toward supporting it.
 313
 314 Sensor monitoring
 315 _________________
 316
 317 * Type: 'missing (lack of functionality)'
 318 * Description
 319
 320   + To-be
 321
 322     - It should support monitoring sensor data retrieval, for instance, from
 323       IPMI.
 324
 325   + As-is
 326
 327     - Monasca does not monitor sensor data
 328
 329   + Gap
 330
 331     - Sensor monitoring is very important. It provides operators status
 332       on the state of the physical infrastructure (e.g. temperature, fans).
 333
 334 * Related blueprints / workarounds
 335
 336   + Monasca can be configured to use third-party monitoring solutions (e.g.
 337     Nagios, Cacti) for retrieving additional data.
 338
 339 Hardware monitoring tools
 340 -------------------------
 341
 342 Zabbix
 343 ^^^^^^
 344
 345 Zabbix is an open-source solution for monitoring availability and performance of
 346 infrastructure components (i.e. servers and network devices), as well as
 347 applications [ZABB]_. It can be customized for use with OpenStack. It is a
 348 mature tool and has been proven to be able to scale to large systems with
 349 100,000s of devices.
 350
 351 Delay in execution of actions
 352 _____________________________
 353
 354
 355 * Type: 'deficiency in performance'
 356 * Description
 357
 358   + To-be
 359
 360     - After detecting a fault, the monitoring tool should immediately execute
 361       the appropriate action, e.g. inform the manager through the NB I/F
 362
 363   + As-is
 364
 365     - A delay of around 10 seconds was measured in two independent testbed
 366       deployments
 367
 368   + Gap
 369
 370     - Cause of the delay needs to be identified and fixed
 371
 372 ..
 373  vim: set tabstop=4 expandtab textwidth=80: