技术开发 频道

A-Tune:基于AI的自优化能力,让应用发挥极致性能

  操作系统配置参数难题

  操作系统作为衔接应用和硬件的基础软件,如何调整系统的参数配置,充分发挥软硬件能力,从而使业务性能达到最优,对用户至关重要。然而,运行在操作系统上的业务类型成百上千,应用形态千差万别,对资源的要求各不相同。

  困境一:参数对象庞大,业务复杂度高。

  当前硬件和基础软件组成的应用环境涉及高达7000多个配置对象,随着业务复杂度和调优对象的增加,调优所需的时间成本呈指数级增长,导致调优效率急剧下降,给用户带来巨大挑战。

  

  困境二:并非所有的系统能力都能通用。

  操作系统作为基础软件,提供了大量的软硬件管理的基础能力,每种能力适用的场景不尽相同,并非对所有的应用场景都通用有益。

  困境三:实验室无法完成所有应用负载的模拟测试。

  实际业务场景成千上万,计算、网络、存储等硬件配置也各种各样,实验室无法遍历所有的应用和场景,以及不同的硬件组合。

  l AI技术带来的新思路

  为了应对上述挑战,解决用户的难题,操作系统急需一颗智能的“大脑”,一颗能够感知上层业务类型,能够“懂”业务的“大脑”,而A-Tune就是这样一颗大脑,它通过使用AI技术,对业务场景建立精准的系统画像,感知并推理出业务特征,进而做出决策,匹配并推荐最佳的系统参数配置组合,使业务处于最佳运行状态。openEuler适时推出了这颗智慧大脑A-Tune。

  c

  

  l AI技术与操作系统碰撞出“新火花”

  A-Tune利用AI技术,通过对业务系统的底层性能数据进行分析和建模,构建精准的场景系统画像,针对负载模型匹得出合适的资源模型,并制定对应的调度优化策略,对业务进行更细粒度的调优,让应用程序发挥出极致性能。

  A-Tune强大的调优能力让系统运维更简单,让IT运维人员更轻松,它能够满足入门到专业级开发者的不同需求:

  1) 对于初级用户,尽可能屏蔽硬件和操作系统的底层细节,降低调优门槛,实现用户无感知的系统优化;

  2) 对于专业用户,可以针对具体的业务场景进行定制,如丰富优化经验库,训练自己的模型,实现更精细的调优。

  A-Tune核心技术框架如下图,主要包括智能决策、系统画像和交互系统三层。

  l 智能决策层:包含感知和决策两个子系统,分别完成对应用的智能感知和对系统的调优决策。

  l 系统画像层:主要包括标注和学习系统,标注系统用于业务模型的聚类,学习系统用于业务模型的学习和分类。

  l 交互系统层:用于各类系统资源的监控和配置,调优策略执行在本层进行。

  

  l A-Tune应用实践

  以Web业务场景为例,SSL/TLS加解密的过程对于CPU计算能力的消耗相对较高,对于Web每次的数据交互都要进行建链,也就意味着每一次的数据传输都要进行RSA加解密,CPU的计算能力决定了Web服务器的处理性能。基于SSL/TLS的加解密任务,消耗CPU计算能力在Web服务中占比高达80%。

  A-Tune通过感知Web业务特征,自动将加解密计算卸载到鲲鹏芯片的加速器中,从而降低CPU使用消耗,优化后Web服务端处理性能提升200%,对比其他处理器的吞吐量提升显著。下图是Nginx作为Web服务器,通过A-Tune优化后的性能提升效果:

  

  *测试结果来源于A-tune团队实验室测试数据。

  更多关于A-Tune项目信息,可在openEuler开源社区获取。

  openEuler开源社区:https://openeuler.org

  A-Tune项目源码:https://gitee.com/openeuler/A-Tune

  A-Tune项目文档:https://gitee.com/openeuler/A-Tune/tree/master/Documentation

2
相关文章