iconm-menu
中文 chevron-down
中文EnglishРусский
moon-outline
light

OpenEuler上A-Tune的简单使用

lingff PKU2021-04-18A-Tune调优智能

A-Tune是什么?

A-Tune是一款基于AI的操作系统性能调优引擎。A-Tune利用AI技术,使操作系统“懂”业务,简化IT系统调优工作的同时,让应用程序发挥出色性能。 本次项目,主要尝试熟悉A-Tune离线动态调优的流程,目的是为一款应用实现调优。

一、安装A-Tune

OS: openEuler 20.03 LTS SP1,从仓库源码安装:

  1. 安装依赖系统软件包
yum install -y golang-bin python3 perf sysstat hwloc-gui
  1. 安装python依赖包
# A-Tune服务的依赖包
yum install -y python3-dict2xml python3-flask-restful python3-pandas python3-scikit-optimize python3-xgboost python3-pyyaml
# 数据库依赖包
yum install -y python3-sqlalchemy python3-cryptography
yum install -y python3-psycopg2
  1. 下载源码、编译、安装
git clone https://gitee.com/openeuler/A-Tune.git
cd A-Tune
make models
make
make collector-install
make install

二、开始使用

配置A-Tune服务

修改/etc/atuned/atuned.cnf中的network和disk配置选项为对应的指定网卡和磁盘。 在这里插入图片描述

管理A-Tune服务

加载并启动atuned和atune-engine服务:

systemctl daemon-reload
systemctl start atuned
systemctl start atune-engine

注意:这三条命令执行需要一定时间,且不会有任何输出显示。重启后需要重新启动服务。

查看atuned或atune-engine服务状态:

systemctl status atuned
systemctl status atune-engine

在这里插入图片描述

atune-adm命令行工具

  1. list命令 - 列出系统当前支持的profile,以及当前处于active状态的profile。 例:
atune-adm list

在这里插入图片描述

  1. profile命令 - 激活profile,使其处于active状态。 例:
atune-adm profile web-nginx-http-long-connection

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

  1. analysis命令 - 在线静态调优。实时采集系统的信息进行负载类型的识别,并自动执行对应的优化。 接口语法:
atune-adm analysis [OPTIONS]
  1. tuning命令 - 离线动态调优。使用指定的项目文件对所选参数进行动态空间的搜索,找到当前环境配置下的最优解。 接口语法:
atune-adm tuning [OPTIONS] <PROJECT_YAML>

离线动态调优是本次任务的重点。

三、A-Tune离线调优示例

示例位于A-Tune/examples/tuning目录,这里以对gcc编译器的优化为例。

cd  <PATH-TO-A-Tune>/examples/tuning/gcc_compile
  1. 准备环境
sh prepare.sh

在这里插入图片描述

  1. 下载stream.c(内存带宽测试程序)
wget http://www.cs.virginia.edu/stream/FTP/Code/stream.c
  1. 开始调优
atune-adm tuning --project gcc_compile --detail gcc_compile_client.yaml

调优结果: 在这里插入图片描述 内存带宽提升121%,编译后的可以执行文件大小减小17%。

  1. 保存结果
atune-adm tuning --restore --project gcc_compile

无输出。

四、A-Tune离线调优应用

离线动态调优包含三个输入文件:client.yaml、server.yaml和benchmark。

  • client.yaml: 存放在客户端的文件,包含调优的评价指标等信息。
  • server.yaml: 存放在服务端的文件,包含调优的可调节参数等信息。
  • benchmark: 存放在客户端的文件,通过运行该文件以获取评价指标的具体数值。

这里以gcc离线动态调优为例,说明这三个文件。

client.yaml

在这里插入图片描述 其中包含:

  • 调优算法选择(line 2)
  • 迭代次数(line 3)
  • 随机迭代次数(line 4)
  • benchmark执行命令(line 6)
  • 评价指标1相关信息(line 8 - 13)
  • 评价指标2相关信息(line 14 - end)

另外,还可以在client.yaml中添加参数选择

参数选择是在进行离线动态调优前执行的步骤,其目的是在进行离线动态调优前缩减参数空间,在给出的参数空间中选择出对性能影响最大的参数并进行调优。

实现方法是在client.yaml中添加如下参数:

  • feature_filter_engine: 参数选择算法
  • feature_filter_cycle: 参数选择轮数
  • feature_filter_iters: 参数选择的迭代次数
  • feature_filter_count: 每轮选择出的参数
  • split_count: 调优参数取值范围中均匀选取的参数个数

server.yaml

在这里插入图片描述

  • 应用启动命令(line 3)
  • 应用停止命令(line 4)
  • 可调参数等内容(line 5 - end)

benchmark文件

在这里插入图片描述

benchmark文件用于在调优执行时,会根据client.yaml中提供的命令执行此文件。

执行优化并保存结果

执行优化:

atune-adm tuning --project <PROJECT_NAME> --detail <client.yaml>

保存结果:

atune-adm tuning --restore --project <PROJECT_NAME>

【免责声明】本文仅代表作者本人观点,与本网站无关。本网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。本文仅供读者参考,由此产生的所有法律责任均由读者本人承担。