[Fibre Channle 实战之二] FC Target的创建和使用

本文涉及的产品
函数计算FC,每月15万CU 3个月
简介:







基于最近Fibre channel的相关工作,整理了下关于创建和使用target、实现fail-over过程中碰到的问题和解决方法。


0.准备好合适的后端targetcli工具


0.1安装后端工具


主要有两个库要装,rtslibtargetcli,可以参考下面的两种方法进行安装:


python-rtslib.noarch : API for Linux kernel LIO SCSI target


方法一:通过yum安装

yum install python-rtslib.noarch targetcli


yum install python-netifaces-0.10.4-3.el7.x86_64 python-prettytable.noarch

yum install python-configshell.noarch


方法二:用gitgithub上下载支持FBtargetclirtslib版本


git clone  https://github.com/Datera/targetcli

git clone https://github.com/Datera/rtslib


然后分别进入目录,运行:

./setup.py build

/setup.py install

这个过程中,可能遇到依赖的问题,可以尝试通过安装下面的依赖包解决:

yum install python-netifaces-0.10.4-3.el7.x86_64 python-prettytable.noarch

yum install python-configshell.noarch



0.2检查配置文件

需要确保当前targetcli至少支持iscsi,要求/var/target/fabric至少有iscsi.specqla2xxx.spec

[root@localhost fabric]# pwd

/var/target/fabric

You have new mail in /var/spool/mail/root

[root@localhost fabric]# ls

ib_srpt.spec iscsi.spec  loopback.spec  qla2xxx.spec  tcm_fc.spec usb_gadget.spec  vhost.spec


此外,为了让后端存储设备通过Fibre channel建立target的时候能够自动找到WWN,需要确保qla2xxx.spec里面文件里能自动过滤得到HBAWWN,这是通过修改:

wwn_from_files_filter = "sed -e s/0x// -e 's/../&:/g' -e s/:$//" 实现的。


[root@localhost fabric]# cat qla2xxx.spec

# The qla2xxx fabric module uses the default feature set.

features = acls


# Non-standard module naming scheme

kernel_module = tcm_qla2xxx


# The module uses hardware addresses from there

wwn_from_files = /sys/class/fc_host/host*/port_name


# Transform '0x1234567812345678' WWN notation to '12:34:56:78:12:34:56:78'

wwn_from_files_filter = "sed -e s/0x// -e 's/../&:/g' -e s/:$//"


# The configfs group is default

# configfs_group = qla2xxx



1.实现通过Fibre Channel导出后端存储设备的脚本

可以参考笔者的一个简单实现:

[root@localhost myfc]# cat create_fc_volume.sh

#!/bin/bash


fc_target_name="naa.2100000e1e1b0190"


## initiator wwn can be get by following command""

#cat /sys/class/fc_host/host*/port_name | sed -e s/0x// -e 's/../&:/g' -e s/:$//


acl_host0="21:00:00:0e:1e:c2:3e:a0"

acl_host1="21:00:00:0e:1e:c2:3e:a1"


# step 1: create back-end storage

targetcli /backstores/block create my_lun0 /dev/md1287

targetcli /backstores/block create my_lun1 /dev/md0


# step 2: create target

targetcli /qla2xxx create 21:00:00:0e:1e:1b:01:90

#targetcli /qla2xxx create 21:00:00:0e:1e:1b:01:91


# step 3: export the back-end storage

targetcli /qla2xxx/${fc_target_name}/luns create /backstores/block/my_lun0

targetcli /qla2xxx/${fc_target_name}/luns create /backstores/block/my_lun1


# step 3: set ACL controlling list

targetcli /qla2xxx/${fc_target_name}/acls create ${acl_host0}

targetcli /qla2xxx/${fc_target_name}/acls create ${acl_host1}


# step 4: save configration

targetcli saveconfig myfc_lun.lio


运行上面的脚本,成功之后用targetcli可以看到后端存储target已经建立起来了:


wKioL1kgBxWi7GNWAAFaoYRk05c988.jpg


2.发现并连接FC Target


在上面ACL列出的WWN所对应的HBA卡的host的操作系统上, 运行下面的命令:

echo 1 > /sys/class/fc_host/hostX/issue_lip 就能自动发现并连接上后端存储设备,此时会发现host /dev下面多了

一块设备,可以通过host上的vdbench对它进行简单性能测试:



wKioL1kgB3XijKE9AACtdl29Uek836.jpg


可以看到,上面的带宽确实很快。

























本文转自存储之厨51CTO博客,原文链接: http://blog.51cto.com/xiamachao/1927791,如需转载请自行联系原作者




相关实践学习
【文生图】一键部署Stable Diffusion基于函数计算
本实验教你如何在函数计算FC上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。函数计算提供一定的免费额度供用户使用。本实验答疑钉钉群:29290019867
建立 Serverless 思维
本课程包括: Serverless 应用引擎的概念, 为开发者带来的实际价值, 以及让您了解常见的 Serverless 架构模式
相关文章
|
2月前
|
人工智能 自然语言处理 Serverless
阿里云函数计算 x NVIDIA 加速企业 AI 应用落地
阿里云函数计算与 NVIDIA TensorRT/TensorRT-LLM 展开合作,通过结合阿里云的无缝计算体验和 NVIDIA 的高性能推理库,开发者能够以更低的成本、更高的效率完成复杂的 AI 任务,加速技术落地和应用创新。
156 13
|
3月前
|
机器学习/深度学习 机器人 Serverless
FaaS 的应用场景
FaaS 的应用场景
|
3月前
|
Serverless API 异构计算
函数计算产品使用问题之修改SD模版应用的运行环境
函数计算产品作为一种事件驱动的全托管计算服务,让用户能够专注于业务逻辑的编写,而无需关心底层服务器的管理与运维。你可以有效地利用函数计算产品来支撑各类应用场景,从简单的数据处理到复杂的业务逻辑,实现快速、高效、低成本的云上部署与运维。以下是一些关于使用函数计算产品的合集和要点,帮助你更好地理解和应用这一服务。
|
3月前
|
运维 Serverless 网络安全
函数计算产品使用问题之通过仓库导入应用时无法配置域名外网访问,该如何排查
函数计算产品作为一种事件驱动的全托管计算服务,让用户能够专注于业务逻辑的编写,而无需关心底层服务器的管理与运维。你可以有效地利用函数计算产品来支撑各类应用场景,从简单的数据处理到复杂的业务逻辑,实现快速、高效、低成本的云上部署与运维。以下是一些关于使用函数计算产品的合集和要点,帮助你更好地理解和应用这一服务。
|
24天前
|
运维 Serverless 数据处理
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
64 1
|
28天前
|
运维 监控 Serverless
Serverless架构在图像处理等计算密集型应用中展现了显著的优势
Serverless架构在图像处理等计算密集型应用中展现了显著的优势
30 1
|
1月前
|
存储 消息中间件 人工智能
ApsaraMQ Serverless 能力再升级,事件驱动架构赋能 AI 应用
本文整理自2024年云栖大会阿里云智能集团高级技术专家金吉祥的演讲《ApsaraMQ Serverless 能力再升级,事件驱动架构赋能 AI 应用》。
|
1月前
|
运维 Serverless 数据处理
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
59 3
|
1月前
|
运维 Serverless 数据处理
Serverless架构在图像处理等计算密集型应用中展现了显著的优势
Serverless架构在图像处理等计算密集型应用中展现出显著优势,包括加速研发交付、降低成本、零运维成本、高效资源利用、自动扩展、实时数据处理及快速原型开发,为高并发、动态需求场景提供高效解决方案。
55 1
下一篇
无影云桌面