首页 > 其他分享 >etcd 参数优化

etcd 参数优化

时间:2023-06-29 11:57:52浏览次数:24  
标签:快照 timeout -- 参数 election etcd 默认值 优化

heartbeat-interval

目前 heartbeat-interval 使用默认值 即100 , 较小的心跳间隔会导致发送频繁的消息,消耗 CPU 和网络资源。而较大的心跳间隔,又会导致检测到 Leader 故障不可用耗时过长,影响业务可用性。我们可以将其优化为300 

election-timeout

目前 election-timeout 使用默认值 即1000 election-timeout至少为heartbeat-interval的10倍 因此需要调整为 3000

snapshot-count

snapshot-count 值过大它会消耗较多内存,过小则的话在某节点数据落后时,如果它请求同步的日志条目 Leader 已经压缩了,此时我们就不得不将整个 db 文件发送给落后节点,然后进行快照重建。快照重建是极其昂贵的操作,对服务质量有较大影响,因此我们需要尽量避免快照重建。etcd 3.2 版本之前 snapshot-count 参数值是 1 万,比较低,短时间内大量写入就较容易触发慢的 Follower 节点快照重建流程。etcd 3.2 版本后将其默认值调大到 10 万,可以将该参数调整为默认值即10万。(tcs存在一行log数据量过大的问题 如果改成10w可能会导致内存占用过大 暂时维持1w)

quota-backend-bytes

目前设置为 32g 比较大 可以调整为社区的推荐值 8g 防止db文件过大导致的一系列问题(如 etcd启动时间过长 等)

logger

目前为默认值 不开启 trace日志 可以设置为zap 开启trace日志 可以查看etcd请求流程各个阶段的耗时情况 便于排查问题

 

参数优化汇总

--heartbeat-interval=300 (当前为默认值 100)

--election-timeout=3000(当前为默认值 1000)

--quota-backend-bytes=8589934592 (当前值为 34359738368)

--logger=zap (当前不开启trace日志)

--metrics=extensive 

GODEBUG:madvdontneed=1

标签:快照,timeout,--,参数,election,etcd,默认值,优化
From: https://www.cnblogs.com/Robi-9662/p/17513842.html

相关文章

  • 模板元编程之非类型模板参数
    一、简介对于函数模板和类模板,模板参数并不局限于类型,普通值也可以作为模板参数,当要使用基于值的模板时,必须显示的指定这些值,才能够对模板进行实例化,并获得最终代码。template<typenameT,intMAXSIZE>classStack{private:Telems[MAXSIZE];//包含元素的数组i......
  • m基于NB-IoT网络的SWAP资源分配优化算法matlab仿真
    1.算法仿真效果matlab2022a仿真结果如下:    2.算法涉及理论知识概要       NB-IoT是一种新兴的低功耗广域物联网(LPWAN)通信技术,它可以实现低功耗、低成本、大容量和广覆盖的特点,适用于物联网应用场景。在NB-IoT网络中,由于物联网设备的数量较大、通信频率较低......
  • 一个JVM参数,服务超时率降了四分之三
    先说结论:通过优化Xms,改为和Xmx一致,使系统的超时率降了四分之三1.背景一个同事说他负责的服务在一次上线之后超时率增加了一倍2.分析2.1机器的监控首先找了一台机器,看了监控上线后最明显的变化就是CPU使用率变高了2.2上线改动点上线只加了简单的判断条件,按理不应该......
  • -Xmx参数建议设置为系统内存的多少?
    在设置-Xmx参数时,建议将其设置为系统内存的一定比例。具体的比例需要根据应用程序的特点、系统资源的限制等各种因素进行综合考虑。如果将-Xmx参数设置得过小,可能会导致JVM分配的堆内存不足以容纳应用程序需要的对象,从而引起OutOfMemoryError错误。如果将-Xmx参数设置......
  • 浅谈单调队列优化DP
    对于形如\[f_i=\max(f_{L≤j≤R}+w_i)\]的状态转移方程,也就是转移来自之前某个定长区间的最值,我们可以使用单调队列来维护区间最值,从而优化时间复杂度。烽火传递我们看到题目可以想到用\(f_i\)表示考虑到\(i\)这个烽火台,点第\(i\)个的合法方案中的最小代价那么可以想到......
  • Android ListView运行效率优化
    上篇介绍了ListView的用法,链接如下,这篇主要讲解如何提升ListView的效率Android定制ListView的界面1、使用缓存布局ListView如果不进行优化,其运行效率是很低的,因为在Adapter类的getView方法中,每次都将布局重新加载一遍,当ListView快速滚动时,这就会成为性能瓶颈。Adapter类的get......
  • [重要] 用python写一个可变长参数的累加函数
    [重要]用python写一个可变长参数的累加函数━━━━━━━━━━━━━━━━━━━━━━你可以使用Python的可变长度参数*args来编写一个可以接受任意数量参数的累加函数。这样的函数定义如下:defsum(*args):#passreturnsum(args)━━━━━━━━━━━━━......
  • 优化算法——拟牛顿法之DFP算法
    4、求解具体的优化问题  求解无约束优化问题function.py#coding:UTF-8'''Createdon2015年5月19日@author:zhaozhiyong'''fromnumpyimport*#fundeffun(x):return100*(x[0,0]**2-x[1,0])**2+(x[0,0]-1)**2......
  • 优化算法——拟牛顿法之BFGS算法
    一、BFGS算法简介  BFGS算法是使用较多的一种拟牛顿方法,是由Broyden,Fletcher,Goldfarb,Shanno四个人分别提出的,故称为BFGS校正。  同DFP校正的推导公式一样,DFP校正见博文“优化算法——拟牛顿法之DFP算法”。对于拟牛顿方程:。function.py#codin......
  • 优化算法——拟牛顿法之L-BFGS算法
    四、L-BFGS算法中的方向的计算方法五、实验仿真lbfgs.py#coding:UTF-8fromnumpyimport*fromfunctionimport*deflbfgs(fun,gfun,x0):result=[]#保留最终的结果maxk=500#最大的迭代次数rho=0.55sigma=0.4H0=eye(shape(x0)[0])......