diff --git "a/Documentation/UserGuide/A-Tune\347\224\250\346\210\267\346\214\207\345\215\227.md" "b/Documentation/UserGuide/A-Tune\347\224\250\346\210\267\346\214\207\345\215\227.md" index dc9eacced6997e5ed7c86553075a4e331a0dda64..048359b74dbd816322d17f00f95472ea924ba885 100644 --- "a/Documentation/UserGuide/A-Tune\347\224\250\346\210\267\346\214\207\345\215\227.md" +++ "b/Documentation/UserGuide/A-Tune\347\224\250\346\210\267\346\214\207\345\215\227.md" @@ -28,9 +28,12 @@ A-Tune和其他华为商标均为华为技术有限公司的商标。本文档

简介

-操作系统作为衔接应用和硬件的基础软件,如何调整系统和应用配置,充分发挥软硬件能力,从而提升业务性能,对用户来说至关重要。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,且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,随着调优对象的增加,调优所需的时间成本以指数级增长,配置调优成为了一项极其复杂的工程,超出了一般工程师的能力范围。为了应对这些挑战,A-Tune就应运而生了。 +操作系统作为衔接应用和硬件的基础软件,如何调整系统和应用配置,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。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,调优成为了一项极其复杂的工程,给用户带来巨大挑战。 +其次,操作系统作为基础设施软件,提供了大量的软硬件管理能力,每种能力适用场景不尽相同,并非对所有的应用场景都通用有益,因此,不同的场景需要开启或关闭不同的能力,组合使用系统提供的各种能力,才能发挥应用程序的最佳性能; +另外,实际业务场景成千上万,计算、网络、存储等硬件配置也层出不穷,实验室无法遍历穷举所有的应用和业务场景,以及不同的硬件组合。 +为了应对上述挑战,openEuler推出了A-Tune。 -A-Tune是一款基于openEuler系统开发的性能智能自优化的基础软件,它利用人工智能技术,对应用建立精准的系统画像,通过AI感知并推理出业务特征,从而进行智能决策,匹配得出最佳的系统配置组合,使业务处于最佳运行状态。 +A-Tune是一款基于AI开发的系统性能优化的基础软件,它利用人工智能技术,对业务场景建立精准的系统画像,感知并推理出业务特征,进而做出智能决策,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。 ![](figures/zh-cn_image_0215192422.png) @@ -40,7 +43,7 @@ A-Tune核心技术架构如下图,主要包括智能决策、系统画像和 - 智能决策层:包含感知和决策两个子系统,分别承担对应用的智能感知和对系统的调优决策。 - 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。 -- 交互系统层:用于各类系统资源的监控和配置,其中调优策略执行在本层进行。 +- 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。 ![](figures/zh-cn_image_0215591510.png) @@ -574,7 +577,7 @@ A-Tune支持用户训练新的workload\_type。训练方法非常简单,用户

--output_path, -o

-

生成的csv文件的存放路径

+

生成的csv文件的存放路径,需提供绝对路径

--disk, -b

@@ -594,7 +597,12 @@ A-Tune支持用户训练新的workload\_type。训练方法非常简单,用户

--duration, -d

-

业务运行时采集数据的时间

+

业务运行时采集数据的时间,单位秒,默认采集时间1200秒

+ + +

--interval, -i

+ +

采集数据的时间间隔,单位秒,默认采集间隔5秒

@@ -604,7 +612,7 @@ A-Tune支持用户训练新的workload\_type。训练方法非常简单,用户 ## 使用示例 ``` -$ atune-adm collection --filename name --interval 5 --duration 1200 --output_path ./data –-disk sda --network eth0 --workload_type test_type +$ atune-adm collection --filename name --interval 5 --duration 1200 --output_path /data –-disk sda --network eth0 --workload_type test_type ```

train