通过对比kernel参数来debug网络测试性能问题

最新推荐文章于 2025-01-14 10:03:35 发布
原创 最新推荐文章于 2025-01-14 10:03:35 发布 · 287 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了不同内核版本对虚拟机网络性能的影响，特别是在5.4和4.14内核版本中，由于拥塞控制算法的不同（BBR与CUBIC），导致带宽测试结果出现差异。文章指出，在5.4内核上启用CUBIC算法后，带宽恢复正常，强调了检查和调整内核参数对于解决网络性能问题的重要性。

最近发现一个问题，用iperf测试的虚拟机带宽，对于5.4kernel的guest的带宽明显小于使用4.14的kernel，通过对比tcp的kernel参数看到5.4kernel采用bbr的拥塞控制算法而4.14 使用cubic。在5.4的kernel上打开cubic后发现带宽正常。由此可见，当测试网络性能出现问题时，最为有效的策略时查看环境参数。关于kernel的网络参数可以使用sysctl或者在/proc/sys/net下进行查看。例如：

sysctl -A |grep tcp

kernel查看到有关tcp的所有kernel参数，修改kernel参数可以使用

sysctl xxx=yy

其中xxx代表参数的完整名，包含了文件名的在/proc/sys下的路径信息。

AI算力网络通信协议性能瓶颈分析：实测数据告诉你真相
AI天才研究院
07-07 1114
流量特征挑战高度突发性：模型同步阶段流量骤增，峰值可达平均值的10-100倍强时效性：梯度交换延迟直接影响训练收敛速度和稳定性异构流量混合：参数同步流、梯度数据流、 checkpoint存储流共存性能指标挑战多维性能需求：同时要求高带宽、低延迟、低抖动和高可靠性可预测性优先：性能抖动比平均性能更影响训练效率集体通信主导：All-Reduce、All-Gather等集体操作占比超过60%规模扩展挑战超线性开销：通信开销随节点数增加呈超线性增长拓扑敏感性：通信性能对网络拓扑结构高度敏感。
Linux Kernel 之十 详解 PREEMPT_RT、Xenomai 的架构、源码、构建及使用
技术干货
01-14 1134
现在的RTOS基本可以分为Linux阵营和非Linux阵营这两大阵营。非Linux阵营的各大RTOS都是独立发展，使用上也相对独立；而Linux阵营则有多种不同的实现方法来改造Linux以实现实时性要求。本文我们重点关注PREEMPT_RT以及Xenomai3和Xenomai4这两种实时Linux内核的实现方法
Linux Network Tuning
cnbird's blog
06-18 1011
(以前写的,当时用的RH Linux AS5.)如下网络配置参数调整,主要是针对请求压力大的Linux (2.6 kernel)服务器而言.如果服务器压力不大,那么维持默认即可. 下述内容取材于"Performance Tuning For Linux Server"一书. $ /proc/sys/net/core/wmem_max最大socket写buffer,可参考的优
Windows内核调试：windbg双机实机联调总结
清风徜徉，悠闲品茶
02-20 1963
术语定义 主机端（Host）：Debugger，用于控制调试的主控端。 目标端（Target）：Debuggee，被控端、被调试端。 调试方式 在微软MSDN官网上，有详细记载着内核双机调试的所有方案： https://docs.microsoft.com/en-us/windows-hardware/drivers/debugger/setting-up-kernel-mode-...
Windows命令-wmic
cat_eat_fish
06-10 2911
wmic命令
命令提示符下的WQL
dingcu8103的博客
08-03 381
WQL就是英文WMI Query Language的缩写，就是说wmic这个命令支持简单的一些SQL查询，我们以实例来讲解他的部分用法，这个命令过于强大，因此以下只是该命令的冰山一角。 列出本地连接的简要信息 C:\>wmic nicconfig list briefDefaultIPGateway Description ...
影响网络性能的内核参数CONFIG_KERNEL_DEBUG_INFO，CONFIG_KERNEL_DEBUG_KERNEL
ohhmygod的专栏
01-09 2233
影响网络性能的内核参数CONFIG_KERNEL_DEBUG_INFO，CONFIG_KERNEL_DEBUG_KERNEL
嵌入式神经网络推理引擎权威对比：CMSIS-NN vs. TFLite Micro性能实测报告
[嵌入式神经网络推理引擎权威对比：CMSIS-NN vs. TFLite Micro性能实测报告](https://ucc.alicdn.com/pic/developer-ecology/fece2a8d5dfb4f8b92c4918d163fc294.png?x-oss-process=image/resize,s_500,m_lfit) # 1. ...
Infiniband 网络性能测试
weixin_30343157的博客
01-15 2456
1、带宽测试 在server端执行 [ibtests]# ib_send_bw -a -c UD -d mlx4_0 -i 1 ------------------------------------------------------------------ Send BW Test Connection type : UD In...
内核参数调优实战手册：通过cmdline精准控制启动性能与行为（高手必备）
[内核参数调优实战手册：通过cmdline精准控制启动性能与行为（高手必备）](https://img-blog.csdnimg.cn/64f5c7a6f616470d8c2785db5c2ca455.png) # 1. 内核参数调优的核心价值与启动机制解析 ## 内核参数调优的战略...
【转】wmic命令
莫非圣贤的博客
01-06 1万+
友情链接：wmic命令 目录 一、如何获取帮助文档 （1）wmic /? （2）wmic nic /? （3）wmic nic get ##获取网卡所有信息，如下只列出部分列 （4）信息筛选 二、常用操作使用说明 1、PROCESS —— 进程管理 2、BIOS - 基本输入/输出服务 (BIOS) 管理 3、COMPUTERSYSTEM - 计算机系统管理 4、CPU - CPU 管理 5、DATAFile — DATAFile管理 6、DESKTOPMONITOR - 监视器管理 7、EN
Microsoft Edge 调试 时候不小心把【网络】选项删除了，怎么恢复
weixin_43239494的博客
03-08 1万+
Microsoft Edge 调试 时候不小心把【网络】选项删除了，怎么恢复，首选按住f12，开启调试模式，然后点击右侧的【…】->更多工具-》选择【网络】就会恢复到栏目列表；如下图所示
第 2 章网络寻址
allway2的博客
08-29 2565
一个程序要与另一个程序通信，它必须有一个地址。在本章中，将检查地址的使用，包括 Internet 地址。我们将在本章的第一部分介绍许多基本概念。这包括网络架构和用于节点之间通信的协议。 我们将讨论几个主题，包括： 网络基础知识：这是介绍基本概念和术语的地方 使用 NetworkInterface 类：这提供对系统设备的访问 URL/UII/URN：我们将讨论这些术语之间的关系 Inet4Address 和 Inet6Address 类：我们将讨论如何使用它们 网络属性：我们将考虑在 Java..
关于kernel debug总结一下
zangcf的专栏
07-06 1407
1，如果没有kernel源码的机器，想单步跟踪kernel和设备驱动的执行，几乎不可能了。     动态不可行的话，只有进行静态分析了，静态取得内核模块，然后进行分析。 2，后面更多的机器是有内核源码的情况，这样，我们的调试方法就多了，主要是使用两个工具，一个就是kgdb和kdb两个动态调试方法。
第二十二篇:再写Windows驱动,再玩Windbg---NET
06-20 4654
2011年到现在,就没再怎么搞过Windows驱动了. 最近, 由于项目需要, 试着改一改一个显卡驱动(KMDOD), 从实践上证明, 我在理论上对一个驱动的架构的正确与否.(USB Display = KMDOD + AVStream). 其中, KMDOD是完成显示的部分功能, 完成其中的VidPN(Video present network), 将驱动中原来的POST物理设备转变为USB
关于debug使用及debug性能报告
很青的青蛙专栏
08-04 1818
日本客户说debug多了会影响性能，即使开关没有开，但要判断很多次的话性能肯定要低，因此这边还是作了实验。 调用下面这个类中的method( )方法。 分别是调用10000次、100000次、1000000次，10000000次的时间上的差异：
cannot open display的解决办法
热门推荐
wujianyongw4的博客
01-25 5万+
使用linux的server版是没有图形化界面的，但是有时候图形化界面又是必须的，比如执行gparted就需要有个可交互的图形化界面，这个时候经常会有“Gtk-WARNING **: 11:43:53.553: cannot open display:” 的错误，今天终于找到解法了，记一下。 1 设置一下server 端的/etc/ssh/sshd_config X11Forwarding yes 2 client端执行 xhost + 关闭client端的访问控制 3 以打开x11转发的方式
docker源码编译安装步骤解析
wujianyongw4的博客
04-24 1万+
原料:linux 系统,本人在Ubuntu16.04上运行 step 0： 安装docker，终端执行 sudo apt—get install docker.io 因为docker的源码需要在容器中 运行，因此必须要有docker存在 step 1： git clone https://github.com/docker/docker.git 下载最新的源码
如何测试RK3588S的GPU和VPU实际性能差异？
最新发布
11-25
<think> 根据用户需求，需要测试RK3588S的GPU和VPU实际性能差异。以下将提供详细的测试方法，包括基准测试工具、压力测试和实际应用场景测试。测试方法适用于Linux系统和OpenHarmony系统（部分工具需要适配）。 ### 1. GPU性能测试方法 #### (1) GLMark2基准测试（Linux/OpenHarmony通用） ```bash # 安装glmark2（Linux） sudo apt install glmark2 # 运行测试（全屏模式） glmark2-es2 --fullscreen # OpenHarmony需交叉编译glmark2，使用ohos-sdk编译 ``` **指标解读**： - 总分：$Score_{GPU} = \sum_{i=1}^{n} w_i \cdot fps_i$，权重$w_i$由场景复杂度决定 - Mali-G610 MC4典型值：1080p分辨率下约120fps[^1] #### (2) GFXBench离屏测试（避免显示输出瓶颈） ```bash # 下载GFXBench wget https://gfxbench.com/Downloads.jsp # 运行T-Rex场景离屏测试 ./gfxbench_gl --offcreen ``` **关键指标**： - 帧率标准差：$\sigma_{fps} = \sqrt{\frac{\sum_{i=1}^{n}(fps_i - \mu)^2}{n}}$，值越小稳定性越高 - 热节流点：当温度>$T_{throttle}=85^\circ C$时频率下降比例 #### (3) 功耗监测 ```bash watch -n 1 "cat /sys/class/thermal/thermal_zone*/temp; \ cat /sys/devices/platform/ff400000.gpu/load" ``` GPU负载计算公式： $$Load_{GPU} = \frac{\text{Active Cycles}}{\text{Total Cycles}} \times 100\%$$ ### 2. VPU性能测试方法 #### (1) GStreamer编解码测试 ```bash # H.265 4K解码测试 gst-launch-1.0 filesrc location=4k.hevc ! h265parse ! v4l2h265dec ! fakesink sync=false -e # H.264 1080p编码测试 gst-launch-1.0 videotestsrc num-buffers=300 ! video/x-raw,format=NV12,width=1920,height=1080 ! v4l2h264enc ! fakesink ``` **性能指标**： - 解码帧率：$FPS_{dec} = \frac{N_{frames}}{\Delta t}$ - 编码延迟：$Latency_{enc} = t_{last\_out} - t_{first\_in}$ #### (2) FFmpeg硬件加速测试 ```bash # 4K H.265硬解 ffmpeg -hwaccel rkmpp -c:v hevc_rkmpp -i 4k.mp4 -f null - # 输出关键信息 [hevc_rkmpp @ 0xaaaaecee050] Decoded 120 frames in 2.1s (57.14 fps) ``` **性能公式**： $$Util_{VPU} = \frac{\text{Active Decode Cycles}}{\text{Total VPU Cycles}} \times 100\%$$ #### (3) 多路视频压力测试 ```bash # 同时解码4路1080p视频 for i in {1..4}; do ffmpeg -hwaccel rkmpp -c:v h264_rkmpp -i input$i.mp4 -f null - & done ``` **瓶颈判断**： 当系统满足： $$\sum_{i=1}^{n} Bitrate_i > VPU_{max\_throughput}$$ 时出现帧丢弃（典型值：RK3588 VPU最大吞吐量=4K@60fps或8K@30fps[^2]） ### 3. GPU与VPU性能对比矩阵 | 测试项 | GPU测试工具 | VPU测试工具 | 性能比(VPU/GPU) | |----------------|---------------|------------------|----------------| | 4K解码 | N/A | GStreamer | ∞ (专用硬件) | | 图形渲染 | Glmark2 | N/A | 0 | | 功耗效率 | Mali PWR | RKMPP Monitor | 3.2:1[^3] | | AI协同处理 | TensorFlow-Lite | RKNN-Toolkit | 见注 | > 注：当NPU介入时，VPU预处理+NPU分析+GPU后处理的混合任务效率提升约40%[^2] ### 4. 稳定性测试方法 ```bash # GPU压力测试（连续运行1小时） glmark2-es2 --run-forever # VPU解码耐久性测试 while true; do gst-launch-1.0 filesrc location=stress.hevc ! h265parse ! v4l2h265dec ! fakesink; done # 监控工具 sudo apt install sysstat sar -P ALL 1 3600 > cpu.log ``` **失效判定**： - 当满足 $T_{junction} > 105^\circ C$ 持续5分钟 - 或出现 $\Delta fps > 30\%$ 的波动 ### 测试结果分析要点 1. **性能瓶颈定位**： - 若GPU负载$>90\%$而VPU$<50\%$，系统受图形限制 - 当视频码率$R$满足 $R > R_{\max} = \frac{VPU_{clock} \times 1920 \times 1080 \times 30}{10^6}$ Mbps时VPU饱和 2. **能效比公式**： $$\eta_{VPU} = \frac{FPS_{dec}}{Power_{VPU}} \quad \text{(帧/瓦)}$$ $$\eta_{GPU} = \frac{GFlops}{Power_{GPU}} \quad \text{(浮点运算/瓦)}$$ 典型值：$\eta_{VPU} \approx 3.2 \eta_{GPU}$[^3] 3. **协同工作测试**： ```mermaid graph LR A[视频输入] --> B(VPU解码) B --> C{数据路径} C --> D[GPU色彩空间转换] C --> E[NPU物体检测] D --> F[GPU渲染输出] E --> F ``` 测量从A到F的端到端延迟，正常应$< 50ms$ > 测试数据参考：RK3588S VPU可同时解码： > - 1路8K@30fps H.265 > - 或2路4K@60fps H.264 > - 或8路1080p@30fps[^2] §§相关问题§§ 1. 如何解读RK3588S的GPU/VPU性能测试报告中的异常数据？ 2. 在OpenHarmony中如何实时监控GPU/VPU的使用率？ 3. RK3588S的VPU支持哪些特殊视频格式（如AV1，VP9）？[^2] </think> 以下是测试RK3588S的GPU和VPU实际性能差异的专业方法，分为Linux和OpenHarmony双平台实现： ### 一、Linux系统测试方案 #### 1. **GPU性能测试** ```bash # 安装测试工具 sudo apt install glmark2-es2 mesa-utils # 运行OpenGL ES 2.0基准测试 glmark2-es2 --fullscreen # 查看Mali GPU实时状态 cat /sys/kernel/debug/mali0/usage ``` **关键指标**： - 帧率（FPS）：反映图形渲染能力 - 三角形生成率：$ \text{Triangles/s} = \frac{\text{Total Triangles}}{\text{Runtime}} $ - 功耗曲线：`cat /sys/class/thermal/thermal_zone*/temp` #### 2. **VPU性能测试** ```bash # 安装GStreamer工具 sudo apt install gstreamer1.0-tools # 4K H.265解码测试 gst-launch-1.0 filesrc location=4k.hevc ! h265parse ! v4l2h265dec ! fakesink sync=false # 编码性能测试（生成测试源） gst-launch-1.0 videotestsrc num-buffers=300 ! video/x-raw,format=NV12,width=3840,height=2160 ! v4l2h264enc ! filesink location=test.h264 ``` **性能指标**： - 解码帧率：$ \text{FPS}_{\text{dec}} = \frac{\text{Total Frames}}{\Delta t} $ - 编码延迟：通过`time`命令测量端到端处理时间 - 资源占用：`top -p $(pidof gst-launch-1.0)` #### 3. **对比测试工具** ```bash # 同时监控GPU和VPU watch -n 1 "echo 'GPU: ' $(cat /sys/kernel/debug/gpu/load) '% | VPU: ' $(cat /sys/kernel/debug/rkvdec/load) '%'" # 压力测试脚本 #!/bin/bash # GPU测试 glmark2-es2 --off-screen > gpu.log & # VPU测试 gst-launch-1.0 filesrc location=4k.h264 ! h264parse ! v4l2h264dec ! fakesink > vpu.log & # 监控温度 watch -n 1 "cat /sys/class/thermal/thermal_zone*/temp" > temp.log ``` ### 二、OpenHarmony 5.1测试方案 #### 1. **GPU性能测试** ```typescript // 使用3D渲染接口测试 import window from '@ohos.window'; import gpu from '@ohos.gpu'; const createWindow = async () => { const win = await window.createWindow("gpu_test", 0); win.loadContent("3d_scene.gltf"); // 获取帧率数据 setInterval(() => { const fps = gpu.getPerformanceStats().fps; console.log(`GPU FPS: ${fps}`); }, 1000); } ``` #### 2. **VPU性能测试** ```typescript // 使用媒体接口测试 import media from '@ohos.multimedia.media'; const testVideoDecode = async () => { const videoSrc = 'file://4k.h265'; const decoder = await media.createVideoDecoder(); // 配置解码参数 const profile: media.VideoDecoderProfile = { bitrate: 8000000, width: 3840, height: 2160, frameRate: 30 }; // 性能统计 let frameCount = 0; decoder.on('frame', () => frameCount++); // 运行测试 await decoder.prepare(videoSrc, profile); await decoder.start(); // 输出性能 setTimeout(() => { console.log(`VPU Decode FPS: ${frameCount/10}`); decoder.release(); }, 10000); } ``` ### 三、性能对比维度 | **测试维度** | **GPU测试方法** | **VPU测试方法** | **差异分析要点** | |--------------------|-------------------------------|---------------------------------|-------------------------------------| | **计算能力** | 浮点运算测试 (GFLOPS) | 像素/秒吞吐量测试 | GPU偏重并行计算，VPU专注流水线处理 | | **能效比** | 功耗/帧率比值测量 | 功耗/解码速度比值 | VPU通常能效比高3-5倍[^1] | | **并发能力** | 多窗口3D渲染测试 | 多路视频解码测试 | VPU支持8路1080p@30fps并发[^2] | | **延迟特性** | 渲染管线延迟测量 | 编解码端到端延迟 | VPU处理延迟通常<5ms | | **温度表现** | 满负载温度曲线记录 | 持续解码温度监测 | GPU温升更快(斜率>2°C/s) | ### 四、自动化对比脚本(Linux) ```bash #!/bin/bash # GPU基准测试 GLMARK_SCORE=$(glmark2-es2 --off-screen | grep "Score:" | awk '{print $2}') # VPU解码测试 START_TIME=$(date +%s.%N) gst-launch-1.0 filesrc location=4k.h264 ! h264parse ! v4l2h264dec ! fakesink sync=false -q &> /dev/null END_TIME=$(date +%s.%N) VPU_FPS=$(echo "300/($END_TIME-$START_TIME)" | bc) # 输出对比报告 echo "===== RK3588S性能对比 =====" echo "GPU得分: $GLMARK_SCORE | VPU解码FPS: $VPU_FPS" echo "能效比: GPU $(cat /sys/bus/i2c/drivers/ina3221/0-0040/iio_device/in_power0_input) mW" echo " VPU $(cat /sys/bus/i2c/drivers/ina3221/0-0041/iio_device/in_power0_input) mW" ``` > 典型输出： > GPU得分: 850 | VPU解码FPS: 58 > 能效比: GPU 3200mW | VPU 850mW ### 五、测试数据分析 1. **性能瓶颈识别**： $$ \text{GPU瓶颈} = \begin{cases} \text{true} & \text{if } \frac{\text{GPU Load}}{\text{VPU Load}} > 2.5 \\ \text{false} & \text{otherwise} \end{cases} $$ 2. **协同工作效率**： ```mermaid graph LR A[视频输入] --> B(VPU解码) B --> C{数据通道} C --> D[GPU特效处理] C --> E[NPU分析] D --> F[显示输出] E --> F ``` 当数据通道带宽 > 8GB/s 时，协同效率最佳[^2] 3. **异常值处理**： - 若VPU帧率下降率 $|\Delta FPS| > 15\%$ 检查时钟频率： ```bash cat /sys/devices/platform/ff660000.video-decoder/clock_rate ``` - GPU温度>$90°C$时触发降频机制 > 通过上述方法可得出关键结论：**VPU在视频处理任务中效率是GPU的5-8倍，但GPU在并行计算和3D渲染上有不可替代性**[^1][^2]
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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