HBM）中以提高计算速度。加速器厂商们也不可避免地需要开发复杂的内存管理系统。 现行加速器内存管理方案存在诸多缺陷： • CPU 侧内存管理与加速器侧分离，数据显式搬移，加速器内存管理的易用性和性能难以平衡。 • 大模型场景下加速器设备 HBM 内存（Hign BandWidth Memory）严重不足，现有的手动 swap 方案性能损耗大且 通用性差。 • 搜推、大数据场景存在大量无效数据搬移，缺少高效内存池化方案。 内存作为加速器缓存，透明地超分 HBM，无需应用手动 swap。GMEM 提供高效免搬移的内存池化方案， 当内存池以共享方式接入后，可解决数据反复搬移的痛点。 GMEM 革新了 Linux 内核中的内存管理架构，其中逻辑映射系统屏蔽了 CPU 和加速器地址访问差异，remote_pager 内存消息交互框架提供了设备接入抽象层。在统一的地址空间下，GMEM 可以在数据需要被访问或换页时，自动地迁移数 据到 OS Pager GMEM( 异构内存 ) GMEM Remote Pager GMEM( 异构内存 ) Co-process 统一虚拟地址空间 mmap/hmadvise 通用并发消息通道 逻辑映射系统 页表协同 并发缺页 内存超分 场景创新 11 openEuler 23.09 技术白皮书 异构统一内存编程 在面向异构内存编程时，使用 GMEM 可分配 CPU 和加速器之间的统一虚拟内存，CPU

数据面：AioWrite/AioRead、Write/Read  控制面：Create/Delete、Open/Close、Rename等  IO处理：转换、拆分、合并  元数据获取及缓存  逻辑chunk与物理chunk映射关系  物理chunk所属的复制组(copyset)  复制组所在的chunkserver列表  复制组的leader信息  Failover支持  用户下发一个写请求 off: 8M len: 16M 请求落在两个逻辑chunk上，所以 请求会被拆分成两个子请求：  ChunkIdx 1, off: 8M len 8M  ChunkIdx 2, off: 0 len 8MCLIENT IO流程 子请求由哪个chunkserver处理，依赖以 下信息：  逻辑chunk与物理chunk映射关系  物理chunk所属的复制组(copyset) 物理chunk所属的复制组(copyset)  复制组所在的chunkserver列表  复制组的leader信息CLIENT IO流程 逻辑chunk与物理chunk映射关系 物理chunk所属的复制组(copyset)  由MDS分配并持久化，client拆分用户请 求时会获取并进行缓存  为了减少元数据量，MDS一次会连续分配 1G范围内的映射关系，称为SegmentCLIENT IO流程

一些案例: Ø 数据统计 l 实时性差 l 迭代效率低 l 开发繁琐 Ø 设备管理 03 运维平台设计 架构演进大事记 整体架构设计 通用代理服务集群设计(Promise) 运维任务模型设计 应用配置管理 权限管理 运维平台Fast 整体架构 API接入层 通用代理服务(Promise) HTTP传输 ZMQ-Proxy KCP-Proxy 任务模板 生 成 器 配置管理 可扩展: 可以任意上线下线代理设备，自动摘除 l 智能路由: 自动探测最佳代理节点 l 接口简单: 支持HTTP、SDK方式使用 l 多协议: 支持控制流、数据流等场景的实时性和可靠性 l 模型: ü 数据传输类: 标准http模式 ü 消息控制类: sub/pub, push/pull, register/unregister ü 支持服务发现 Promise集群 CNC CT rollback_scripts 回滚脚本，任务失败后执行 文件下载类Job定义 运维操作抽象 文件下载 RPM类App管理 Tar类App管理 软连接创建 Shell 类 配置变更类 运维平台任务设计 – 模型设计 运维平台任务设计 – 流程设计 通常包括文件下载类、软件 包类、脚本等几类Job. 创建基础 Job 1 联动资产平台的服务管理系 统，间接会关联到具体的服 务器资产 关联服务

务自动化、工具化、可视化。 数据驱动运维：基于大数据 的接入、存储、分析技术，对运 维数据进行全面挖掘和分析，实 现数据驱动自动化运维。 机器驱动运维：基于智能算法 的机器自我学习，训练机器智能运 维模型，实现无人值守和智能的运 维与运营。 数据化 2015--2017 智能化 2017—现在 蓝鲸目前在腾讯应用情况及发展方向 4个转型的绊脚石 有重客户端游戏，网页游戏，各类官网，移动终端游戏， CMP 跨系统编排 与调度 运行监控和故障管理 第三方监控接入 基础监控 采集 存储 检测 告警 故障自愈 蓝鲸平台 管控平台 PaaS平台：开发框架/API集成 统一配置管理 模型定义 自动采集 配置维护 拓扑视图 配置消费 统一运维门户 可视化大屏、统一报表、统一权限、移动运维 变更 流程融合 事件 问题 请求 知识库 SLA 服务目录 流程引擎 运维流程管理 企业典型场景分享 CONTENTS 1、CMDB整体逻辑架构 第三方采集器 消费方（自动化、ITSM、监控） 配置数据 配置数据 配置数据消费 配置数据写入 蓝鲸Agent linux win AIX 应用 中间件 数据库 存储 虚拟化平台 …… 外部数据源 蓝鲸CMDB 业务管理 主机资源管理 操作审计 事件推送 模型管理 实例管理 权限管理 拓扑管理 自动采集（采集适配器）

，然后对冰冻的 资源状态进行恢复。 为了在修复内核问题的过程中保证业务不中断，热补丁技术应运而生。但热补丁技术有很多局限性，例如：不能改变数 据结构、不能修复 inline 函数、不能修复复杂逻辑问题等等，导致使用热补丁技术仅能够修复 20% 左右的问题。在数据中 心还会带来运维问题，例如补丁叠加导致运维基线无法确定，最终导致运维难度加大。内核热升级技术应运而生。 功能描述 1. 控 数据读写压力的方法。准确的检测方法可以帮资 源使用者确定合适的工作量，帮助系统制定高效 的资源调度策略，最大化利用系统资源，改善用 户体验。 8. TCP 发包切换到了 Early Departure Time 模型： 解决原来 TCP 框架的限制，根据调度策略给数据 包设置 Early Departure Time 时间戳，避免大的 队列缓存带来的时延，同时大幅提升 TCP 性能。 9. 支持 MultiPath 内存访问效率。 • IO 子系统增强：支持多通道并发 IO 能力，提高 IO 性能。支持 IO-QOS 能力，提升虚拟机 IO 流量管理的灵活性和 稳定性。 • 系统调用过滤：通过极简设备模型设计和 SECOMP 过滤系统调用，最简配置下仅需使用 35 个系统调用，有效减小 系统攻击面。 更多详细内容请参考 openEuler 20.09 技术白皮书：https://openeuler

优先级负载均衡特性 负载均衡 FIFO 任务迁移队列不区分优先级，无法解决跨核迁移抢占保障高优先级，特别是 CPU 敏感型任务的优先调 度，针对在线、离线容器混部场景下，CFS 负载均衡需要提出一种优先级队列模型，支持高低优先级的 QoS 负载均衡，确 保在线业务能更快得到调度和执行，最大化压制离线任务的 QoS 干扰，提高整机 CPU 资源利用率。 混部场景中，开启了 CPU QoS 优先级负载均衡特性，需要将 • 热补丁制作：支持在冷补丁 PR 内指定软件包的目标版本和 patch 文件，构建热补丁。 • 热补丁发布： 支持通过热补丁 issue 自动收集待发布热补丁，复用冷补丁 udapte 版本发布逻辑进行发布。 • 漏洞管理能力增强 • 智能补丁巡检：支持单机 / 集群的 CVE 巡检和通知能力，一键式修复和回退。 • 热修复：支持部分 CVE 通过热补丁修复，做到业务零中断修复。 • 擎天Enclave TEEOS SDK Qingtian SDK 金融风控 安全通道 开发工具 零切换 远程证明 新增特性 规划中 …… 硬件密码机 替代 软硬融合 全密态数据库 AI模型和 数据保护 29 openEuler 22.03 LTS SP2 技术白皮书 特性增强 应用场景：密态数据库 密态数据库在 TEE 中提供 SQL 查询和计算能力，当数据库客户端请求查询时会将客户端密钥通过安全通道传入

CANN 或 NVIDIA 的 CUDA 软件。 • AI 框架镜像：以 SDK 镜像为基础，安装 AI 框架软件，如 PyTorch 或 TensorFlow。 • 模型应用镜像：在 AI 框架镜像的基础上，包含完整的工具链和模型应用。 相关使用方式请参考 openEuler AI 容器镜像用户指南。 openEuler 使能 AI，向用户提供更多 OS 选择。基于 openEuler 的 AI 等应用的开发和调试。同时， 可在该类容器中运行高性能计算任务，例如大规模数据处理、并行计算等。 • AI 框架镜像：用户可直接在该类容器中进行 AI 模型开发、训练及推理等任务。 • 模型应用镜像：已预置完整的 AI 软件栈和特定的模型，用户可根据自身需求选择相应的模型应用镜像来开展模型推理或微调 任务。 应用场景 场景创新 12 openEuler 24.03 LTS 技术白皮书 EulerCopilot 相关使用方式请参考 EulerCopilot 智能问答服务使用指南。 EulerCopilot- 智能问答 功能描述 应用场景 当前，openEuler 和 AI 深度结合，一方面使用基础大模型，基于大量 openEuler 操作系统的代码和数据，训练出 EulerCopilot， 初步实现代码辅助生成、智能问题智能分析、系统辅助运维等功能，让 openEuler 更智能。 AI for

xx/RPM-GPG-KEY-CentOS-7 //是一个文本文件 79 二十一、LVM 逻辑卷管理 Logical Volume Manager 逻辑卷管理，是建立在硬盘或分区之上的一个逻辑层，把若干个硬 盘或分区虚拟成一个大的硬盘（卷组），然后在卷组上再划分虚拟的分区（逻辑卷），就可 以在逻辑卷上创建文件系统，最后挂载到某个目录下 通过 LVM 可以扩展文件系统跨越磁盘 LVM 基本术语 卷组创建后，可以动态地添加物理卷到卷组中 卷组名就是虚拟硬盘设备名 LV 逻辑卷（Logical Volume） 是建立在卷组上的虚拟分区，在逻辑卷之上可以建立文件系统 普通的硬盘分区一旦建立就不能更改大小，而 LV 逻辑卷创建后可以动态地调整大小 PE 和 LE Physical Extent 和 Logical Extent 物理区域和逻辑区域的大小是相同的，且一一对应 每一个物理区域是一个基本单元，是 创建成物理卷 #vgcreate data /dev/sdb //创建卷组，先把 sdb 物理卷加入 #lvcreate -L 2G -n www data //在 data 卷组中创建名为 www 的逻辑卷，大小为 2GB 查看卷： #pvdisplay 或 pvs #vgdisplay 或 vgs #lvdisplay 或 lvs 调整卷： 80 #vgextend data /dev/sdc

符号链接总是名义上具有“rwxrwxrwx”的文件访问权限，如上面例子所示，实际的有效访问权限由它所指向的文件 确定。 小心 除非你有非常好的理由，否则不要创建一个复杂的符号链接或硬链接通常是个好主意。符号链接的逻辑组合 可能导致文件系统噩梦般的无限循环。 Debian 参考手册 13 / 233 注意 通常使用符号链接比使用硬链接更合适，除非你有一个好理由使用硬链接。 “.”目录链接到它所在的目录，因此任何新建目录的链接数从 2 ] ; echo $? 1 Debian 参考手册 28 / 233 命令的退出状态 数字返回值 逻辑返回值 success zero, 0 TRUE error non-zero, -1 FALSE Table 1.22: 命令的退出代码 注意 请注意，success 是逻辑 TRUE ，0（zero）则是它的值。这有些不直观，需要在这里提一下。 1.5.8 典型的顺序命令和 shell Debian 社群契约（Debian Social Contract） 1.2 版本第 5 条条款的实际文本和上面的文本有稍微不同。 在不改变 Debian 社群契约实际内容下，这个文字调整让本用户文档在逻辑上保持一致。 Debian 参考手册 43 / 233 用户应该了解使用 non-free 、non-free-firmware 和 contrib 中的软件包所需要冒的风险： • 使用类似的软件包会失去自由

统一集群化部署、监控、审计等场景。 安全容器 StratoVirt： 1. 强安全性：基于 Rust 实现语言级安全，模块按需组合最小化攻击面，支持多租户物理隔离。 2. 轻量低噪：采用极简设备模型时，启动时间小于 50ms，内存底噪小于 4M。 3. 软硬协同：支持 x86 的 VT，支持鲲鹏的 Kunpeng-V。 4. 极速伸缩：毫秒级设备扩缩能力，为轻量化负载提供灵活的资源伸缩能力。 边缘数据服务：通过边缘数据服务实现消息、数据、媒体流的按需持久化，并具备数据分析和数据导出的能力 4. 边云智能协同架构（Sedna）：基于开源 sedna 框架，提供基础的边云协同推理、联邦学习、增量学习等能力， 并实现了基础的模型管理、数据集管理等，使能开发者快速开发边云 AI 协同特性，以及提升用户边云 AI 特性的 训练与部署效率。 应用场景 可应用智能制造、城市交通、高速收费稽查、智慧加油站、医疗影像识别、智慧园区等广泛的边云协同场景。 内存的分配和回收，消除 JIT 代码中冗余内存屏障等。在大数据应用的基准测试性能较 OpenJDK 有 5%~20% 的性能提升。 应用场景 2：常见 Java 应用 针对鲲鹏服务器的弱内存模型进行优化，无效内存屏障，软硬结合使能 NUMA-Aware 特性，提高应用访问内存的效率， 提升应用性能。增强 Java 开发者工具、引入 JFR 支持和 JMap 优化等功能帮助开发者快速分析性能、定位故障。