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 VIM Southbound interface
  99 ------------------------
 100
 101 Normalization of data collection models
 102 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 103
 104 * Type: 'missing'
 105 * Description
 106
 107   + To-be
 108
 109     - A normalized data format needs to be created to cope with the many data
 110       models from different monitoring solutions.
 111
 112   + As-is
 113
 114     - Data can be collected from many places (e.g. Zabbix, Nagios, Cacti,
 115       Zenoss). Although each solution establishes its own data models, no common
 116       data abstraction models exist in OpenStack.
 117
 118   + Gap
 119
 120     - Normalized data format does not exist.
 121
 122 OpenStack
 123 ---------
 124
 125 Ceilometer
 126 ^^^^^^^^^^
 127
 128 OpenStack offers a telemetry service, Ceilometer, for collecting measurements of
 129 the utilization of physical and virtual resources [CEIL]_. Ceilometer can
 130 collect a number of metrics across multiple OpenStack components and watch for
 131 variations and trigger alarms based upon the collected data.
 132
 133 Scalability of fault aggregation
 134 ________________________________
 135
 136 * Type: 'scalability issue'
 137 * Description
 138
 139   + To-be
 140
 141     - Be able to scale to a large deployment, where thousands of monitoring
 142       events per second need to be analyzed.
 143
 144   + As-is
 145
 146     - Performance issue when scaling to medium-sized deployments.
 147
 148   + Gap
 149
 150     - Ceilometer seems to be unsuitable for monitoring medium and large scale
 151       NFVI deployments.
 152
 153 * Related blueprints
 154
 155   + Usage of Zabbix for fault aggregation [ZABB]_. Zabbix can support a much
 156     higher number of fault events (up to 15 thousand events per second, but
 157     obviously also has some upper bound:
 158     http://blog.zabbix.com/scalable-zabbix-lessons-on-hitting-9400-nvps/2615/
 159
 160   + Decentralized/hierarchical deployment with multiple instances, where one
 161     instance is only responsible for a small NFVI.
 162
 163 Monitoring of hardware and software
 164 ___________________________________
 165
 166 * Type: 'missing (lack of functionality)'
 167 * Description
 168
 169   + To-be
 170
 171     - OpenStack (as VIM) should monitor various hardware and software in NFVI to
 172       handle faults on them by Ceilometer.
 173     - OpenStack may have monitoring functionality in itself and can be
 174       integrated with third party monitoring tools.
 175     - OpenStack need to be able to detect the faults listed in Section 3.5.
 176
 177   + As-is
 178
 179     - For each deployment of OpenStack, an operator has responsibility to
 180       configure monitoring tools with relevant scripts or plugins in order to
 181       monitor hardware and software.
 182     - OpenStack Ceilometer does not monitor hardware and software to capture
 183       faults.
 184
 185    + Gap
 186
 187      - Ceilometer is not able to detect and handle all faults listed in Section
 188        3.5.
 189
 190 * Related blueprints / workarounds
 191
 192   - Use other dedicated monitoring tools like Zabbix or Monasca
 193
 194 Nova
 195 ^^^^
 196
 197 OpenStack Nova [NOVA]_ is a mature and widely known and used component in
 198 OpenStack cloud deployments. It is the main part of an
 199 "infrastructure-as-a-service" system providing a cloud computing fabric
 200 controller, supporting a wide diversity of virtualization and container
 201 technologies.
 202
 203 Nova has proven throughout these past years to be highly available and
 204 fault-tolerant. Featuring its own API, it also provides a compatibility API with
 205 Amazon EC2 APIs.
 206
 207 Correct states when compute host is down
 208 ________________________________________
 209
 210 * Type: 'missing (lack of functionality)'
 211 * Description
 212
 213   + To-be
 214
 215     - There needs to be API to change VM power_State in case host has failed.
 216     - There needs to be API to change nova-compute state.
 217     - There could be single API to change different VM states for all VMs
 218       belonging to specific host.
 219     - As external system monitoring the infra calls these APIs change can be
 220       fast and reliable.
 221     - Correlation actions can be faster and automated as states are reliable.
 222     - User will be able to read states from OpenStack and trust they are
 223       correct.
 224
 225   + As-is
 226
 227     - When a VM goes down due to a host HW, host OS or hypervisor failure,
 228       nothing happens in OpenStack. The VMs of a crashed host/hypervisor are
 229       reported to be live and OK through the OpenStack API.
 230     - nova-compute state might change too slowly or the state is not reliable
 231       if expecting also VMs to be down. This leads to ability to schedule VMs
 232       to a failed host and slowness blocks evacuation.
 233
 234   + Gap
 235
 236     - OpenStack does not change its states fast and reliably enough.
 237     - There is API missing to have external system to change states and to
 238       trust the states are then reliable (external system has fenced failed
 239       host).
 240     - User cannot read all the states from OpenStack nor trust they are right.
 241
 242 * Related blueprints
 243
 244   + https://blueprints.launchpad.net/nova/+spec/mark-host-down
 245   + https://blueprints.launchpad.net/python-novaclient/+spec/support-force-down-service
 246
 247 Evacuate VMs in Maintenance mode
 248 ________________________________
 249
 250 * Type: 'missing'
 251 * Description
 252
 253   + To-be
 254
 255     - When maintenance mode for a compute host is set, trigger VM evacuation to
 256       available compute nodes before bringing the host down for maintenance.
 257
 258   + As-is
 259
 260     - If setting a compute node to a maintenance mode, OpenStack only schedules
 261       evacuation of all VMs to available compute nodes if in-maintenance compute
 262       node runs the XenAPI and VMware ESX hypervisors. Other hypervisors (e.g.
 263       KVM) are not supported and, hence, guest VMs will likely stop running due
 264       to maintenance actions administrator may perform (e.g. hardware upgrades,
 265       OS updates).
 266
 267   + Gap
 268
 269     - Nova libvirt hypervisor driver does not implement automatic guest VMs
 270       evacuation when compute nodes are set to maintenance mode (``$ nova
 271       host-update --maintenance enable <hostname>``).
 272
 273 Monasca
 274 ^^^^^^^
 275
 276 Monasca is an open-source monitoring-as-a-service (MONaaS) solution that
 277 integrates with OpenStack. Even though it is still in its early days, it is the
 278 interest of the community that the platform be multi-tenant, highly scalable,
 279 performant and fault-tolerant. It provides a streaming alarm engine, a
 280 notification engine, and a northbound REST API users can use to interact with
 281 Monasca. Hundreds of thousands of metrics per second can be processed
 282 [MONA]_.
 283
 284 Anomaly detection
 285 _________________
 286
 287
 288 * Type: 'missing (lack of functionality)'
 289 * Description
 290
 291   + To-be
 292
 293     - Detect the failure and perform a root cause analysis to filter out other
 294       alarms that may be triggered due to their cascading relation.
 295
 296   + As-is
 297
 298     - A mechanism to detect root causes of failures is not available.
 299
 300   + Gap
 301
 302     - Certain failures can trigger many alarms due to their dependency on the
 303       underlying root cause of failure. Knowing the root cause can help filter
 304       out unnecessary and overwhelming alarms.
 305
 306 * Related blueprints / workarounds
 307
 308   + Monasca as of now lacks this feature, although the community is aware and
 309     working toward supporting it.
 310
 311 Sensor monitoring
 312 _________________
 313
 314 * Type: 'missing (lack of functionality)'
 315 * Description
 316
 317   + To-be
 318
 319     - It should support monitoring sensor data retrieval, for instance, from
 320       IPMI.
 321
 322   + As-is
 323
 324     - Monasca does not monitor sensor data
 325
 326   + Gap
 327
 328     - Sensor monitoring is very important. It provides operators status
 329       on the state of the physical infrastructure (e.g. temperature, fans).
 330
 331 * Related blueprints / workarounds
 332
 333   + Monasca can be configured to use third-party monitoring solutions (e.g.
 334     Nagios, Cacti) for retrieving additional data.
 335
 336 Hardware monitoring tools
 337 -------------------------
 338
 339 Zabbix
 340 ^^^^^^
 341
 342 Zabbix is an open-source solution for monitoring availability and performance of
 343 infrastructure components (i.e. servers and network devices), as well as
 344 applications [ZABB]_. It can be customized for use with OpenStack. It is a
 345 mature tool and has been proven to be able to scale to large systems with
 346 100,000s of devices.
 347
 348 Delay in execution of actions
 349 _____________________________
 350
 351
 352 * Type: 'deficiency in performance'
 353 * Description
 354
 355   + To-be
 356
 357     - After detecting a fault, the monitoring tool should immediately execute
 358       the appropriate action, e.g. inform the manager through the NB I/F
 359
 360   + As-is
 361
 362     - A delay of around 10 seconds was measured in two independent testbed
 363       deployments
 364
 365   + Gap
 366
 367     - Cause of the delay needs to be identified and fixed
 368
 369 ..
 370  vim: set tabstop=4 expandtab textwidth=80: