Filecoin 二阶段测试(3) - 异构集群测试

阳建
更新于 2020-07-07 22:52
阅读 2056

有人喜欢花 3 天时间完成产品，然后花一年的时候去搞定客户; 而我们却更愿意花 2 年的时间打磨产品，然后花 10 分钟打动客户。

系列导航：
[Filecoin 二阶段测试(1) - 小试牛刀](https://learnblockchain.cn/article/1191 "Filecoin 二阶段测试(1) - 小试牛刀")
[Filecoin 二阶段测试(2) - AMD CPU 的胜利](https://learnblockchain.cn/article/1193 "Filecoin 二阶段测试(2) - AMD CPU 的胜利")
[Filecoin 二阶段测试(3) - 异构集群测试](https://learnblockchain.cn/article/1226)

---

本文是关于 Filecoin 二阶段测试的最后一篇博文。今天给大家分享一下我们近期在测试网验证过的异构集群挖矿方案。

先大概说下我们的集群架构，本次测试总共投入了 9 台机器，角色分配如下：

> Miner(C2 + WinPoSt) x 1 + AMD Worker(P1) x 4 + Intel Worker(P2) x 4

## 1. 测试环境

* 操作系统：Ubuntu-18.04LTS
* 测试网络：Filecoin TestNet Master 分支网络(非 interopnet 网络)
* Lotus 版本：0.4.0+git.596ed330
* 机器数量：9
* 存储方案：Ceph + Raid0 + Raid5

本次测试我们投入了各种不同的 CPU 型号，各种系统配置也都优化了。测试机器的具体配置如下：

### 1.1 Miner(C2 + WinPoSt) 配置

> * CPU: Intel E5-2683 V4 x 2
* RAM: 256GB + 128GB Swap
* 存储：Ceph 存储集群
* 系统盘：128GB SSD x 1
* 高速缓冲盘：2TB NVME x 1
* 万兆网：万兆网口 x 2
* GPU: 2080Ti x 1

Miner 之所以插入了 2 张 GPU 是因为我的 C2 是配置在 Miner 上执行的。

目前 C2 已经可以是多 GPU 并行执行了，下面是我在 C2 运行时候截的图。

![](https://img.learnblockchain.cn/2020/07/08_/642715401.png)

### 1.2. Worker(P1) 配置 x 4

#### Worker1

> * CPU: AMD 3950x 
* RAM: 128GB + 128GB Swap
* 存储：8TB企业硬盘 x 2
* 系统盘：128GB x 1
* 万兆网：万兆网口 x 1

#### Worker2
> * CPU: AMD 3960x 
* RAM: 256GB + 128GB Swap
* 存储：8TB企业硬盘 x 2
* 系统盘：128GB x 1
* 万兆网：万兆网口 x 1

#### Worker3
> * CPU: AMD 3970x 
* RAM: 256GB + 128GB Swap
* 存储：8TB企业硬盘 x 2
* 系统盘：128GB x 1
* 万兆网：万兆网口 x 1

#### Worker2
> * CPU: AMD 7402 x 2 
* RAM: 256GB + 128GB Swap
* 存储：8TB企业硬盘 x 2
* 系统盘：128GB x 1
* 万兆网：万兆网口 x 1

### 1.3 Worker(P2) 配置 x 4

> * CPU: Intel E5-2683 V4 x 2
* RAM: 192GB + 128GB Swap
* 存储：8TB企业硬盘 x 2
* 系统盘：128GB SSD x 1
* 高速缓冲盘：1TB NVME x 1
* 万兆网：万兆网口 x 1
* GPU: 2080Ti x 1

## 2. 集群搭建

本次集群搭建还是使用我们自主研发的 [GammaOS](http://gamma.xjxh.pro/)，目前产品已经慢慢趋于完善，点几下鼠标就可以完成整个集群的搭建了。

这里给大家演示一下，由于写本文时我们自己的集群已经搭建好了，重写卸载安装的话，会影响数据的。我们这里给大家演示怎么搭建一个新的小集群，虽然是小集群，但是对于 `GammaOS` 
来说搭建大集群和小集群工作量上是没有什么区别的。

（1）安装并启动 `Lotus` 应用（**后面都是 GIF 动图，比较大[2M/张]，流量不足者慎入！！！**）：

![](https://img.learnblockchain.cn/2020/07/08_/164173528.jpeg)

（2）通过 ssh 登录到 Miner 节点，创建钱包和矿工

```bash
gamma_lotus wallet new bls

t3rslakvn3kg4y3g2kmgj6pu2rszydinfn4uh5fhnfa4k6wol5oychtkdpjkrqsqs3q54tndmmg7fq42diyqdq
```

得到钱包地址以后，到官方的水龙头页面去创建矿工。[https://faucet.testnet.filecoin.io/miner.html](https://faucet.testnet.filecoin.io/miner.html)

选择扇区大小（默认 32GB），点击创建就 OK 了。

> 注意：Gamma 重写了 lotus 命令，使用 gamma_lotus 命令替代，下面的 lotus-storage-miner 和 lotus-seal-worker 命令也是一样。

（3）安装并启动 `lotus-storage-miner` ：

![](https://img.learnblockchain.cn/2020/07/08_/93163921.jpeg)

**注意，在启动 Miner 之前，你需要先手动初始化矿工，目前这一步还没有做到自动化**。

把刚刚水龙头返回的初始化脚本执行就好了，记得需要添加复制证明参数目录的环境变量。

```bash
FIL_PROOFS_PARAMETER_CACHE=/gamma/filecoin-proof-parameters gamma_lotus-storage-miner init --actor=t0117997 --owner=t3rslakvn3kg4y3g2kmgj6pu2rszydinfn4uh5fhnfa4k6wol5oychtkdpjkrqsqs3q54tndmmg7fq42diyqdq
```

（3）安装 `lotus-seal-worker`

![](https://img.learnblockchain.cn/2020/07/08_/929767233.jpeg)

（4）启动 Worker：

![](https://img.learnblockchain.cn/2020/07/08_/846222445.jpeg)

批量启动多个 Worker：

![](https://img.learnblockchain.cn/2020/07/08_/464502560.jpeg)

我们登录到 `miner-company` 验证一下 worker 是否已经正常启动了。

![](https://img.learnblockchain.cn/2020/07/08_/979940159.png)

当前集群已经稳定运行 5 天了，目前一切正常，除了有段时间关机调整机器配置掉了 3 个扇区的算力以外，后面就再也没有掉过算力。

目前 Miner Info 如下图所示：

![](https://img.learnblockchain.cn/2020/07/08_/483786449.png)

## 3. 踩坑记录

这次在整个测试过程中踩了太多的坑，有的就是一个小细节的问题，就导致了整个集群的效率降低了10%。不过这也是我们测试的目的，我们只关注测试本身，不关注数据和排名。尽可能的把主网上线后可能出现的问题，都给模拟了一遍，
然后找出对应的解决方案。比如我们会故意把 Miner 停机 30min-2h 看是否会掉算力，怎样配置掉算力的概率小一些？以及掉算力如何尝试恢复... 反正就是各种做死的这折腾。

这里给大家分享踩过的两个小坑：

### 3.1 Swap 修改之后需要重启 Miner/Worker 进程。

在增加或者减少 Swap 空间之后要记得重启 Miner/Worker，Swap 和内存大小是在程序启动时候获取，然后一直缓存，而不是每次在分配任务的时候临时判断，所以修改 Swap 之后必须重启程序才能生效。

### 3.2 Miner AddPieces 或许会成为大矿工测试的瓶颈

扇区增多的时候，主节点的 addPieces 速度跟不上，目前测试数据是每个扇区需要 6.5min-10min.

下面是 AddPieces 实测数据：

#### Intel E5-2683 V4 + 128GB RAM + 2TB NVME
* 1 sector : 11min12s
* 3 sectors: 13min10s
* 8 sectors: 40min5s

#### AMD 3950x + 128GB RAM + 1 TB NVME
* 1 sector : 9min7s
* 3 sectors: 10min56s
* 10 sectors: 45min17s

> 测试数据基本表明，单机一次性添加 3 sector 是比较好的方案，另外 AddPieces 非常耗费 CPU 资源，如果 Miner CPU 资源长期被被占用，会严重影响 PoSt 和出块。
假如你打算参与竞争那 400w FIL 测试奖励的话，你的目标应该是在21天内完成 PB 级的数据密封。按 1PB 算的话，那么你 Miner 需要每天完成 1800 多个 sector 的 AddPieces，这目前来说这个难度很高，甚至是不现实的。

这个问题有两个解决方案：

第一， 配置更高的CPU（如128C）以及更快的磁盘（如 Intel 的 M2 高速盘），这是下策。

第二， 更好的办法是修改源码，把 AddPieces 直接放到 Worker 去做，这样一个可以分流，每台 Worker 所需要完成的 AddPieces 的 Sector 数量大大减少，其次是减少了 32GB 的数据传输。

一个好消息是官方已经在讨论把方案二实现在官方代码了，这对不会改源码的同学来说，无疑是一个福音。不过我问了 `Why` 是否能在 TestNet 上线之前完成，但是还没有回复。

![](https://img.learnblockchain.cn/2020/07/08_/496368680.png)

希望在 `TestNet` 上线之前官方能够把这个功能能够被实现吧。毕竟自己改代码是容易，但是维护起来真的挺麻烦的。

### 3.3 使用 ssh 取代远程桌面控制软件

我们成都机房在测试的过程中出现大量节点被攻击的情况，几乎整个局域网的机器都停摆，每个节点都运行了一个叫 `playstation` 的程序，
所有机器的 CPU 资源几乎都被耗尽，ssh 连接都非常卡顿。该程序杀掉之后又自动重启，卸载之后又重装，破坏性极大。

截了两张图给大家体验一下：

![](https://img.learnblockchain.cn/2020/07/08_/389039217.png)

![](https://img.learnblockchain.cn/2020/07/08_/218757924.png)

经过分析后，发现居然是远程桌面软件 TeamView 的问题，可能是 TeamView 的漏洞被人利用了，解决方法是卸载 TeamView，
然后再删除集群中所有机器上 playstation 应用程序，重启机器后便恢复了正常。

> 温馨提示: 如果机房有公网 IP 的话，建议直接使用 ssh 连接机器，而且建议使用私钥取代密码登录。
如果机房没有公网 IP 的话，也建议借用别的公网IP（如阿里云）进行内网穿透或者代理来实现远程 ssh 连接。

> 本文首发于：[`小一辈无产阶级码农`](http://www.r9it.com/) 
原文链接：http://www.r9it.com/20200626/filecoin-phase2-test3.html

系列导航： Filecoin 二阶段测试(1) - 小试牛刀 Filecoin 二阶段测试(2) - AMD CPU 的胜利 Filecoin 二阶段测试(3) - 异构集群测试

本文是关于 Filecoin 二阶段测试的最后一篇博文。今天给大家分享一下我们近期在测试网验证过的异构集群挖矿方案。

先大概说下我们的集群架构，本次测试总共投入了 9 台机器，角色分配如下：

Miner(C2 + WinPoSt) x 1 + AMD Worker(P1) x 4 + Intel Worker(P2) x 4

1. 测试环境

操作系统：Ubuntu-18.04LTS
测试网络：Filecoin TestNet Master 分支网络(非 interopnet 网络)
Lotus 版本：0.4.0+git.596ed330
机器数量：9
存储方案：Ceph + Raid0 + Raid5

本次测试我们投入了各种不同的 CPU 型号，各种系统配置也都优化了。测试机器的具体配置如下：

1.1 Miner(C2 + WinPoSt) 配置

CPU: Intel E5-2683 V4 x 2

RAM: 256GB + 128GB Swap

存储：Ceph 存储集群

系统盘：128GB SSD x 1

高速缓冲盘：2TB NVME x 1

万兆网：万兆网口 x 2

GPU: 2080Ti x 1

Miner 之所以插入了 2 张 GPU 是因为我的 C2 是配置在 Miner 上执行的。

目前 C2 已经可以是多 GPU 并行执行了，下面是我在 C2 运行时候截的图。

1.2. Worker(P1) 配置 x 4

Worker1

CPU: AMD 3950x

RAM: 128GB + 128GB Swap

存储：8TB企业硬盘 x 2

系统盘：128GB x 1

万兆网：万兆网口 x 1

Worker2

CPU: AMD 3960x

RAM: 256GB + 128GB Swap

存储：8TB企业硬盘 x 2

系统盘：128GB x 1

万兆网：万兆网口 x 1

Worker3

CPU: AMD 3970x

RAM: 256GB + 128GB Swap

存储：8TB企业硬盘 x 2

系统盘：128GB x 1

万兆网：万兆网口 x 1

Worker2

CPU: AMD 7402 x 2

RAM: 256GB + 128GB Swap

存储：8TB企业硬盘 x 2

系统盘：128GB x 1

万兆网：万兆网口 x 1

1.3 Worker(P2) 配置 x 4

CPU: Intel E5-2683 V4 x 2

RAM: 192GB + 128GB Swap

存储：8TB企业硬盘 x 2

系统盘：128GB SSD x 1

高速缓冲盘：1TB NVME x 1

万兆网：万兆网口 x 1

GPU: 2080Ti x 1

2. 集群搭建

本次集群搭建还是使用我们自主研发的 GammaOS，目前产品已经慢慢趋于完善，点几下鼠标就可以完成整个集群的搭建了。

这里给大家演示一下，由于写本文时我们自己的集群已经搭建好了，重写卸载安装的话，会影响数据的。我们这里给大家演示怎么搭建一个新的小集群，虽然是小集群，但是对于 GammaOS 来说搭建大集群和小集群工作量上是没有什么区别的。

（1）安装并启动 Lotus 应用（后面都是 GIF 动图，比较大[2M/张]，流量不足者慎入！！！）：

（2）通过 ssh 登录到 Miner 节点，创建钱包和矿工

gamma_lotus wallet new bls

t3rslakvn3kg4y3g2kmgj6pu2rszydinfn4uh5fhnfa4k6wol5oychtkdpjkrqsqs3q54tndmmg7fq42diyqdq

得到钱包地址以后，到官方的水龙头页面去创建矿工。https://faucet.testnet.filecoin.io/miner.html

选择扇区大小（默认 32GB），点击创建就 OK 了。

注意：Gamma 重写了 lotus 命令，使用 gamma_lotus 命令替代，下面的 lotus-storage-miner 和 lotus-seal-worker 命令也是一样。

（3）安装并启动 lotus-storage-miner ：

注意，在启动 Miner 之前，你需要先手动初始化矿工，目前这一步还没有做到自动化。

把刚刚水龙头返回的初始化脚本执行就好了，记得需要添加复制证明参数目录的环境变量。

FIL_PROOFS_PARAMETER_CACHE=/gamma/filecoin-proof-parameters gamma_lotus-storage-miner init --actor=t0117997 --owner=t3rslakvn3kg4y3g2kmgj6pu2rszydinfn4uh5fhnfa4k6wol5oychtkdpjkrqsqs3q54tndmmg7fq42diyqdq

（3）安装 lotus-seal-worker

（4）启动 Worker：

批量启动多个 Worker：

我们登录到 miner-company 验证一下 worker 是否已经正常启动了。

当前集群已经稳定运行 5 天了，目前一切正常，除了有段时间关机调整机器配置掉了 3 个扇区的算力以外，后面就再也没有掉过算力。

目前 Miner Info 如下图所示：

3. 踩坑记录

这次在整个测试过程中踩了太多的坑，有的就是一个小细节的问题，就导致了整个集群的效率降低了10%。不过这也是我们测试的目的，我们只关注测试本身，不关注数据和排名。尽可能的把主网上线后可能出现的问题，都给模拟了一遍，然后找出对应的解决方案。比如我们会故意把 Miner 停机 30min-2h 看是否会掉算力，怎样配置掉算力的概率小一些？以及掉算力如何尝试恢复... 反正就是各种做死的这折腾。

这里给大家分享踩过的两个小坑：

3.1 Swap 修改之后需要重启 Miner/Worker 进程。

3.2 Miner AddPieces 或许会成为大矿工测试的瓶颈

扇区增多的时候，主节点的 addPieces 速度跟不上，目前测试数据是每个扇区需要 6.5min-10min.

下面是 AddPieces 实测数据：

Intel E5-2683 V4 + 128GB RAM + 2TB NVME

1 sector : 11min12s
3 sectors: 13min10s
8 sectors: 40min5s

AMD 3950x + 128GB RAM + 1 TB NVME

1 sector : 9min7s
3 sectors: 10min56s
10 sectors: 45min17s

测试数据基本表明，单机一次性添加 3 sector 是比较好的方案，另外 AddPieces 非常耗费 CPU 资源，如果 Miner CPU 资源长期被被占用，会严重影响 PoSt 和出块。假如你打算参与竞争那 400w FIL 测试奖励的话，你的目标应该是在21天内完成 PB 级的数据密封。按 1PB 算的话，那么你 Miner 需要每天完成 1800 多个 sector 的 AddPieces，这目前来说这个难度很高，甚至是不现实的。

这个问题有两个解决方案：

第一，配置更高的CPU（如128C）以及更快的磁盘（如 Intel 的 M2 高速盘），这是下策。

第二，更好的办法是修改源码，把 AddPieces 直接放到 Worker 去做，这样一个可以分流，每台 Worker 所需要完成的 AddPieces 的 Sector 数量大大减少，其次是减少了 32GB 的数据传输。

一个好消息是官方已经在讨论把方案二实现在官方代码了，这对不会改源码的同学来说，无疑是一个福音。不过我问了 Why 是否能在 TestNet 上线之前完成，但是还没有回复。

希望在 TestNet 上线之前官方能够把这个功能能够被实现吧。毕竟自己改代码是容易，但是维护起来真的挺麻烦的。

3.3 使用 ssh 取代远程桌面控制软件

我们成都机房在测试的过程中出现大量节点被攻击的情况，几乎整个局域网的机器都停摆，每个节点都运行了一个叫 playstation 的程序，所有机器的 CPU 资源几乎都被耗尽，ssh 连接都非常卡顿。该程序杀掉之后又自动重启，卸载之后又重装，破坏性极大。

截了两张图给大家体验一下：

经过分析后，发现居然是远程桌面软件 TeamView 的问题，可能是 TeamView 的漏洞被人利用了，解决方法是卸载 TeamView，然后再删除集群中所有机器上 playstation 应用程序，重启机器后便恢复了正常。

温馨提示: 如果机房有公网 IP 的话，建议直接使用 ssh 连接机器，而且建议使用私钥取代密码登录。如果机房没有公网 IP 的话，也建议借用别的公网IP（如阿里云）进行内网穿透或者代理来实现远程 ssh 连接。

本文首发于：小一辈无产阶级码农 原文链接：http://www.r9it.com/20200626/filecoin-phase2-test3.html