- MyPLC 0.4 RC2
authorMark Huang <mlhuang@cs.princeton.edu>
Fri, 21 Jul 2006 20:30:20 +0000 (20:30 +0000)
committerMark Huang <mlhuang@cs.princeton.edu>
Fri, 21 Jul 2006 20:30:20 +0000 (20:30 +0000)
bwmon.py
pl_mom.py
pl_mom.spec
swapmon.py

index b1b18e6..60cb543 100755 (executable)
--- a/bwmon.py
+++ b/bwmon.py
 #
 # Mark Huang <mlhuang@cs.princeton.edu>
 # Andy Bavier <acb@cs.princeton.edu>
+# Faiyaz Ahmed <faiyaza@cs.princeton.edu>
 # Copyright (C) 2004-2006 The Trustees of Princeton University
 #
-# $Id: bwmon.py,v 1.4 2006/06/02 04:00:00 mlhuang Exp $
+# $Id: bwmon.py,v 1.8 2006/07/10 20:22:12 faiyaza Exp $
 #
 
 import syslog
@@ -84,14 +85,22 @@ class Slice:
     name - slice name
     time - beginning of recording period in UNIX seconds
     bytes - low bandwidth bytes transmitted at the beginning of the recording period
-    exemptbytes - high bandwidth bytes transmitted at the beginning of the recording period
-    avgrate - average low bandwidth rate to enforce over the recording period
-    avgexemptrate - average high bandwidth rate to enforce over the recording period 
+    exemptbytes - high bandwidth bytes transmitted at the beginning of the recording period (for I2 -F)
+    last_avgrate - last recorded avgrate from NM
+    last_maxrate - last recorded maxrate from NM
+    last_avgexemptrate - last recorded avgexemptrate from NM
+    last_maxexemptrate - last recorded maxexemptrate from NM
     """
 
     def __init__(self, xid, name, maxrate, maxexemptrate, bytes, exemptbytes):
         self.xid = xid
         self.name = name
+       self.time = 0
+       self.exemptbytes = 0
+       self.last_maxrate = default_maxrate
+       self.last_avgrate = default_avgrate
+       self.last_avgexemptrate = default_avgexemptrate 
+       self.last_maxexemptrate = default_maxexemptrate 
         self.reset(maxrate, maxexemptrate, bytes, exemptbytes)
 
     def __repr__(self):
@@ -110,12 +119,24 @@ class Slice:
         self.bytes = bytes
         self.exemptbytes = exemptbytes
 
+       # If NM except"ns below, and new_max* doesn't get set, use last.
+       new_maxrate = self.last_maxrate
+       new_maxexemptrate = self.last_maxexemptrate
+
         # Query Node Manager for max rate overrides
-        (new_maxrate, new_maxexemptrate) = nm.query(self.name, [('nm_net_max_rate', -1), ('nm_net_max_exempt_rate', -1)])
-        if new_maxrate == -1:
-            new_maxrate = default_maxrate
-        if new_maxexemptrate == -1:
-            new_maxexemptrate = default_maxexemptrate
+       try:
+               vals = nm.query(self.name, [('nm_net_max_rate', self.last_maxrate),
+                               ('nm_net_max_exempt_rate', self.last_maxexemptrate),
+                               ('nm_net_avg_rate', self.last_avgrate),
+                               ('nm_net_avg_exempt_rate', self.last_avgexemptrate)])
+               (new_maxrate, new_maxexemptrate, 
+                       self.last_avgrate, self.last_avgexemptrate) = vals 
+               #If NM is alive, and there is a cap, update new
+               self.last_maxrate = new_maxrate
+               self.last_maxexemptrate = new_maxexemptrate
+
+       except Exception, err:
+               print "Warning: Exception received while querying NM:", err
 
         if new_maxrate != maxrate or new_maxexemptrate != maxexemptrate:
             print "%s reset to %s/%s" % \
@@ -134,15 +155,23 @@ class Slice:
         it will get to send slightly more than the average daily byte
         limit.
         """
+       
+       # If NM except'ns below, and avg*rate doesn't get set, use last_*.
+       avgrate = self.last_avgrate
+       avgexemptrate = self.last_avgexemptrate
 
         # Query Node Manager for max average rate overrides
-        (self.avgrate, self.avgexemptrate) = nm.query(self.name, [('nm_net_avg_rate', -1), ('nm_net_avg_exempt_rate', -1)])
-        if self.avgrate == -1:
-            self.avgrate = default_avgrate
-        if self.avgexemptrate == -1:
-            self.avgexemptrate = default_avgexemptrate
-
-        # Prepare message parameters from the template
+       try:
+               (avgrate, avgexemptrate) = nm.query(self.name, 
+                       [('nm_net_avg_rate', self.last_avgrate), 
+                       ('nm_net_avg_exempt_rate', self.last_avgexemptrate)])
+               #If NM is alive, and there is a cap, update new
+               self.last_avgexemptrate = avgexemptrate
+               self.last_avgrate = avgrate
+        except Exception, err:
+                print "Warning: Exception received while querying NM:", err
+       # Prepare message parameters from the template
         message = ""
         params = {'slice': self.name, 'hostname': socket.gethostname(),
                   'since': time.asctime(time.gmtime(self.time)) + " GMT",
@@ -150,10 +179,10 @@ class Slice:
                   'date': time.asctime(time.gmtime()) + " GMT",
                   'period': format_period(period)} 
 
-        bytelimit = self.avgrate * period / bits_per_byte
+        bytelimit = avgrate * period / bits_per_byte
         if bytes >= (self.bytes + bytelimit) and \
-           maxrate > self.avgrate:
-            new_maxrate = self.avgrate
+           maxrate > avgrate:
+            new_maxrate = avgrate
         else:
             new_maxrate = maxrate
 
@@ -162,11 +191,11 @@ class Slice:
         params['bytes'] = format_bytes(bytes - self.bytes)
         params['maxrate'] = bwlimit.format_tc_rate(maxrate)
         params['limit'] = format_bytes(bytelimit)
-        params['avgrate'] = bwlimit.format_tc_rate(self.avgrate)
+        params['avgrate'] = bwlimit.format_tc_rate(avgrate)
 
         if verbose:
             print "%(slice)s %(class)s " \
-                  "%(bytes)s/%(limit)s (%(maxrate)s/%(avgrate)s)" % \
+                  "%(bytes)s, %(limit)s (%(maxrate)s max/%(avgrate)s avg)" % \
                   params
 
         # Cap low bandwidth burst rate
@@ -174,10 +203,10 @@ class Slice:
             message += template % params
             print "%(slice)s %(class)s capped at %(avgrate)s (%(bytes)s/%(limit)s)" % params
 
-        exemptbytelimit = self.avgexemptrate * period / bits_per_byte
+        exemptbytelimit = avgexemptrate * period / bits_per_byte
         if exemptbytes >= (self.exemptbytes + exemptbytelimit) and \
-           maxexemptrate > self.avgexemptrate:
-            new_maxexemptrate = self.avgexemptrate
+           maxexemptrate > avgexemptrate:
+            new_maxexemptrate = avgexemptrate
         else:
             new_maxexemptrate = maxexemptrate
 
@@ -186,11 +215,11 @@ class Slice:
         params['bytes'] = format_bytes(exemptbytes - self.exemptbytes)
         params['maxrate'] = bwlimit.format_tc_rate(maxexemptrate)
         params['limit'] = format_bytes(exemptbytelimit)
-        params['avgrate'] = bwlimit.format_tc_rate(self.avgexemptrate)
+        params['avgrate'] = bwlimit.format_tc_rate(avgexemptrate)
 
         if verbose:
             print "%(slice)s %(class)s " \
-                  "%(bytes)s/%(limit)s (%(maxrate)s/%(avgrate)s)" % \
+                  "%(bytes)s, %(limit)s (%(maxrate)s max /%(avgrate)s avg)" % \
                   params
 
         # Cap high bandwidth burst rate
@@ -269,18 +298,18 @@ def main():
         (version, slices) = pickle.load(f)
         f.close()
         # Check version of data file
-        if version != "$Id: bwmon.py,v 1.4 2006/06/02 04:00:00 mlhuang Exp $":
+        if version != "$Id: bwmon.py,v 1.8 2006/07/10 20:22:12 faiyaza Exp $":
             print "Not using old version '%s' data file %s" % (version, datafile)
             raise Exception
     except Exception:
-        version = "$Id: bwmon.py,v 1.4 2006/06/02 04:00:00 mlhuang Exp $"
+        version = "$Id: bwmon.py,v 1.8 2006/07/10 20:22:12 faiyaza Exp $"
         slices = {}
 
     # Get special slice IDs
     root_xid = bwlimit.get_xid("root")
     default_xid = bwlimit.get_xid("default")
 
-    # Open connection to Node Manager
+    #Open connection to Node Manager
     nm = NM()
 
     live = []
@@ -304,6 +333,8 @@ def main():
         if names and name not in names:
             continue
 
+       #slices is populated from the pickle file
+       #xid is populated from bwlimit (read from /etc/passwd) 
         if slices.has_key(xid):
             slice = slices[xid]
             if time.time() >= (slice.time + period) or \
index 51cb34e..6508243 100644 (file)
--- a/pl_mom.py
+++ b/pl_mom.py
@@ -5,7 +5,7 @@
 # Mark Huang <mlhuang@cs.princeton.edu>
 # Copyright (C) 2006 The Trustees of Princeton University
 #
-# $Id: pl_mom.py,v 1.3 2006/05/09 03:22:25 mlhuang Exp $
+# $Id: pl_mom.py,v 1.5 2006/07/10 15:19:35 faiyaza Exp $
 #
 
 import os
@@ -167,11 +167,10 @@ class NM:
     Simple interface to local Node Manager API
     """
 
-    def __init__(self, url = "http://localhost:812/", timeout = 10):
+    def __init__(self, url = "http://localhost:812/", timeout = 30):
         """
         Open a new connection to the local Node Manager
         """
-
         socket.setdefaulttimeout(timeout)
         try:
             self.nm = xmlrpclib.ServerProxy(url)
@@ -190,8 +189,7 @@ class NM:
         values = [attribute[1] for attribute in attributes]
 
         if self.nm is not None:
-            try:
-                # Read rspec (the NM hash code for the slice)
+               # Read rspec (the NM hash code for the slice)
                 rcap = open("/var/run/pl_nm/%s.vm_rcap" % slice, "r")
                 rspec = rcap.readline().strip()
                 rcap.close()
@@ -199,7 +197,4 @@ class NM:
                 (rc, result) = self.nm.nm_inspect(rspec, attributes)
                if rc == 0 and type(result) == list and len(result) == len(values):
                    values = result
-            except Exception, err:
-                print "Warning: Exception received while querying Node Manager:", err
-
         return values
index 79545c0..5ea1e72 100644 (file)
@@ -1,6 +1,6 @@
 %define name pl_mom
 %define version 0.4
-%define release 3%{?pldistro:.%{pldistro}}%{?date:.%{date}}
+%define release 7%{?pldistro:.%{pldistro}}%{?date:.%{date}}
  
 Summary: PlanetLab node monitoring tools
 Name: %{name}
@@ -102,3 +102,21 @@ exit 0
 %{_initrddir}/swapmon
 /usr/local/planetlab/bin/pl_mop.sh
 %{_sysconfdir}/cron.d/pl_mom
+
+%changelog
+* Wed Jul 19 2006 Faiyaz Ahmed <faiyaza@cs.princeton.edu> 0.4-7.planetlab
+- swapmon: Added state info so same reset email does not keep getting
+  sent. If slice is already being killed, will wait for a timeout
+  before trying to kill again.
+
+* Mon Jul 17 2006 Faiyaz Ahmed <faiyaza@cs.princeton.edu> 0.4-6.planetlab
+- swapmon: Added state information per slice.  Slices are now killed
+  after consuming more memory than the threshold more than twice.
+  Also fixed the slice restart issue where slices would be restarted
+  and repeated restart emails would be sent.
+
+* Mon Jul 10 2006 Faiyaz Ahmed <faiyaza@cs.princeton.edu> 0.4-5.planetlab
+- bwmon: Initialize default limits
+
+* Mon Jul 10 2006 Faiyaz Ahmed <faiyaza@cs.princeton.edu> 0.4-4.planetlab
+- bwmon: Use cached values if NM stops responding
index 3f6304e..671663d 100755 (executable)
@@ -7,9 +7,10 @@
 #
 # Mark Huang <mlhuang@cs.princeton.edu>
 # Andy Bavier <acb@cs.princeton.edu>
+# Faiyaz Ahmed <faiyaza@cs.princeton.edu>
 # Copyright (C) 2004-2006 The Trustees of Princeton University
 #
-# $Id: swapmon.py,v 1.4 2006/05/02 17:23:14 mlhuang Exp $
+# $Id: swapmon.py,v 1.9 2006/07/19 19:40:55 faiyaza Exp $
 #
 
 import syslog
@@ -44,11 +45,23 @@ period = 30
 change_thresh = 5
 
 # Swap utilization at which the largest consumer of physical memory is reset
-reset_thresh = 85
+reset_thresh = 80
 
 # Swap utilization at which the machine is rebooted
 reboot_thresh = 95
 
+# Time to wait before checking slice again after reset
+reset_timeout = 15
+
+# Number of strikes before killing (strike, strike, kill)
+kill_thresh = 2
+
+# Time to wait before removing slice from kill queue (probation) 
+kill_timeout = 120 
+
+# Don't email the same message more than once in the same emailtimeout interval
+email_timeout = 1800
+
 # Minimum physical memory utilization to be considered the largest consumer
 min_thresh = 10
 
@@ -108,6 +121,134 @@ behavior.
 %(date)s %(hostname)s alarm %(slice)s
 """.lstrip()
 
+# Message sent after a slice has been killed
+kill_subject = "pl_mom killed slice %(slice)s on %(hostname)s"
+kill_body = \
+"""
+Sometime before %(date)s, swap space was
+nearly exhausted on %(hostname)s.
+
+Slice %(slice)s was killed since it was the largest consumer of
+physical memory at %(rss)s (%(percent)4.1f%%) after repeated restarts.
+
+Please reply to this message explaining the nature of your experiment,
+and what you are doing to address the problem.
+
+%(slice)s processes prior to reset:
+
+%(table)s
+
+%(date)s %(hostname)s reset %(slice)s
+""".lstrip()
+
+
+
+class Reset:
+       """
+       Keeps track of state information for resets and kills
+
+       resettimeleft - timeout before checking for next reset
+       resetcount - number of strikes 
+       killtimeleft - time out before removing from kill queue
+       {kill,reset}mail - Time of last email
+       kill - State of kill.  If slice is already being killed, wait before retry.
+       """
+
+       def __init__(self,name):
+               self.name = name
+               self.resettimeleft = reset_timeout
+               self.resetcount = 0 
+               self.resetmail = 0
+               self.kill = False
+               self.killtimeleft = kill_timeout
+               self.killmail = 0
+
+       def __repr__(self):
+               return self.name
+       
+       def update(self):
+               # Count down for next check of reset slice.
+                       if self.resettimeleft > 0:
+                        self.resettimeleft -= 1
+                        if debug and verbose:
+                                       print "%s has %s seconds in probation" \
+                                       %(self.name, self.killtimeleft)
+               if self.killtimeleft > 0:
+                       # Count down kill probation timer (killtimeleft)
+                       self.killtimeleft -= 1
+                       if self.killtimeleft == 1:
+                               print "%s is out of probation" % self.name
+               else:
+                       # Once out of probation period (killtimeleft), remove strikes
+                       self.resetcount = 0
+                       self.kill = False
+
+
+       # Check to see if a slice needs to be killed.  If it has rules more than kill_thresh in 
+       # the probation period (kill_timeout) send an email, kill the slice.
+       def checkkill(self,params):
+               if self.killtimeleft > 0 and self.resetcount >= kill_thresh and \
+               self.kill == False:
+                       self.kill = True
+                       if debug:
+                                print kill_subject % params
+                                print kill_body % params
+                       try:
+                               pid = os.fork()
+                               if pid == 0:
+                                       print "Slice %s is being killed." % self.name   
+                                               vserver = VServer(self.name)
+                                               vserver.stop()
+                                       os._exit(0)
+                               else:
+                                       os.waitpid(pid,0)
+                       except Exception, err:
+                                       print "Warning: Exception received while killing slice %s: %s" \
+                                       % self.name, err
+                       if (time.time() - self.killmail) > email_timeout:
+                               slicemail(self.name, kill_subject % params, kill_body % params)
+                               print "Sending KILL email for slice %s" % self.name
+                               self.killmail = time.time() 
+                       return True
+               return False 
+
+       # Reset slice after checking to see if slice is out of timeout.
+       # Increment resetcount, check to see if larger than kill_thresh.
+       def reset(self, params):
+               # If its the first reset or if its been reset before
+               # and we are out of the reset timeout.
+               if self.resetcount == 0 or self.resettimeleft == 0:
+                       # Do we need to kill this slice?  Check history first.
+                       if self.checkkill(params):
+                               return
+                       # Update counters
+                       self.resetcount += 1
+                       self.killtimeleft = kill_timeout
+                       self.resettimeleft = reset_timeout
+                       print "%s has %s seconds to die and has been reset %s times" \
+                               %(self.name, self.resettimeleft, self.resetcount)
+                       if debug:
+                               print reset_subject % params
+                               print reset_body % params
+                       try:
+                               pid = os.fork()
+                               if pid == 0:
+                                               print "Resetting slice " + self.name 
+                                               vserver = VServer(self.name)
+                                               vserver.stop()
+                                               vserver.start(wait = False)
+                                               os._exit(0)
+                               else:
+                                       os.waitpid(pid,0)
+                       except Exception, err:
+                                       print "Warning: Exception received while resetting slice %s:" \
+                                       % self.name, err
+                       if (time.time() - self.resetmail) > email_timeout:
+                                       slicemail(self.name, reset_subject % params, reset_body % params)
+                               print "Sending Reset email for slice %s" % self.name
+                               self.resetmail = time.time() 
+
+
 def usage():
     print """
 Usage: %s [OPTIONS]...
@@ -349,7 +490,7 @@ def main():
         (version, slices) = pickle.load(f)
         f.close()
         # Check version of data file
-        if version != "$Id: swapmon.py,v 1.4 2006/05/02 17:23:14 mlhuang Exp $":
+        if version != "$Id: swapmon.py,v 1.9 2006/07/19 19:40:55 faiyaza Exp $":
             print "Not using old version '%s' data file %s" % (version, datafile)
             raise Exception
 
@@ -366,7 +507,7 @@ def main():
         # Delete data file
         os.unlink(datafile)
     except Exception:
-        version = "$Id: swapmon.py,v 1.4 2006/05/02 17:23:14 mlhuang Exp $"
+        version = "$Id: swapmon.py,v 1.9 2006/07/19 19:40:55 faiyaza Exp $"
         slices = {}
 
     # Query process table every 30 seconds, or when a large change in
@@ -378,11 +519,18 @@ def main():
     # System slices that we have warned but could not reset
     warned = []
 
+    # Slices that were reset
+    resetlist = {}
+
     while True:
         used = swap_used()
+
+       for resetslice in resetlist.keys():
+               resetlist[resetslice].update()
+       
         if last_used is None:
             last_used = used
-        if verbose:
+       if verbose:
             print "%d%% swap consumed" % used
 
         if used >= reboot_thresh:
@@ -404,9 +552,10 @@ def main():
             slicelist.sort(lambda a, b: b['rss'] - a['rss'])
             for slice in slicelist:
                 percent = 100. * slice['rss'] / total_rss
+
                 if percent < min_thresh:
                     continue
-
+               
                 print "%d%% swap consumed, slice %s is using %s (%d%%) of memory" % \
                       (used,
                        slice['name'],
@@ -433,36 +582,21 @@ def main():
                 # Match slice name against system slice patterns
                 is_system_slice = filter(None, [re.match(pattern, slice['name']) for pattern in system_slices])
 
-                if is_system_slice:
-                    # Do not reset system slices, just warn once
-                    if slice['name'] not in warned:
-                        warned.append(slice['name'])
-                        if debug:
-                            print alarm_subject % params
-                            print alarm_body % params
-                        else:
-                            print "Warning slice " + slice['name']
-                            slicemail(slice['name'], alarm_subject % params, alarm_body % params)
+                if is_system_slice: 
+                       if slice['name'] not in warned:
+                                       warned.append(slice['name'])
+                                       if debug:
+                                               print alarm_subject % params
+                                               print alarm_body % params
+                               else:
+                                       print "Warning slice " + slice['name']
+                                       slicemail(slice['name'], alarm_subject % params, 
+                                       alarm_body % params)
                 else:
-                    # Otherwise, reset
-                    if debug:
-                        print reset_subject % params
-                        print reset_body % params
-                    else:
-                        try:
-                            pid = os.fork()
-                            if pid == 0:
-                                print "Resetting slice " + slice['name']
-                                vserver = VServer(slice['name'])
-                                vserver.stop()
-                                vserver.start(wait = False)
-                                os._exit(0)
-                            else:
-                                os.waitpid(pid, 0)
-                        except Exception, err:
-                            print "Warning: Exception received while resetting slice %s:" % slice['name'], err
-                        slicemail(slice['name'], reset_subject % params, reset_body % params)
-                    break
+                       # Reset slice
+                       if not resetlist.has_key(slice['name']):
+                               resetlist[slice['name']] = Reset(slice['name'])
+                        resetlist[slice['name']].reset(params)
 
         elif timer <= 0 or used >= (last_used + change_thresh):
             if used >= (last_used + change_thresh):