高级网络配置——Linux下的链路聚合与桥接

链路聚合

什么是链路聚合

链路聚合(Link Aggregation)
是一个计算机网络术语,指将多个物理端口汇聚在一起,形成一个逻辑端口,以实现出/入流量吞吐量在各成员端口的负荷分担,交换机根据用户配置的端口负荷分担策略决定网络封包从哪个成员端口发送到对端的交换机。当交换机检测到其中一个成员端口的链路发生故障时,就停止在此端口上发送封包,并根据负荷分担策略在剩下的链路中重新计算报文的发送端口,故障端口恢复后再次担任收发端口。链路聚合在增加链路带宽、实现链路传输弹性和工程冗余等方面是一项很重要的技术。
原理 : 多个物理的端口绑定在一起当成一个逻辑端口来使用,提高带宽,实现负载平衡或高可用的功能
应用场景: 网卡的链路聚合就是将多块网卡连接起来,当一块网卡损坏时,其余网卡仍工作,网络依旧可以正常运行,可以有效的防止因为网卡损坏带来的损失,同时也可以提高网络访问速度,其余网卡作为替补,防患于未然
配置的模式:网卡的链路聚合常用的有 bond 和 team 两种模式,bond模式最多可以添加两块网卡,team模式最多可以添加八块网卡

配置bond网络接口
bond聚合有两种方式:

轮询聚合提高效率 两块网卡同时工作交替工作
主备聚合提高安全性 一个网卡工作,工作的网卡坏了另一个就顶替上去active-backup

实验准备:在虚拟机上配置双网卡 (不需要ip)

ip addr show ##查看双网卡设定是否成功
nmcli connection show ##查看连接网络服务的信息 
nmcli connection delete 网卡名 ##删除掉连接网络服务的网卡 为了查看之后建立的bond网卡是否能够使用
nmcli connection add con-name bond0 ifname bond0 type bond mode active-backup ip4 172.25.254.100/24 ##
nmcli connection add con-name bond0 ifname bond0 type bond mode active-backup   ##添加bond聚合的接口 命名任意 active-backup设定类型为主备
nmcli connection add con-name eth0 ifname eth0 type bond-slave master bond0
nmcli connection add con-name eth1 ifname eth1 type bond-slave master bond0 ##将虚拟出来的端口绑定两个真实的物理网卡

查看网络连接服务 应该显示“无“
在这里插入图片描述
添加bond聚合接口
在这里插入图片描述
因为没有真实的物理设备的支撑 bond类型的网卡不能使用 添加真实的物理网卡
在这里插入图片描述
查看真实的物理网卡是否添加成功
在这里插入图片描述

监控网卡工作状态 watch -n 1 “cat /proc/net/bonding/bond0”

查看bond聚合接口的主备聚合工作方式 起初是eth0作为主网卡工作
在这里插入图片描述
当停止主网卡服务后 eth1网卡替代主网卡开始工作
所以我们可以观察到网络服务并未终止 eth1–up eth0–down

ifconfig eth0 down 

在这里插入图片描述
team聚合

team的种类名称
broadcast广播容错
roundrobin平衡轮叫
activebackup主备

team——loadbalance具有负载均衡的功能(谁的负载少谁工作),和bond聚合相比 更加智能合理

创建之前先删除之前实验中的bond聚合

nmcli connection add con-name team0 ifname team0 type team config ‘{“runner”:{“name”:“activebackup”}}’ ip4 172.25.254.125/24 ##添加team聚合接口
nmcli connection add con-name eth0 ifname eth0 type team-slave master team0
nmcli connection add con-name eth1 ifname eth1 type team-slave master team0 ##分别将两块网卡绑定到此team接口

添加team聚合接口 创建后可以在网络中看到这组
在这里插入图片描述给team接口添加真实的物理设备后 查看是否添加成功

在这里插入图片描述监控 team接口的工作方式: watch -n 1 teamdctl team0 stat
查看正在工作的接口 eth0–up eth1–up 目前正在工作的是eth0
在这里插入图片描述

网络桥接

桥接是虚拟网卡
默认主机是没有网桥的(内核不开放的),虚拟机内核和系统和真机的内核和系统是相互独立的!
真机上网是通过内核调用网卡与外界进行联系的,而虚拟机的网卡是虚拟化的,不能直接上网。所以在真机的内核上面开一个网络桥接的口,将虚拟机的内核和真机的网卡连接在一起,从而虚拟机可以通过真机的网卡上网。
即在网卡上开一个接口,而该接口绑定一个IP,同一网段的虚拟机直接通过此接口绑定的IP与外界通信,相当于在虚拟机和真机上面架了一个桥,不需要受内核路由的控制,直接可以与外界通信
NAT和网桥的对比 : 1、相对于NAT,网桥不需要地址伪装,也不需要路由转发,也不需要配置网关,就可以与外界通信(配置的繁琐性)
2.网桥是工作在数据链路层(不需要IP,通过MAC通信),而NAT是在网络层(需要IP),所以前者的速度比后者快

桥接的创建

若之前有桥接,先删除桥接再进行本次实验
删除桥接之后查看网卡信息 ip中是没有桥接的
在没有桥接时我们去建立虚拟机
创建虚拟机时选择网络连接方式 打开Network selection查看其选项其中并没有桥接的选项。(默认为NAT方式连接网络)
在这里插入图片描述

1.用配置文件创建桥接

cd /etc/sysconfig/network-scripts
vim ifcfg-br0
DEVICE=br0
PREFIX=24
IPADDR=172.25.254.100
ONBOOT=yes
BOOTPROTO=none
TYPE=Birdge

更改物理网卡配置文件(真实的物理网卡上不需要有ip)

DEVICE=eth0
PREFIX24
ONBOOT=yes
BOOTPROTO=none
BRIDGE=br0

配置完成后重启网络服务

systemctl restart network

查看网络信息桥接创建成功
在这里插入图片描述 当虚拟网卡有了真实的物理设备作为支持 就可以ping的通
在这里插入图片描述

2.命令的方式创建桥接(命令的修改是临时的)

brctl addbr br0 ##添加桥接网卡
ifconfig br0 172.25.254.102/24 ##给桥接网卡设置ip
ifconfig ##查看当前网卡 里面有桥接网卡和对应ip
brctl show ##查看桥接网卡状态 没有真实物理设备与之对应 此时ping真机不能ping的通 ==有br0桥接网卡时eth0不再被使用所以eth0不能用来ping真机

brctl addif br0 eth0 ##给桥接网卡添加真实的物理设备
systemctl restart network ##重启网络
ping 172.25.254.102 ##添加真实的物理设备之后就可以ping通

命令方式添加桥接网卡 并给与桥接网卡ip

在这里插入图片描述
添加的桥接网卡没有真实的物理设备 需要添加真实物理设备
在这里插入图片描述 重启网络后 可以ping通
在这里插入图片描述
注意:更改网络后 一定要重启才能生效

有桥接时可以使用桥接的网络连接方式创建虚拟机,如没有桥接则只能使用默认的NAT方式

可以看到创建的虚拟机时 网络连接方式为Bridge br0
在这里插入图片描述
两种创建虚拟机的不同:使用桥接的网络方式创建虚拟机更加快速

命令删除桥接

brctl delif br0 eth0 ##去掉桥接的物理设备
brctl show ##查看桥接设备状态 没有真实的物理设备与之对应
ifconfig br0 down ##停止br0服务
brctl delctl br0 ##删除桥接网卡

去掉桥接的物理设备
在这里插入图片描述
显然就算br0上有ip 但是没有设备支持ping 不通 虽然eth0也有ip但是依旧ping不通
在这里插入图片描述
在这里插入图片描述
停掉br0网卡后可以ping通

在这里插入图片描述
在这里插入图片描述
删除br0网卡
在这里插入图片描述

常见物理机与虚拟机网络不通问题解决
1.ip addr show ##查看网络状态——up
2. brctl show ##查看真实的物理设备是否存在(真实的物理设备上没有ip) 桥接是否断开 brctl addif br0 vent0
3.查看网络管理者NetworkManager的状态是否为开启 systemctl status NetworkManager
4.物理机网卡配置文件中是否多出文件 /etc/sysconfig/network-scripts 因为启动真机的时候系统会自动读取所有以ifcfg-开头的文件,因此将多余的文件删除
虚拟机网卡是否存在问题 存在问题删除网卡重新设置

<think>好的,我现在要处理用户关于Android 12中RKNN开发配置和使用教程的问题。首先,我需要回顾用户提供的引用内容,看看是否有相关的信息。 用户提供了三个引用。引用1提到了RKNN Model Zoo和RKNN Toolkit2的环境配置,包括安装Miniconda3。引用2是关于系统镜像下载,特别是Ubuntu 22.04版本和导出ONNX模型。引用3讨论了RV1808/1126使用RKNN作为MediaPipe推理后端的步骤,包括配置参数如use_rga、use_mmap和data_type的设置,以及反量化的处理。 用户的问题集中在Android 12上,所以需要将引用中的信息与Android系统关联起来。引用3提到了MediaPipe和RKNN的集成,这可能适用于Android开发,但需要确认是否支持Android 12。此外,RKNN Toolkit2的环境配置可能在不同平台上有所不同,用户可能需要针对Android进行调整。 接下来,我需要考虑Android开发中RKNN的一般步骤,比如环境准备、模型转换、集成到Android应用、配置参数和性能优化。结合引用中的信息,模型转换部分可以参考引用2提到的导出ONNX模型,然后使用RKNN Toolkit转换为RKNN格式。引用3中的配置参数(如use_rga、use_mmap、data_type)可能在Android中同样适用,但需要查阅相关文档确认。 可能还需要指导用户如何将RKNN库集成到Android项目中,比如添加依赖项或NDK配置。此外,性能优化方面,引用3提到的反量化处理可能需要特别注意,尤其是在Android设备上的实现。 最后,确保回答结构清晰,分步骤说明,并引用提供的资料。需要验证引用中的信息是否适用于Android 12,例如系统镜像是否支持,或者是否有特定版本的要求。如果某些步骤在引用中没有明确说明,可能需要提示用户参考官方文档或社区资源。</think>### Android 12 RKNN 开发配置与使用教程 #### 1. **环境准备** - **系统镜像与工具链**: 根据引用[2],建议使用Ubuntu 22.04作为开发环境,并下载Orange Pi 5 Pro等支持RKNN的硬件镜像。对于Android 12开发,需确保RKNN Toolkit2适配Android NDK版本(推荐NDK 21+)[^2]。 - **安装RKNN Toolkit2**: 参考引用[1],通过Miniconda3配置Python环境(建议Python 3.8),并安装RKNN Toolkit2以支持模型转换与推理。命令示例: ```bash pip install rknn_toolkit2 ``` #### 2. **模型转换(ONNX转RKNN)** - **导出ONNX模型**: 使用PyTorch或TensorFlow等框架导出模型为ONNX格式(引用[2])。 - **转换为RKNN格式**: 编写RKNN配置文件(`config.yml`),指定输入尺寸、量化方式等参数。示例代码: ```python from rknn.api import RKNN rknn = RKNN() rknn.config(target_platform='rk3568', mean_values=[[127.5]], std_values=[[127.5]]) rknn.load_onnx(model="model.onnx") rknn.build(do_quantization=True, dataset="dataset.txt") rknn.export_rknn("model.rknn") ``` #### 3. **Android项目集成** - **添加RKNN库依赖**: 将编译好的RKNN动态库(`librknnrt.so`)和模型文件(`model.rknn`)放入Android项目的`jniLibs`目录。 - **JNI接口开发**: 通过JNI调用RKNN的C/C++ API实现推理。关键配置参考引用[3]: ```cpp #include <rknn/rknn_runtime.h> rknn_context ctx; int ret = rknn_init(&ctx, model_path, 0, 0, nullptr); ret = rknn_inputs_set(ctx, input_num, input_attrs); ret = rknn_run(ctx, nullptr); ret = rknn_outputs_get(ctx, output_num, output_attrs, nullptr); ``` #### 4. **关键配置参数** - **use_rga与use_mmap**: 根据引用[3],若Android设备不支持硬件加速(如RGA),需将`use_rga`和`use_mmap`设为`false`。 - **数据量化类型**: `data_type`可选`uint8`或`fp32`。若选`uint8`,需手动实现反量化;若选`fp32`,RKNN会自动处理[^3]。 #### 5. **性能优化** - **多线程推理**: 利用Android的`ThreadPoolExecutor`并行处理输入数据。 - **内存优化**: 启用`use_mmap`(若支持)减少内存拷贝开销,或通过零拷贝技术直接操作物理内存。 #### 6. **调试与验证** - **日志输出**: 启用RKNN的调试模式(`RKNN_LOG_LEVEL=DEBUG`)查看详细运行信息。 - **性能分析**: 使用`rknn.query(RKNN_QUERY_PERF_DETAIL)`获取各层耗时,针对性优化模型结构。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值