我們透過blktrace來觀察io行為的時候，第一件事情需要選擇目標裝置，以便分析該裝置的io行為。具體使用可以參考我之前寫的幾篇：這裡 這裡 這裡

blktrace分為核心部分和應用部分，應用部分收到我們要捕捉的裝置名單，傳給核心。核心分佈在block層的各個tracepoint就會開始工作，把相關的資料透過relayfs傳遞到blktrace的應用部分，應用部分把這些資料記到磁碟，以便後續分析。架構參見下圖：

從man blktrace中可以看到：

blktrace stores the extracted data into files stored in the local directory. The format of the file names is (by default) device.blktrace.cpu, where device is the base device name (e.g, if we are tracing /dev/sda, the base device name would be sda); and cpu identifies a CPU for the event stream

這時候問題就來了，如果我的機器只有一個裝置，那麼blktrace存資料檔案這個動作就會影響到我們正常的IO行為。

通常我們的機器會有多個裝置，所以我們會把資料放在不同的裝置上，以避免互相干擾。如果實在只有一個盤，那麼還可以把資料放在ramdisk裡面。 但是ramdisk有大小的限制，還是不夠好。

幸運的是blktrace提供通過網路的方式來儲存資料檔案，只不過文件沒寫明。

通過網路儲存資料的時候，需要2個機器：
1. 一臺執行blktrace server負責儲存資料: blktrace -l
2. 一臺執行blktrace client負責捕獲目標裝置: blktrace -h hostname 可選-s控制是否透過sendfile傳送資料，在大資料量的情況下有效能優勢，預設是透過send一個包一個包的傳送。

我們來演示下，二個終端，一個模擬伺服器，一個模擬客戶端：
伺服器終端上：

$ blktrace -l 
server: waiting for connections...
server: connection from 127.0.0.1
server: end of run for 127.0.0.1:sda
=== sda ===
  CPU  0:                   20 events,        1 KiB data
  CPU  1:                   39 events,        2 KiB data
  Total:                    59 events (dropped 0),        3 KiB data
$ tree 127.0.0.1-2012-02-28-08\:15\:00/
127.0.0.1-2012-02-28-08:15:00/
├── sda.blktrace.0
└── sda.blktrace.1

0 directories, 2 files

客戶端終端上：

$ sudo blktrace -d /dev/sda -h 127.0.0.1
blktrace: connecting to 127.0.0.1
blktrace: connected!
^C=== sda ===
  CPU  0:                   20 events,        1 KiB data
  CPU  1:                   39 events,        2 KiB data
  Total:                    59 events (dropped 0),        3 KiB data

我們來驗證下資料的準確性，在127.0.0.1-2012-02-28-08:15:00目錄下操作：

$ blkrawverify sda
Verifying sda
    CPU 0 
    CPU 1 
Wrote output to sda.verify.out
$ cat sda.verify.out 

---------------
Verifying sda
    ---------------------
    Summary for cpu 0:
             4 valid +          0 invalid (100.0%) processed

    ---------------------
    Summary for cpu 1:
            14 valid +          0 invalid (100.0%) processed

這樣我們就順利的在另外一臺機器上抓到了目標機器上特定裝置的io模式資料，可以進行後續的分析了。

祝玩得開心！

Post Footer automatically generated by wp-posturl plugin for wordpress.