长期支持版本

    社区创新版本

      使用方法

      用户可以通过命令行客户端atune-adm使用A-Tune提供的功能。本章介绍A-Tune客户端包含的功能和使用方法。

      总体说明

      • 使用A-Tune需要使用root权限。

      • atune-adm支持的命令可以通过 atune-adm help/--help/-h 查询。

      • 使用方法中所有命令的使用举例都是在单机部署模式下,如果是在分布式部署模式下,需要指定服务器IP和端口号,例如:

        #  atune-adm -a 192.168.3.196 -p 60001 list
        
      • define、update、undefine、collection、train、upgrade不支持远程执行。

      • 命令格式中,[ ] 表示参数可选,<> 表示参数必选,具体参数由实际情况确定。

      查询负载类型

      list

      功能描述

      查询系统当前支持的profile,以及当前处于active状态的profile。

      命令格式

      atune-adm list

      使用示例

      # atune-adm list 
      
      Support profiles:
      +------------------------------------------------+-----------+
      | ProfileName                                    | Active    |
      +================================================+===========+
      | arm-native-android-container-robox             | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-euleros-baseline-fio          | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-euleros-baseline-lmbench      | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-euleros-baseline-netperf      | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-euleros-baseline-stream       | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-euleros-baseline-unixbench    | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-speccpu-speccpu2006           | false     |
      +------------------------------------------------+-----------+
      | basic-test-suite-specjbb-specjbb2015           | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-hdfs-dfsio-hdd                 | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-hdfs-dfsio-ssd                 | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-bayesian                 | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-kmeans                   | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql1                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql10                    | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql2                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql3                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql4                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql5                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql6                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql7                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql8                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-sql9                     | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-tersort                  | false     |
      +------------------------------------------------+-----------+
      | big-data-hadoop-spark-wordcount                | false     |
      +------------------------------------------------+-----------+
      | cloud-compute-kvm-host                         | false     |
      +------------------------------------------------+-----------+
      | database-mariadb-2p-tpcc-c3                    | false     |
      +------------------------------------------------+-----------+
      | database-mariadb-4p-tpcc-c3                    | false     |
      +------------------------------------------------+-----------+
      | database-mongodb-2p-sysbench                   | false     |
      +------------------------------------------------+-----------+
      | database-mysql-2p-sysbench-hdd                 | false     |
      +------------------------------------------------+-----------+
      | database-mysql-2p-sysbench-ssd                 | false     |
      +------------------------------------------------+-----------+
      | database-postgresql-2p-sysbench-hdd            | false     |
      +------------------------------------------------+-----------+
      | database-postgresql-2p-sysbench-ssd            | false     |
      +------------------------------------------------+-----------+
      | default-default                                | false     |
      +------------------------------------------------+-----------+
      | docker-mariadb-2p-tpcc-c3                      | false     |
      +------------------------------------------------+-----------+
      | docker-mariadb-4p-tpcc-c3                      | false     |
      +------------------------------------------------+-----------+
      | hpc-gatk4-human-genome                         | false     |
      +------------------------------------------------+-----------+
      | in-memory-database-redis-redis-benchmark       | false     |
      +------------------------------------------------+-----------+
      | middleware-dubbo-dubbo-benchmark               | false     |
      +------------------------------------------------+-----------+
      | storage-ceph-vdbench-hdd                       | false     |
      +------------------------------------------------+-----------+
      | storage-ceph-vdbench-ssd                       | false     |
      +------------------------------------------------+-----------+
      | virtualization-consumer-cloud-olc              | false     |
      +------------------------------------------------+-----------+
      | virtualization-mariadb-2p-tpcc-c3              | false     |
      +------------------------------------------------+-----------+
      | virtualization-mariadb-4p-tpcc-c3              | false     |
      +------------------------------------------------+-----------+
      | web-apache-traffic-server-spirent-pingpo       | false     |
      +------------------------------------------------+-----------+
      | web-nginx-http-long-connection                 | true      |
      +------------------------------------------------+-----------+
      | web-nginx-https-short-connection               | false     |
      +------------------------------------------------+-----------+
      

      说明:
      Active为true表示当前激活的profile,示例表示当前激活的profile是web-nginx-http-long-connection。

      分析负载类型并自优化

      analysis

      功能描述

      采集系统的实时统计数据进行负载类型识别,并进行自动优化。

      命令格式

      atune-adm analysis [OPTIONS]

      参数说明

      • OPTIONS

        参数

        描述

        --model, -m

        用户自训练产生的新模型

        --characterization, -c

        使用默认的模型进行应用识别,不进行自动优化

      使用示例

      • 使用默认的模型进行应用识别

        # atune-adm analysis --characterization
        
      • 使用默认的模型进行应用识别,并进行自动优化

        # atune-adm analysis
        
      • 使用自训练的模型进行应用识别

        # atune-adm analysis --model /usr/libexec/atuned/analysis/models/new-model.m
        

      自定义模型

      A-Tune支持用户定义并学习新模型。定义新模型的操作流程如下:

      1. 用define命令定义一个新应用的profile
      2. 用collection命令收集应用对应的系统数据
      3. 用train命令训练得到模型

      define

      功能描述

      添加用户自定义的应用场景,及对应的profile优化项。

      命令格式

      atune-adm define <service_type> <application_name> <scenario_name> <profile_path>

      使用示例

      新增一个profile,service_type的名称为test_service,application_name的名称为test_app,scenario_name的名称为test_scenario,优化项的配置文件为example.conf。

      # atune-adm define test_service test_app test_scenario ./example.conf
      

      example.conf 可以参考如下方式书写(以下各优化项非必填,仅供参考),也可通过atune-adm info查看已有的profile是如何书写的。

       [main]
       # list its parent profile
       [kernel_config]
       # to change the kernel config
       [bios]
       # to change the bios config
       [bootloader.grub2]
       # to change the grub2 config
       [sysfs]
       # to change the /sys/* config
       [systemctl]
       # to change the system service status
       [sysctl]
       # to change the /proc/sys/* config
       [script]
       # the script extension of cpi
       [ulimit]
       # to change the resources limit of user
       [schedule_policy]
       # to change the schedule policy
       [check]
       # check the environment
       [tip]
       # the recommended optimization, which should be performed manunaly
      

      collection

      功能描述

      采集业务运行时系统的全局资源使用情况以及OS的各项状态信息,并将收集的结果保存到csv格式的输出文件中,作为模型训练的输入数据集。

      说明:

      • 本命令依赖采样工具perf,mpstat,vmstat,iostat,sar。
      • CPU型号目前仅支持鲲鹏920,可通过dmidecode -t processor检查CPU型号。

      命令格式

      atune-adm collection <OPTIONS>

      参数说明

      • OPTIONS

        参数

        描述

        --filename, -f

        生成的用于训练的csv文件名:名称-时间戳.csv

        --output_path, -o

        生成的csv文件的存放路径,需提供绝对路径

        --disk, -b

        业务运行时实际使用的磁盘,如/dev/sda

        --network, -n

        业务运行时使用的网络接口,如eth0

        --app_type, -t

        标记业务的应用类型,作为训练时使用的标签

        --duration, -d

        业务运行时采集数据的时间,单位秒,默认采集时间1200秒

        --interval,-i

        采集数据的时间间隔,单位秒,默认采集间隔5秒

      使用示例

      # atune-adm collection --filename name --interval 5 --duration 1200 --output_path /home/data --disk sda --network eth0 --app_type test_type 
      

      train

      功能描述

      使用采集的数据进行模型的训练。训练时至少采集两种应用类型的数据,否则训练会出错。

      命令格式

      atune-adm train <OPTIONS>

      参数说明

      • OPTIONS

        参数

        描述

        --data_path, -d

        存放模型训练所需的csv文件的目录

        --output_file, -o

        训练生成的新模型

      使用示例

      使用data目录下的csv文件作为训练输入,生成的新模型new-model.m存放在model目录下。

      # atune-adm train --data_path /home/data --output_file /usr/libexec/atuned/analysis/models/new-model.m 
      

      undefine

      功能描述

      删除用户自定义的profile。

      命令格式

      atune-adm undefine <profile>

      使用示例

      删除自定义的profile。

      # atune-adm undefine test_service-test_app-test_scenario
      

      查询profile

      info

      功能描述

      查看对应的profile内容。

      命令格式

      atune-adm info <profile>

      使用示例

      查看web-nginx-http-long-connection的profile内容:

      # atune-adm info web-nginx-http-long-connection
      
      *** web-nginx-http-long-connection:
      
      #
      # nginx http long connection A-Tune configuration
      #
      [main]
      include = default-default
      
      [kernel_config]
      #TODO CONFIG
      
      [bios]
      #TODO CONFIG
      
      [bootloader.grub2]
      iommu.passthrough = 1
      
      [sysfs]
      #TODO CONFIG
      
      [systemctl]
      sysmonitor = stop
      irqbalance = stop
      
      [sysctl]
      fs.file-max = 6553600
      fs.suid_dumpable = 1
      fs.aio-max-nr = 1048576
      kernel.shmmax = 68719476736
      kernel.shmall = 4294967296
      kernel.shmmni = 4096
      kernel.sem = 250 32000 100 128
      net.ipv4.tcp_tw_reuse = 1
      net.ipv4.tcp_syncookies = 1
      net.ipv4.ip_local_port_range = 1024     65500
      net.ipv4.tcp_max_tw_buckets = 5000
      net.core.somaxconn = 65535
      net.core.netdev_max_backlog = 262144
      net.ipv4.tcp_max_orphans = 262144
      net.ipv4.tcp_max_syn_backlog = 262144
      net.ipv4.tcp_timestamps = 0
      net.ipv4.tcp_synack_retries = 1
      net.ipv4.tcp_syn_retries = 1
      net.ipv4.tcp_fin_timeout = 1
      net.ipv4.tcp_keepalive_time = 60
      net.ipv4.tcp_mem =  362619      483495   725238
      net.ipv4.tcp_rmem = 4096         87380   6291456
      net.ipv4.tcp_wmem = 4096         16384   4194304
      net.core.wmem_default = 8388608
      net.core.rmem_default = 8388608
      net.core.rmem_max = 16777216
      net.core.wmem_max = 16777216
      
      [script]
      prefetch = off
      ethtool =  -X {network} hfunc toeplitz
      
      [ulimit]
      {user}.hard.nofile = 102400
      {user}.soft.nofile = 102400
      
      [schedule_policy]
      #TODO CONFIG
      
      [check]
      #TODO CONFIG
      
      [tip]
      SELinux provides extra control and security features to linux kernel. Disabling SELinux will improve the performance but may cause security risks. = kernel
      disable the nginx log = application
      

      更新profile

      用户根据需要更新已有profile。

      update

      功能描述

      将已有profile中原来的优化项更新为new.conf中的内容。

      命令格式

      atune-adm update <profile> <profile_path>

      使用示例

      更新名为test_service-test_app-test_scenario的profile优化项为new.conf。

      # atune-adm update test_service-test_app-test_scenario ./new.conf
      

      激活profile

      profile

      功能描述

      手动激活profile,使其处于active状态。

      命令格式

      atune-adm profile <profile>

      参数说明

      profile名参考list命令查询结果。

      使用示例

      激活web-nginx-http-long-connection对应的profile配置。

      # atune-adm profile web-nginx-http-long-connection
      

      回滚profile

      rollback

      功能描述

      回退当前的配置到系统的初始配置。

      命令格式

      atune-adm rollback

      使用示例

      # atune-adm rollback
      

      更新数据库

      upgrade

      功能描述

      更新系统的数据库。

      命令格式

      atune-adm upgrade <DB_FILE>

      参数说明

      • DB_FILE

        新的数据库文件路径

      使用示例

      数据库更新为new_sqlite.db。

      # atune-adm upgrade ./new_sqlite.db
      

      系统信息查询

      check

      功能描述

      检查系统当前的cpu、bios、os、网卡等信息。

      命令格式

      atune-adm check

      使用示例

      # atune-adm check
       cpu information:
           cpu:0   version: Kunpeng 920-6426  speed: 2600000000 HZ   cores: 64
           cpu:1   version: Kunpeng 920-6426  speed: 2600000000 HZ   cores: 64
       system information:
           DMIBIOSVersion: 0.59
           OSRelease: 4.19.36-vhulk1906.3.0.h356.eulerosv2r8.aarch64
       network information:
           name: eth0              product: HNS GE/10GE/25GE RDMA Network Controller
           name: eth1              product: HNS GE/10GE/25GE Network Controller
           name: eth2              product: HNS GE/10GE/25GE RDMA Network Controller
           name: eth3              product: HNS GE/10GE/25GE Network Controller
           name: eth4              product: HNS GE/10GE/25GE RDMA Network Controller
           name: eth5              product: HNS GE/10GE/25GE Network Controller
           name: eth6              product: HNS GE/10GE/25GE RDMA Network Controller
           name: eth7              product: HNS GE/10GE/25GE Network Controller
           name: docker0           product:
      

      参数自调优

      A-Tune提供了最佳配置的自动搜索能力,免去人工反复做参数调整、性能评价的调优过程,极大地提升最优配置的搜寻效率。

      tuning

      功能描述

      使用指定的项目文件对参数进行动态空间的搜索,找到当前环境配置下的最优解。

      命令格式

      说明:
      在运行命令前,需要满足如下条件:

      1. 服务端的yaml配置文件已经编辑完成并放置于 atuned服务下的**/etc/atuned/tuning/**目录中。
      2. 客户端的yaml配置文件已经编辑完成并放置于atuned客户端任意目录下。

      atune-adm tuning [OPTIONS] <PROJECT_YAML>

      参数说明

      • OPTIONS

        参数

        描述

        --restore, -r

        恢复tuning优化前的初始配置

        --project, -p

        指定需要恢复的yaml文件中的项目名称

        --restart, -c

        基于历史调优结果进行调优

        --detail, -d

        打印tuning过程的详细信息

        说明:
        当使用参数时,-p参数后需要跟具体的项目名称且必须指定该项目yaml文件。

      • PROJECT_YAML:客户端yaml配置文件。

      配置说明

      表 1 服务端yaml文件

      配置名称

      配置说明

      参数类型

      取值范围

      project

      项目名称。

      字符串

      -

      startworkload

      待调优服务的启动脚本。

      字符串

      -

      stopworkload

      待调优服务的停止脚本。

      字符串

      -

      maxiterations

      最大调优迭代次数,用于限制客户端的迭代次数。一般来说,调优迭代次数越多,优化效果越好,但所需时间越长。用户必须根据实际的业务场景进行配置。

      整型

      >10

      object

      需要调节的参数项及信息。

      object 配置项请参见表2

      -

      -

      表 2 object项配置说明

      配置名称

      配置说明

      参数类型

      取值范围

      name

      待调参数名称

      字符串

      -

      desc

      待调参数描述

      字符串

      -

      get

      查询参数值的脚本

      -

      -

      set

      设置参数值的脚本

      -

      -

      needrestart

      参数生效是否需要重启业务

      枚举

      "true", "false"

      type

      参数的类型,目前支持discrete, continuous两种类型,对应离散型、连续型参数

      枚举

      "discrete", "continuous"

      dtype

      该参数仅在type为discrete类型时配置,目前支持int, float, string类型

      枚举

      int, float, string

      scope

      参数设置范围,仅在type为discrete且dtype为int或float时或者type为continuous时生效

      整型/浮点型

      用户自定义,取值在该参数的合法范围

      step

      参数值步长,dtype为int或float时使用

      整型/浮点型

      用户自定义

      items

      参数值在scope定义范围之外的枚举值,dtype为int或float时使用

      整型/浮点型

      用户自定义,取值在该参数的合法范围

      options

      参数值的枚举范围,dtype为string时使用

      字符串

      用户自定义,取值在该参数的合法范围

      表 3 客户端yaml文件配置说明

      配置名称

      配置说明

      参数类型

      取值范围

      project

      项目名称,需要与服务端对应配置文件中的project匹配

      字符串

      -

      engine

      调优算法

      字符串

      "random", "forest", "gbrt", "bayes", "extraTrees"

      iterations

      调优迭代次数

      整型

      >=10

      random_starts

      随机迭代次数

      整型

      <iterations

      feature_filter_engine

      参数搜索算法,用于重要参数选择,该参数可选

      字符串

      "lhs"

      feature_filter_cycle

      参数搜索轮数,用于重要参数选择,该参数配合feature_filter_engine使用

      整型

      -

      feature_filter_iters

      每轮参数搜索的迭代次数,用于重要参数选择,该参数配合feature_filter_engine使用

      整型

      -

      split_count

      调优参数取值范围中均匀选取的参数个数,用于重要参数选择,该参数配合feature_filter_engine使用

      整型

      -

      benchmark

      性能测试脚本

      -

      -

      evaluations

      性能测试评估指标

      evaluations 配置项请参见表4

      -

      -

      表 4 evaluations项配置说明

      配置名称

      配置说明

      参数类型

      取值范围

      name

      评价指标名称

      字符串

      -

      get

      获取性能评估结果的脚本

      -

      -

      type

      评估结果的正负类型,positive代表最小化性能值,negative代表最大化对应性能值

      枚举

      "positive","negative"

      weight

      该指标的权重百分比,0-100

      整型

      0-100

      threshold

      该指标的最低性能要求

      整型

      用户指定

      配置示例

      服务端yaml文件配置示例:

      project: "compress"
      maxiterations: 500
      startworkload: ""
      stopworkload: ""
      object :
        -
          name : "compressLevel"
          info :
              desc : "The compresslevel parameter is an integer from 1 to 9 controlling the level of compression"
              get : "cat /root/A-Tune/examples/tuning/compress/compress.py | grep 'compressLevel=' | awk -F '=' '{print $2}'"
              set : "sed -i 's/compressLevel=\\s*[0-9]*/compressLevel=$value/g' /root/A-Tune/examples/tuning/compress/compress.py"
              needrestart : "false"
              type : "continuous"
              scope :
                - 1
                - 9
              dtype : "int"
        -
          name : "compressMethod"
          info :
              desc : "The compressMethod parameter is a string controlling the compression method"
              get : "cat /root/A-Tune/examples/tuning/compress/compress.py | grep 'compressMethod=' | awk -F '=' '{print $2}' | sed 's/\"//g'"
              set : "sed -i 's/compressMethod=\\s*[0-9,a-z,\"]*/compressMethod=\"$value\"/g' /root/A-Tune/examples/tuning/compress/compress.py"
              needrestart : "false"
              type : "discrete"
              options :
                - "bz2"
                - "zlib"
                - "gzip"
              dtype : "string"
      

      客户端yaml文件配置示例:

      project: "compress"
      engine : "gbrt"
      iterations : 20
      random_starts : 10
      
      benchmark : "python3 /root/A-Tune/examples/tuning/compress/compress.py"
      evaluations :
        -
          name: "time"
          info:
              get: "echo '$out' | grep 'time' | awk '{print $3}'"
              type: "positive"
              weight: 20
        -
          name: "compress_ratio"
          info:
              get: "echo '$out' | grep 'compress_ratio' | awk '{print $3}'"
              type: "negative"
              weight: 80
      

      使用示例

      • 进行tuning调优

        # atune-adm tuning --project compress --detail compress_client.yaml
        
      • 恢复tuning调优前的初始配置,compress为yaml文件中的项目名称

        # atune-adm tuning --restore --project compress
        

      文档捉虫

      “有虫”文档片段

      问题描述

      提交类型 issue

      有点复杂...

      找人问问吧。

      PR

      小问题,全程线上修改...

      一键搞定!

      问题类型
      规范和低错类

      ● 错别字或拼写错误;标点符号使用错误;

      ● 链接错误、空单元格、格式错误;

      ● 英文中包含中文字符;

      ● 界面和描述不一致,但不影响操作;

      ● 表述不通顺,但不影响理解;

      ● 版本号不匹配:如软件包名称、界面版本号;

      易用性

      ● 关键步骤错误或缺失,无法指导用户完成任务;

      ● 缺少必要的前提条件、注意事项等;

      ● 图形、表格、文字等晦涩难懂;

      ● 逻辑不清晰,该分类、分项、分步骤的没有给出;

      正确性

      ● 技术原理、功能、规格等描述和软件不一致,存在错误;

      ● 原理图、架构图等存在错误;

      ● 命令、命令参数等错误;

      ● 代码片段错误;

      ● 命令无法完成对应功能;

      ● 界面错误,无法指导操作;

      风险提示

      ● 对重要数据或系统存在风险的操作,缺少安全提示;

      内容合规

      ● 违反法律法规,涉及政治、领土主权等敏感词;

      ● 内容侵权;

      您对文档的总体满意度

      非常不满意
      非常满意
      提交
      根据您的反馈,会自动生成issue模板。您只需点击按钮,创建issue即可。
      文档捉虫
      编组 3备份