Слияние кода завершено, страница обновится автоматически
Введение в A-Tune
A-Tune — это механизм настройки ОС на базе искусственного интеллекта. A-Tune использует технологии ИИ, чтобы позволить ОС понимать сервисы, упрощать настройку ИТ-систем и максимизировать производительность приложений.
I. Установка A-Tune
Поддерживаемая ОС: openEuler 20.03 LTS или более поздняя версия.
Способ 1 (подходит для обычных пользователей): используйте стандартный A-Tune от openEuler.
yum install -y atune
Для openEuler версии 20.09 или выше требуется atune-engine.
yum install -y atune-engine
Примечание: после запуска systemctl start atuned может появиться сообщение об ошибке из-за того, что сертификат аутентификации не настроен. Есть два способа решить проблему:
/etc/anined/anined.cnf на абсолютный путь к файлу сертификата;
— измените строки 23–25 в /etc/atuned/engine.cnf на абсолютный путь к файлу сертификата.
Подробности о том, как создать сертификаты, см. в restcerts и enginecerts в A-Tune/Makefile.rest_tls(L59) и engine_tls(L66) в /etc/atuned/atuned.cnf, чтобы они стали ложными;
— измените значение engine_tls(L22) в /etc/atuned/engine.cnf, чтобы оно стало ложным.
После завершения настройки следует перезапустить службы. Подробности см. во II. Краткое руководство — 2. Управление службой A-Tune — загрузка и запуск служб atuned и atune-engine.Способ 2 (подходит для разработчиков): используйте исходный код локального репозитория для установки.
yum install -y golang-bin python3 perf sysstat hwloc-gui lshw
* **2. Установите пакеты зависимостей Python.**
* **2.1 Установите зависимости для службы A-Tune.**
yum install -y python3-dict2xml python3-flask-restful python3-pandas python3-scikit-optimize python3-xgboost python3-pyyaml
Или
pip3 install dict2xml Flask-RESTful pandas scikit-optimize xgboost scikit-learn pyyaml
* **2.2 (Необязательно) Установите зависимость для базы данных.**
Если вы уже установили приложение базы данных и хотите сохранить коллекцию A-Tune и данные настройки в базе данных, вам также необходимо установить следующие пакеты:
yum install -y python3-sqlalchemy python3-cryptography
или
pip3 install sqlalchemy cryptography
Чтобы использовать базу данных, вы также должны выбрать один из следующих методов для установки зависимости для приложения базы данных.
| База данных | Установка с помощью yum | Установка с помощью pip |
|---|---|---|
| PostgreSQL | yum install -y python3-psycopg2 | pip3 install psycopg2 |
* **3. Загрузите исходный код.**
git clone https://gitee.com/openeuler/A-Tune.git
* **4. Скомпилируйте.**
cd A-Tune
make
* **5. Установите.**
make collector-install
make install
II. Краткое руководство
1. Настройте службу A-Tune.
Примечание: если служба atuned установлена с помощью «make install», NIC и диск автоматически обновляются до устройства по умолчанию на текущем компьютере. Если вам нужно собирать данные с других устройств, настройте службу atuned в соответствии со следующим шагом.
Вы можете запустить следующую команду, чтобы запросить сетевой интерфейс, который необходимо указать для сбора данных или оптимизации, и изменить значение элемента конфигурации сети в файле /etc/atuned/atuned.cnf на указанный сетевой интерфейс.
ip addr
Вы можете выполнить следующую команду, чтобы запросить диск, который необходимо указать для сбора данных или оптимизации, и изменить значение элемента конфигурации диска в файле /etc/atuned/atuned.cnf. Указанный диск
fdisk -l | grep dev
2. Управление сервисом A-Tune
systemctl daemon-reload
systemctl start atuned
systemctl start atune-rest
systemctl start atune-engine
systemctl status atuned
systemctl status atune-rest
systemctl status atune-engine
3. Генерация моделей искусственного интеллекта (ИИ)
Вы можете сохранить вновь собранные данные в каталог A-Tune/analysis/dataset и запустить инструмент генерации модели, чтобы обновить модель ИИ в каталоге A-Tune/analysis/models.
Формат:
python3 generate_models.py
Описание параметров:
| Параметр | Описание |
|---|---|
| --csv_path, -d | Путь для хранения CSV-файлов, необходимых для обучения модели. По умолчанию — каталог A-Tune/analysis/dataset. |
| --model_path, -m | Путь для сохранения новых моделей, созданных во время обучения. По умолчанию — A-Tune/analysis/models. |
| --select, -s | Указывает, следует ли генерировать модели признаков. Значение по умолчанию — false. |
| --search, -g | Указывает, нужно ли включать поиск в пространстве параметров. Значение по умолчанию — false. |
Пример:
python3 generate_models.py
4. Запуск команд atune-adm
Эта команда используется для вывода списка поддерживаемых профилей, а также активных профилей.
Формат: atune-adm list
Пример:
atune-adm list
Эта команда используется для ручного включения профиля, чтобы перевести его в активное состояние.
Формат:
atune-adm profile
Пример: Активируйте профиль, соответствующий web-nginx-http-long-connection.
atune-adm profile web-nginx-http-long-connection
Эта команда используется для сбора статистики в реальном времени с системы для идентификации и автоматической оптимизации типов рабочей нагрузки.
Примечание: Некоторые данные, собранные командой analysis, поступают с жёсткого диска и сетевой карты, настроенных в файле конфигурации службы atuned (/etc/atuned/atuned.cnf). Перед выполнением команды проверьте, соответствуют ли элементы конфигурации ожидаемым. Чтобы собрать данные с других сетевых карт или жёстких дисков, необходимо обновить файл конфигурации службы atuned и перезапустить службу atuned.
Формат:
atune-adm analysis [OPTIONS]
Пример 1: Используйте модель по умолчанию для идентификации приложений и выполнения автоматической настройки.
atune-adm analysis
Пример 2: Используйте пользовательскую модель для распознавания.
atune-adm analysis --model /usr/libexec/atuned/analysis/models/new-model.m
Используйте указанный файл проекта для поиска динамического пространства параметров и найдите оптимальное решение в соответствии с текущей конфигурацией среды.
Формат:
atune-adm tuning [OPTIONS] <PROJECT_YAML>
Пример: См. пример офлайн-настройки A-Tune. Каждый пример имеет соответствующее руководство README.
Для получения дополнительной информации о других командах см. справочную информацию atune-adm или Руководство пользователя A-Tune.
A-Tune-UI — это веб-проект на основе A-Tune. Пожалуйста, ознакомьтесь с README A-Tune-UI для получения подробной информации.
Мы приветствуем новых участников и будем рады предоставить им рекомендации. Перед внесением вклада подпишите CLA.
Если у вас есть какие-либо вопросы, пожалуйста, свяжитесь с A-Tune.
Встреча SIG проводится с 10:00 до 12:00 по пятницам каждые две недели. Пожалуйста, отправьте свои вопросы в список рассылки A-Tune.
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )