Storage Transfer Service 代理是在 Docker 容器内运行的应用,它们与 Storage Transfer Service 进行协调,以便执行涉及文件系统或 S3 兼容存储空间的转移作业。
如果传输作业不涉及文件系统或与 S3 兼容的存储, 无需设置代理。
本文档介绍如何在服务器上管理转移代理。
概览
代理进程是动态的。运行转移时,可以添加代理以提高性能。新启动的代理会加入分配的代理池,并通过现有转移作业执行工作。您可以使用此功能调整正在运行的代理数量,或调整转移性能以适应不断变化的转移需求。
代理进程是容错的集合。如果其中一个代理停止运行,则其余代理将继续工作。如果所有代理都停止,则在重启代理时,转移会从代理停止的位置继续进行。这样您就无需监控代理、重试转移或实现恢复逻辑。通过协调代理与 Google Kubernetes Engine,您可以修补、迁移和动态扩缩您的代理池,而无需停止转移。
例如,您在两个代理运行时提交两个转移作业。如果其中一个代理由于机器重启或操作系统修补而停止运行,则其余的代理将继续工作。两个转移作业仍在运行,但由于单个代理正在移动数据,速度会较慢。如果剩余的代理也停止,则所有转移作业会停止进行,因为没有代理正在运行。重启代理进程时,转移会从中断位置恢复。
代理进程在一个池中。它们会以并行方式集体迁移数据。 因此,池中的所有代理都必须对您要转移的所有数据源具有相同的访问权限。
例如,如果要从特定文件系统转移数据,则必须将文件系统装载到托管代理池中的代理的每台机器上。如果池中的某些代理可以访问某一数据源,而其他代理无法访问,那么您将无法从该数据源成功转移。
准备工作
在配置转移作业之前,请确保您已配置相应的访问权限:针对用户和服务账号。
如果您要使用 gcloud
命令,请安装 gcloud CLI。
安装并运行转移代理
我们建议为每个代理池安装至少三个代理,并且这些代理最好是安装在不同的机器上。如需详细了解如何确定要运行的代理数量,请参阅最大限度地提高转移代理性能。
请勿在代理 ID 前缀中包含敏感信息,例如个人身份信息 (PII) 或安全数据。资源名称可能会传播到其他 Google Cloud 资源的名称,并且可能会向您项目之外的 Google 内部系统公开。如需安装并运行转移代理,请执行以下操作:
Google Cloud 控制台
gcloud CLI
如需使用 gcloud CLI 安装一个或多个代理,请运行 gcloud transfer agents install
:
gcloud transfer agents install --pool=POOL_NAME --count=NUM_AGENTS \
--mount-directories=MOUNT_DIRECTORIES
该工具将引导您完成安装代理所需的所有步骤。此命令会在您的机器上安装 NUM_AGENTS 个代理,将这些代理映射到指定为 POOL_NAME 的池名称,并使用您的 gcloud
凭据对这些代理进行身份验证。池名称必须存在,否则会返回错误。
--mount-directories
标志是可选的,但强烈建议使用。它的值是文件系统上的目录的逗号分隔列表,您将向代理授予这些目录的访问权限。如果省略此标志,系统会将整个文件系统装载到代理容器。如需了解详情,请参阅 gcloud
参考文档。
兼容 S3 的来源
安装要用于兼容 S3 的来源的代理时,您必须提供 AWS 凭据,该凭据可以作为 AWS_ACCESS_KEY_ID
和 AWS_SECRET_ACCESS_KEY
值存储在环境变量中,也可以作为默认凭据存储在系统的配置文件中。
export AWS_ACCESS_KEY_ID=ID
export AWS_SECRET_ACCESS_KEY=SECRET
gcloud transfer agents install --pool=POOL_NAME \
--creds-file=/relative/path/to/service-account-key.json
使用服务账号密钥
如需使用服务账号密钥运行代理,请使用 --creds-file
选项:
gcloud transfer agents install --pool=POOL_NAME --count=NUM_AGENTS \
--creds-file=/relative/path/to/service-account-key.json
更多信息
如需查看可选标志的完整列表,请运行 gcloud transfer agents install --help
或参阅 gcloud transfer
参考文档。
docker run
在使用 docker run
安装代理之前,请先按照相关说明安装 Docker。
docker run
命令会安装一个代理。如需增加池中的代理数量,请根据需要重复运行此命令数次。
安装代理时,您可以选择使用 gcloud
默认凭据或服务账号进行身份验证。
默认凭据
如需允许 Docker 容器使用您的 gcloud
默认凭据进行身份验证,请运行以下命令,创建一个包含带有应用默认凭据的文件的 Docker 卷:
sudo docker run -ti --name gcloud-config google/cloud-sdk gcloud auth application-default login
然后使用
--volumes-from
标志,用于装载 gcloud-config
凭据卷:
sudo docker run --ulimit memlock=64000000 -d --rm \ --volumes-from gcloud-config \ -v HOST_DIRECTORY:CONTAINER_DIRECTORY \ gcr.io/cloud-ingest/tsop-agent:latest \ --project-id=PROJECT_ID \ --hostname=$(hostname) \ --agent-pool=POOL_NAME
服务账号身份验证
使用服务账号安装和运行转移代理“docker run
”
凭据,请指定 JSON 格式的服务账号密钥的路径
使用 --creds-file
标志指定名称。
该路径必须以字符串 /transfer_root
为前缀。
请参阅 创建和管理服务账号 了解有关服务账号密钥的更多信息。
sudo docker run --ulimit memlock=64000000 -d --rm \ -v HOST_DIRECTORY:CONTAINER_DIRECTORY \ -v PATH/TO/KEY.JSON:PATH/TO/KEY.JSON \ gcr.io/cloud-ingest/tsop-agent:latest \ --project-id=PROJECT_ID \ --creds-file=/transfer_root/PATH/TO/KEY.JSON --hostname=$(hostname) \ --agent-pool=POOL_NAME
选项和标志
将上述示例中的变量替换为以下信息:
HOST_DIRECTORY
是要从中复制数据的主机目录。 您可以使用多个-v
标志指定要从中进行复制的其他目录。CONTAINER_DIRECTORY
是映射到代理容器内的目录。 该目录必须与HOST_DIRECTORY
相同。PROJECT_ID
是托管转移作业的项目 ID。POOL_NAME
是要在其中安装代理的代理池的名称。如果您省略此标志,则代理会安装到项目的transfer_service_default
池中。
docker run
命令支持其他标志。
--enable-mount-directory
将整个文件系统装载到容器上的/transfer_root
目录下。如果指定了--enable-mount-directory
,则不会应用使用-v
标志的目录限制。--creds-file=CREDENTIAL_FILE
指定 JSON 格式的服务账号凭据文件的路径。除非您使用--enable_mount_directory
,否则必须执行以下操作:- 使用
-v
标志装载凭据文件。 - 在
--creds-file
的路径前添加/transfer_root
前缀。
例如:
-v /tmp/key.json:/tmp/key.json \ --creds-file=/transfer_root/tmp/key.json
- 使用
--enable-s3
指定代理用于来自与 S3 兼容的存储的转移作业。使用此选项安装的代理不能用于来自 POSIX 文件系统的转移作业。如果转移作业来自与 AWS S3 或 S3 兼容的存储,请使用环境变量传递您的访问密钥 ID 和密钥:
-e AWS_ACCESS_KEY_ID=AWS_ACCESS_KEY_ID \ -e AWS_SECRET_ACCESS_KEY=AWS_SECRET_ACCESS_KEY
--env HTTPS_PROXY=PROXY
指定转发代理 您的广告联盟上PROXY
的值是代理服务器的 HTTP 网址和端口。确保您指定 HTTP 网址(而不是 HTTPS 网址),以避免在 TLS 加密中重复封装请求。重复封装的请求会阻止代理服务器发送有效的出站请求。--agent-id-prefix=ID_PREFIX
指定附加到代理 ID 的可选前缀,可帮助在 Google Cloud 控制台中识别代理或其机器。使用前缀时,代理 ID 的格式为prefix + hostname + Docker container ID
。--log-dir=LOGS_DIRECTORY
修改代理将日志写入的目录。默认目录是/tmp/
。如果您未指定
--enable_mount_directory
,则必须为此路径添加前缀/transfer_root
。例如/transfer_root/logs
。--max-physical-mem=MAX_MEMORY
:代理默认使用 8GiB 系统内存的上限。如果默认环境不适合您的环境,您可以通过以下格式指定相关的最大内存使用量:max-physical-mem
值内存上限设置 6g
6 GB 6gb
6 GB 6GiB
6 GiB
确认代理连接
如需确认代理是否已连接,请执行以下操作:
在 Google Cloud 控制台中,转到代理池页面。
系统会显示您的代理池以及已连接的代理数量。
选择一个代理池,以查看有关连接的代理的详细信息。
如果新代理在创建后 10 分钟内未显示在代理池页面中,请参阅代理未连接。
监控代理活动
您可以使用 Cloud Monitoring 提醒来监控代理活动。
您可以通过 project
、agent_pool
和 agent_id
维度进行监控。
利用此监控数据,您可以设置提醒,以便在您的转移出现潜在问题时接收通知。为此,请针对以下任一 Google Cloud 指标创建提醒:
指标名称 | 所描述的内容 | 建议用途 |
---|---|---|
storagetransfer.googleapis.com/agent/transferred_bytes_count | 测量特定代理在某个时间点跨其服务的所有作业移动数据的速度。 | 性能下降提醒。 |
storagetransfer.googleapis.com/agent/connected | Google Cloud 近期收到过检测信号消息的各个代理的 True 布尔值。 |
|
停止代理
如需停止代理,请在代理的 Docker 容器 ID 上运行 docker stop
。如需查找 ID 并停止代理,请执行以下操作:
在 Google Cloud 控制台中,转到代理池页面。
选择包含要停止的代理的代理池。
从列表中选择代理。使用过滤条件字段搜索前缀、代理状态、代理存在时间等。
点击停止代理。系统会显示包含特定容器 ID 的
docker stop
命令。在运行代理的机器上运行该命令。成功的
docker stop
命令会返回容器 ID。
停止后,代理将在代理池列表中显示为已断开连接。
删除代理
如需删除特定代理,请列出机器上运行的代理:
docker container list --all --filter ancestor=gcr.io/cloud-ingest/tsop-agent
然后,将代理 ID 传递给 transfer agents delete
:
gcloud transfer agents delete --ids=id1,id2,…
如需删除机器上运行的所有代理,请使用 --all
标志或 --uninstall
标志。这两个标志都会删除机器上的所有代理;--uninstall
标志还会卸载代理 Docker 映像。
gcloud transfer agents delete --all
gcloud transfer agents delete --uninstall
文件系统转移详情
增量转移
Storage Transfer Service 通过计算源和目标位置的数据来确定自上次转移后新增、更新或删除的源文件,开始所有转移。我们这样做是为了减少从机器发送的数据量,有效利用带宽以及减少转移时间。
为了检测文件是否已更改,我们会检查源文件的最后修改时间和大小,并将其与上次复制文件时记录的修改时间和大小进行比较。当我们检测到新文件或更改后的文件时,我们会将整个文件复制到目标位置。如需详细了解文件新鲜度,请参阅数据一致性详细信息。
默认情况下,我们会检测在来源上删除的文件,但不会对其进行操作。如果在创建或修改时选择同步选项删除源位置中也不存在的目标文件,您的转移将删除目标位置的相应对象。
如果选择同步选项删除源位置中也不存在的目标文件,则在源中意外删除的文件也会在目标位置中删除。为防止意外删除造成数据丢失,如果您选择使用此选项,我们建议您在目标存储分区中启用对象版本控制。如果不小心删除了某个文件,则可以将 Cloud Storage 中的对象恢复为旧版本。
数据一致性详情
成功的转移操作将转移在操作的整个运行期间存在且未修改过的所有源文件。在转移期间创建、更新或删除的源文件可能会也可能不会在目标数据集中反映这些更改。
Storage Transfer Service 会使用文件的上次修改时间和大小来确定其是否已更改。如果更新文件时没有更改其上次修改时间或大小,并且您启用了 delete-objects-from-source
选项,则您可能会丢失此更改中的数据。
使用 delete-objects-from-source
功能时,我们强烈建议您在传输期间冻结对来源的写入,以防止数据丢失。
如需冻结对来源的写入,请执行以下操作之一:
- 克隆要转移的目录,然后使用克隆的目录作为转移来源。
- 停止写入源目录的应用。
如果必须捕获转移期间发生的更改,您可以重新运行转移,或者在操作运行时将源文件系统设置为只读。
由于 Cloud Storage 没有目录概念,因此不会转移空的源目录。