1.6. OpenStack Workflow Compute CPU 和内存计算器

OpenStack Workflow 计算 CPU 和内存的最佳设置，并使用结果填充 NovaReservedHostMemory 和 NovaCPUAllocationRatio 参数。

但是，您仍然需要为 虚拟机监控程序 考虑每个实例的额外开销。假设这个开销为 0.5 GB，则同一节点只能托管 90 个实例，其中 226 GB 的帐户除以 2.5 GB。为主机节点保留的内存量（即 Compute 服务不应该使用的内存）是：

（在 * Ov 中）+(Os * RA)

其中：

对于 90 个实例，这给我们(90*0.5)+(10*3)= 75 GB。计算服务预期这个值以 MB 为单位，即 75000。

以下 Python 代码提供这个计算：

left_over_mem = mem - (GB_per_OSD * osds)
number_of_guests = int(left_over_mem /
    (average_guest_size + GB_overhead_per_guest))
nova_reserved_mem_MB = MB_per_GB * (
    (GB_per_OSD * osds) +
    (number_of_guests * GB_overhead_per_guest))

要为超融合节点确定合适的 NovaCPUAllocationRatio，假设每个 Ceph OSD 至少使用一个内核（除非工作负载是 I/O 密集型，且在没有 SSD 的节点上）。在有 56 个内核和 10 个 OSD 的节点上，这会为 Compute 保留 46 个内核。如果每个实例在收到的 CPU 的每个 CPU 使用 100，那么比率将只是实例 vCPU 数量除以内核数除；即 46 / 56 = 0.8。但是，由于实例通常不会消耗其分配的 CPU 数量，因此您可以在决定所需客户机 vCPU 数量时考虑预期百分比来引发 NovaCPUAllocationRatio。

因此，如果我们可以预测，实例将只使用每个 vCPU 的 10%（或 0.1），则实例的 vCPU 数量可以表示为 46 / 0.1 = 460。当此值除以内核数(56)）时，比率增加到大约 8。

以下 Python 代码提供这个计算：

cores_per_OSD = 1.0
average_guest_util = 0.1 # 10%
nonceph_cores = cores - (cores_per_OSD * osds)
guest_vCPUs = nonceph_cores / average_guest_util
cpu_allocation_ratio = guest_vCPUs / cores