让puppet agent同步变得更加随机和离散

简介:

Puppe的2种同步方式


对于puppet agent的同步,有2种方式可以去做

1.在客户端运行一个agent进程,通过配置/etc/puppet/puppet.conf配置文件中的[agent]项下的runinterval去控制agent的同步时间间隔。


2.通过crontab,每隔一段时间去执行puppet agent --test做同步。


2种同步方式的优劣


分析一下以上2种方式对agent同步时间的离散性


第一种方式的问题:取决于你的agent是什么时候开始运行的,假设在部署agent的时候是一个个的去部署的,那么agent的同步间隔就可以相对的比较离散。但要是是批量并发的去部署agent,或者所有节点机器都重启或者一部分重启,就可以认为是相当一部分节点的puppet agent在同一时刻运行的,那么同步的间隔也会保持一致。这样会导致,平时puppet master很闲,没有agent过来同步,而在某一刻时间,agent同步会有一个相当大的并发,轻则导致超时,重则master当机。


第二种方式的问题:通过crontab结合puppet自带的inline_template功能,计算hostname的hash,通过hash取出一个随机的分钟,每小时的某一分钟去执行puppet agent --test做同步。因为每隔主机名都是不一样的,所以这个分钟数也是不一致的。

样例如下:

cron {

puppet_init:

command => "/usr/bin/puppet agent --test;

user => root,

hour => '*',

minute => inline_template("<%= hostname.hash % 60 %>");

}


按照上面的样例,agent可以在每小时同步一次,而且每个agent在这个小时中分钟数十不同的(通过hostname的hash做离散)

导致的问题:只能每小时做同步了。


我的优化方案


修改crontab任务,在执行一次puppet agent --test后,sleep 30分钟,再执行一次puppet agent --test,就可以半小时同步一次了。


cron {

puppet_init:

command => "/usr/bin/puppet agent --test;sleep 1800;/usr/bin/puppet agent --test",

user => root,

hour => '*',

minute => inline_template("<%= hostname.hash % 60 %>");

}



这样就可以将所有节点的同步的时间点在每隔半小时的时间段中,随机的离散了,可以很好的优化对puppet master的负载。


优化前后master负载情况

在实际生产环境中,我刚开始是运行puppet agent进程的方式去做同步的,300多个节点下,master负载最高达到2,优化后,master负载没有超过1,基本维持在0.5以下



本文转自lustlost 51CTO博客,原文链接:http://blog.51cto.com/lustlost/1309141,如需转载请自行联系原作者

相关文章
|
Java 开发工具
puppet master/agent
puppet master/agent 配置 安装 master: yum install puppet-server agent: yum install puppet 自动签名 puppet的master端 touch autosign.
774 0
|
应用服务中间件 测试技术 nginx
|
关系型数据库 MySQL 应用服务中间件
|
应用服务中间件 网络安全 nginx
|
运维 关系型数据库 应用服务中间件
|
4月前
|
存储 人工智能
|
18天前
|
存储 人工智能 自然语言处理
AI经营|多Agent择优生成商品标题
商品标题中关键词的好坏是商品能否被主搜检索到的关键因素,使用大模型自动优化标题成为【AI经营】中的核心能力之一,本文讲述大模型如何帮助商家优化商品素材,提升商品竞争力。
AI经营|多Agent择优生成商品标题
|
19天前
|
人工智能 算法 搜索推荐
清华校友用AI破解162个高数定理,智能体LeanAgent攻克困扰陶哲轩难题!
清华校友开发的LeanAgent智能体在数学推理领域取得重大突破,成功证明了162个未被人类证明的高等数学定理,涵盖抽象代数、代数拓扑等领域。LeanAgent采用“持续学习”框架,通过课程学习、动态数据库和渐进式训练,显著提升了数学定理证明的能力,为数学研究和教育提供了新的思路和方法。
36 3
|
20天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
74 4