Date post: | 06-Jul-2018 |
Category: |
Documents |
Upload: | andre-de-la-rochelle |
View: | 212 times |
Download: | 0 times |
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 1/30
Workshop «Big Data e la forza degli eventi»Università degli Studi di Milano-Bicocca, 1 marzo 2013
Speaker: Fabio Farina ([email protected])Contributi di: Massimo Carboni, Mauro Campanella,
Pasquale Mandato, Cristiano Valli
Big Data e il monitoraggio diinfrastrutture di rete geograficheL’esperienza di GARR
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 2/30
Fabio Farina - GARR
2
WS Big Data, Univ. Milano-Bicocca, 01.03.2013
Outline
Presentazione di GARR I servizi
La dorsale GARR-X
Monitoring nelle reti backbone Perché e come Stato degli apparati di rete
Raccolta e analisi del traffico a flussi
Il monitoring nell’era della virtualizzazione L’esperienza del progetto FEDERICA
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 3/30
Consortium GARR
Consortium GARR è la rete Italiana della Ricerca
È un’organizzazione non-profit sotto l’egida del Ministero dell’Istruzionedell’Università e della Ricerca I Soci fondatori sono:
Consiglio Nazionale delle Ricerche, CNR Ente Nazionale per le Energie Alternative, ENEA Congrega dei Rettori delle Università Italiane, Fondazione CRUI
Istituto Nazionale di Fisica Nucleare, INFN
La sua missione è la gestione e l’evoluzione della dorsale a bandaultra-larga nazionale per la Ricerca, l’Università e i servizi associati
GARR partecipa anche a progetto Nazionali e Europei R&D di networking, Future Internet Progetti legati alla comunità biomedica, ai beni culturali, ai conservatori,…
3
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 4/30
La dorsale in fibra GARR-X
4
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
I numeri di GARR-X 50 Punti di Presenza 500 Gbps aggregati di backbone 280 Gbps aggregati degli accessi 6.500 km backbone e 2.000 di accesso
Prestazioni di banda minimo 10 Mbps per l’accesso degli enti soci
minimo 10 Gbps per i link di backbone 100 Gbps max su singolo link di backbone
La comunità oltre 500 le sedi connesse alla rete 2,5 milioni di docenti, ricercatori, studenti
100 Petabyte il volume totale di traffico nel 2012 Un approccio BigData «puro» non è applicabile
Velocità e Volume, minore Variabilità
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 5/30
I servizi di GARR www.servizi.garr.it
Funzionamento della rete
GARR-NOC: Network Operations Center GINS: Monitoring della rete GARR GARR-NIC/LIR: assegnazione nomi di dominio e IP
Sicurezza
GARR CERT: Servizi di sicurezza di rete
SCARR: Scansioni Ripetute a Richiesta Gestione di identità e mobilità
eduROAM: supporto alla mobilità degli utenti GARR IDEM: Autenticazione e Autorizzazione federata
Servizi applicativi
FileSender: il servizio GARR per l'invio di file grandi GARR-VCONF: servizio di multi-videoconferenza GARR MIRROR 5
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 6/30
Cosa è il monitoring? A cosa serve?
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 7/30
Chi? Cosa? Dove? Come? Quando? Chi sta accedendo la rete?
Studenti, Professori, Personale, Visitatori o altro
Motivi dell’accesso alla rete? Studi Accademici, Informazioni Generali, Affari, Uso Illegale
Da dove stanno accedendo alla rete? Interno, Esterno
Come stanno accedendo alla rete? Utenza Remota, LAN, WAN, Wi-Fi, VPN, IPSec/SSL
Quando hanno acceduto alla rete? Oggi, Ieri, da una settimana, da un mese …
7
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 8/30
Chi gestisce la rete è interessato a:
Gateway 2Gateway 1 Gateway 2Gateway 1
Protocolli di routingProtocolli di routing
Qualità del servizio
Protocolli di routingQualità del servizio
Diagnostica dei Guasti
Protocolli di routingQualità del servizio
Diagnostica dei Guasti
Gestione dei Servizi
PrecisioneEfficienza
Asimmetrie
PrecisioneEfficienzaPrecisione
Efficienza Asimmetrie
Fattibilità
8
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 9/30
Fornitore Utente
Agreement Verifica
Servizio
9
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 10/30
La necessità di misurare
Ogni volta che si vuole dare una valutazione oggettiva
Requisito vs Misura Per ogni servizio ci sono delle grandezze che ne determinano
caratteristiche, obiettivi e successo Non si parla di assenza di servizio ma di misura della
CONFORMITÀ rispetto a quanto richiesto
Quindi con la misura si possono ottenere Valutazione del servizio erogato Ma anche supporto alla pianificazione
per chi gestisce la rete per l'utenza, comprendere meglio come gestire le applicazioni
10
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 11/30
Active | Passive Monitoring
Active Monitoring
Spedizione di dati rappresentativi deltraffico di rete
Si misura il comportamento Vengono definite metriche End-to-End Proactive troubleshooting
Passive Monitoring
Si osserva il traffico reale
Da un punto di rete
No traffic No conclusion
11
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 12/30
Il strumenti di monitoring in GARR-X
12
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 13/30
Misure: uso e tecnologie Il punto di vista di chi amministra la rete, il NOC
Assicurarsi che i dispositivi funzionino come atteso Sfruttare al meglio e bilanciare le potenzialità delle risorse disponibili Investigare e risolvere rapidamente incidenti o eventuali attacchi
Il punto di vista di usa la rete Richieste fortemente dipendenti dalla applicazione Per i data transfer massivi massimizzare la banda è il goal Per le video-conferenze, lo streaming e la telemedicina sono sensibili alle
latenze
Strumenti devono Permettere di misurare ciò che è rilevante Presentare le informazioni in armonia al modus operandi di chi le osserva
Nome Cognome
13
Occasione, Luogo, gg.mm.anno
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 14/30
Stato degli apparati di rete
14
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
Vitale prima di tutto percepire lo stato di salute degli apparati di rete
614 dispositivi a tutti i livelli: ottico WDM, switching, routing Lambda, peering BGP, MPLS/LSP e relativi servizi di VPN
Architettura di monitoring basata su Splunk Monitoring passivo raccolto ai server della Direzione Sonde remote syslog con datagrammi UDP
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 15/30
GARR Integrated Networking Suite - GINS Suite software sviluppata ad hoc: parte integrante del sistema
informativo di GARR
Strumenti di monitoring/statistica/diagnostica e tracking dei problemi Stato e prestazioni costantemente monitorati Garanzia di efficienza per l’Università e della Ricerca italiana Strumento di indagine e di pianificazione
Sistemi di acquisizione e visualizzazione delle statistiche di traffico Statistiche accessi utente, ordinate per PoP di Livello 3 e 2 Backbone, Peering e Weathermap
Reportistica dell’attività di rete Report specifici su richiesta Report periodici sullo stato e l’utilizzo della rete
15
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 16/30
GARR Integrated Networking Suite - GINS
16
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 17/30
GARR Integrated Networking Suite - GINS
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
17
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 18/30
Tecnologie abilitanti: misure passive
Raccolta, aggregazione e analisi del traffico in transito
Visione mediata nel tempo: SNMP
Campionamento statistico: Netflow Visione parziale della reltà Potenziali problemi di scalabilità nell’analisi Concetto di flusso
18
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
Source IP Dest IP Source Port Dest Port TCP/UDPflag
ToS bitsType of Service
Logical InterfaceIndex
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 19/30
GINS e il monitoring a flussi
19
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 20/30
Tecnologie abilitanti: misure attive Attività di tipo intrusivo, ovvero si mescola con il traffico di
produzione (pregiato)
È un modello di monitoring di tipo perturbativo Bisogna avere l'accortezza di non diventare motivo di disservizio Auto-Denial of Service
Cosa possiamo misurare in questo modo? Informazioni temporali
Delay // Jitter // Drop Misura della banda disponibile verso punti prestabiliti di rete
Valutare la reale disponibilità di banda ad un istante determinato Nessuna capacità predittiva solo verifica puntuale
20
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 21/30
Reaction Trigger to Events
21
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
Il sistema manda messaggi di Trap scatenati da alcuni eventi:
Connection Loss and Timeout Round Trip Time Threshold Average Jitter Threshold Unidirectional packet loss, latency, jitter
ThresholdViolation
Thresholdviolation
No Alert
100 ms
50 ms
Time
Alert Alert
Resolution
ThresholdViolation
Trigger
• Immediate
• Consecutive
• X of Y times
• Average Exceeded
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 22/30
Il monitoring nelle cloudL’esperienza nel progetto FEDERICA
22
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 23/30
Il progetto FEDERICA http://www.fp7-federica.eu
23
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
FEDERICA = Federated E-infrastructure Dedicated to European
Researchers Innovating in Computing network Architectures
Deploy and manage an e-Infrastructure based on virtualization in both
computers and network elements as a fundamental tool/playground for
researchers on current and Future Internet, its uses and technologies.
Researchers has complete control
of their set of resources (a “slice”)with minimal of constraints to enables
disruptive experiments at all
communication layers over
a realistic substrate.
Router/Switch
Host for Virtual nodes
Ethernet 1 Gbps
Focus on reproducibility of
the experiments and
in the avoidance of
complexity.
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 24/30
La facility FEDERICA Ogni PoP è equipaggiato con device con supporto alla virtualizzazione
Nodi Macchine Virtuali su Vmware 5.0 Router Logici su Juniper MX480
Circuiti fra PoP 1Gbps (IP/MPLS)
Circuiti virtuali Una VLAN di management per
ogni slice User Access Gateway VM Numero VLAN variabile per il
traffico dati a discrezione dello
esperimento
24
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 25/30
FEDERICA come servizio FEDERICA è sia una infrastruttura sia un servizio
Molteplici punti di vista: il gestore, gli utenti, i servizi di provisioning
Il NOC Garantire il corretto funzionamento della facility Soddisfare richieste di progetti con esigenze peculiari
I ricercatori della comunità Future Internet Topologia scelta dall’utente Garanzie di banda, latenza e jitter a seconda dell’esperimento Riproducibilità e isolamento, se richiesti
Il sistema di provisioning delle slice Trovare la mappatura ottimale delle slice sul substrato bilanciando lerisorse ed evitando overlap
25
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 26/30
Prospettive differenti In FEDERICA esistono sempre due prospettive
Il piano di substrato fisico e quello virtuale delle slice Conseguentemente si hanno due piani di monitoring
26
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 27/30
Il monitoring in FEDERICA
L`effetto della virtualizzazione è un fattore moltiplicativo sul volumedi dati prodotti dall’infrastruttura
Piattaforma G3 (CESNET) aggregazione e presenta de dati Del substrato fisico
Monitoring passivo: SNMP, VMware monitoring rCLI, Netflow Monitoring attivo: tool ad hoc HADES per il NOC
Delle risorse virtuali in ogni slice Consumo CPU, RAM, disco e rete di ogni VM Flusso di rete di ogni virtual router e consumo di banda
27
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 28/30
FEDERICA: i numeri di G3 Entità osservate: 9 parametri per ogni entità
Strato fisico: 9 PoP collegati con 13 circuiti, 9 device di rete dedicati, 14hypervisor, 1049 interfacce
Strato virtuale: 11 slice statiche, 66 VM, circa 15 slice dinamiche (30 VM e15 logical router)
Granularità e scala
20 sec, periodo 5 min Misure distribuite nel giorno
per evitare sovraccarichi
Resultati – Grafici RRD +6’000 grafici di substrato
126 grafici sugli hypevisor 600-800 grafici per le slice
degli utenti28
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 29/30
Conclusioni GARR fa convergere al meglio i requisiti posti dalla comunità e le
risorse disponibili definendo e mantenendo i propri servizi
Profonda comprensione di cosa misurare e come ottenerlo Ci permette di offrire una rete ottima per le esigenze delle comunità della
Ricerca e dell’Università Italiana Pieno controllo della rete
La complessità Deriva dai differenti punti di vista che i servizi devono considerare e
privilegiare Solo in seguito arrivano le tecnologie per la raccolta e l’aggregazione
La mole delle informazioni, il Big Data, è una conseguenza dellacomplessità degli obiettivi e della collaborazione tra le persone
29
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013
8/18/2019 farina-130325191435-phpapp01
http://slidepdf.com/reader/full/farina-130325191435-phpapp01 30/30
Conclusioni
Grazie per l’attenzione
Domande?
Per maggiori informazioni: [email protected]
Fabio Farina - GARR WS Big Data, Univ. Milano-Bicocca, 01.03.2013