高性能计算的问题解决之道：Linux态势感知方法、实用工具及实践技巧

图书标准信息

• 作者 [美]伊戈尔·卢布希斯（Igor Ljubuncic） 著；张文力 译
• 出版社 机械工业出版社
• 出版时间 2018-02
• 版次 1
• ISBN 9787111589785
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 253页
• 丛书 高性能计算技术丛书

【内容简介】

本书由Intel架构师撰写，创造性地采用Linux态势感知方法来解决高性能计算的问题，涵盖技术、监控和配置管理等多个方面。书中针对大规模数据中心、云平台架构和高性能计算环境，建立了一套基于统计工程和实验设计的方法论，从识别问题和理解问题，到再现问题和解决问题，一步一步地排除故障，形成了一套高效的工作流程。书中包含大量实战案例和代码，并介绍了不同工具的使用技巧，适合从事高性能计算相关工作的技术人员和管理人员参考。

【作者简介】

张文力，中国科学院计算技术研究所博士，普林斯顿大学计算机系访问学者。现为计算所计算机体系结构国家重点实验室助理研究员，中国计算机学会高性能计算专委委员。近20年长期从事高性能计算、大数据、面向应用的系统优化等方向的研究，对云计算、数据中心网络关键技术以及原型验证系统有深入研究。
她曾先后参与曙光4000、5000和6000(中国首次在全球高性能计算机TOP500排行榜中名列第二)的系统研制工作。近期承担和参与的项目包括国家重点研发计划、国家自然科学基金重点项目、中国科学院战略性先导专项课题、华为联合实验室项目等。在国际国内知名期刊、学术会议发表论文数十篇，拥有多项专利授权。

【目录】

Contents 目　　录 

译者序 

前　言 

致　谢 

引言　数据中心与高端计算 1 

数据中心一览 1 

现代数据中心布局 1 

欢迎来到BORG，抵抗是徒劳的 2 

那就是力量 2 

企业与Linux 2 

经典的办公室 2 

Linux计算环境 3 

Linux云 3 

10000个1不等于10000 3 

问题的非线性扩展 3 

大数定律 4 

同质化 4 

企业的当务之急 4 

7天24小时全天候开放 5 

任务危急 5 

停机时间等于金钱 5 

千里之堤溃于蚁穴 5 

参考文献 5 

第1章　你有问题吗 6 

问题的识别 6 

如果森林里有一棵树倒下，没人能听到 6 

一步一步地识别 7 

总是优先使用简单工具 7 

过多的知识导致误区 9 

问题的定义 9 

当前发生或可能的问题 10 

停机规模和严重性与业务需求 11 

已知与未知 13 

问题的再现 13 

你能隔离问题吗 13 

偶发性问题需要特殊处理 14 

计划如何控制混乱 14 

放手是最难的事 15 

因与果 16 

不要流连于症状 16 

先有鸡还是先有蛋 16 

严格控制环境改变，直到你理解了问题的本质 18 

如果改变，确保你知道预期结果是什么 18 

结论 19 

参考文献 19 

第2章　开始研究 20 

隔离问题 20 

推动从生产到测试 20 

重新运行获得结果所需的最小集 21 

忽略偏见信息，避免假设 21 

与健康系统和已知参考的比较 22 

那不是程序错误，而是一个特性 22 

将预期结果与正常系统作比较 23 

性能和行为的参考是必需的 24 

对变化的线性与非线性响应 24 

一次一个变量 25 

线性复杂度的问题 25 

非线性问题 25 

响应可能会延迟或掩盖 25 

Y到X而不是X到Y 26 

组件搜索 26 

结论 26 

第3章　基础研究 27 

刻画系统状态 27 

环境监控 27 

机器可访问性、响应性和正常 

运行时间 27 

本地和远程登录以及管理控制台 29 

喊狼来了的监控 29 

读取系统信息和日志 30 

使用ps和top 30 

系统日志 36 

进程记账 39 

检查命令执行的模式 40 

与问题表现相关 41 

避免快速的结论 41 

统计作为辅助 41 

vmstat 41 

iostat 43 

系统活动报告（SAR） 47 

结论 49 

参考文献 50 

第4章　深入探讨系统 51 

使用/proc 51 

层次 52 

每个进程的变量 52 

内核数据 56 

进程空间 60 

检查内核可调参数 63 

sys子系统 63 

内存管理 64 

文件系统管理 65 

网络管理 65 

SunRPC 66 

内核 67 

sysctl 69 

结论 70 

参考文献 70 

第5章　变身极客——跟踪和调试应用 72 

使用strace和ltrace 72 

strace 72 

ltrace 86 

结合两种工具获得最佳结果 87 

其他工具 90 

使用perf 93 

介绍 93 

为什么不用OProfile 94 

前提 94 

基本使用 94 

基础实例 99 

高级实例 103 

小结 107 

使用gdb 107 

介绍 107 

前提 108 

简单实例 108 

不那么简单的实例 113 

其他有用的命令 122 

结论 124 

参考文献 124 

第6章　极客进级——应用和内核核心、内核调试器 126 

收集应用核心 126 

如何转储应用核心 127 

收集内核核心（Kdump） 132 

Kdump服务概览 133 

Kdump配置 137 

测试配置 143 

Kdump网络转储功能 145 

Kdump使用 146 

小结 147 

崩溃分析（crash） 147 

前提 147 

运行crash 148 

内核崩溃核心分析 156 

超级极客技能：C代码分析 167 

小例子 168 

中级例子 172 

困难的例子 176 

内核崩溃的bug报告 182 

崩溃分析结果 184 

内核bug与硬件错误 185 

小结 186 

内核调试器 186 

内核编译 186 

进入调试器 187 

基本命令 187 

小结 189 

结论 189 

参考文献 189 

第7章　问题的解决方案 191 

如何处理收集到的数据 191 

文档 191 

数据的杂乱 193 

最佳实践 195 

搜索引擎、邮件列表以及供应商支持 202 

找到根本原因 203 

消除问题 204 

实现和跟踪 206 

结论 207 

参考文献 208 

第8章　监控和预防 209 

监控什么数据 209 

过多的数据比没有数据更糟 209 

Y到X将定义你所需要的监控 210 

不要害怕改变 210 

如何监控和分析趋势 211 

设置你关心的监控 211 

监控不等于报告 212 

不监控随机指标 212 

定义数学趋势 213 

如何应对趋势 215 

当它来得太晚 216 

内务管理 217 

预防是解决问题的关键 217 

配置审核 218 

为什么审核有用 218 

控制环境的变化 219 

安全方面 219 

系统数据收集工具 219 

定制工具 220 

商业支持 220 

结论 221 

参考文献 221 

第9章　让你的环境更安全、更健壮 222 

版本控制 222 

为什么需要版本控制 222 

Subversion、Git及相关软件 223 

简单回滚 223 

配置管理 223 

变懒：自动化 224 

大环境下的熵 225 

掌控混乱 225 

配置管理软件 225 

环境中引入变化的正确方法 226 

一次一个变化 226 

不要急着冲到截止时间 227 

理解影响 228 

没报告问题意味着什么都没有 228 

连锁反应 228 

结论 229 

参考文献 229 

第10章　微调系统性能 230 

日志大小与日志轮转 230 

系统日志会一直增长 230 

慢点，倒带 232 

确定消息的内容 232 

文件系统调优 234 

Ext3/4文件系统 234 

XFS文件系统 235 

sysfs文件系统 236 

层次 236 

blo