libnuma详解-A NUMA API for LINUX-Affinity Binding

已于 2023-09-19 19:14:34 修改
阅读量1.8k 收藏 4
点赞数 2
CC 4.0 BY-SA版权
分类专栏： numa Linux 内存管理 文章标签： linux ubuntu
于 2022-10-25 22:14:00 首次发布
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。
本文链接：https://blog.csdn.net/tugouxp/article/details/127511948

参考资料

http://developer.amd.com/wordpress/media/2012/10/LibNUMA-WP-fv1.pdf

numa(3) - Linux manual page

numa(3): NUMA policy library - Linux man page

libnuma详解(A NUMA API for LINUX)_叶子心情你不懂的博客-CSDN博客_libnumalibnuma详解(A NUMA API for LINUX)_叶子心情你不懂的博客-CSDN博客_libnumalibnuma详解(A NUMA API for LINUX)_叶子心情你不懂的博客-CSDN博客_libnuma

numa内核和外延

numa安装

sudo apt install libnuma-dev
czl@czl-Vostro-3268:~$ sudo apt install libnuma-dev
[sudo] czl 的密码： 
正在读取软件包列表... 完成
正在分析软件包的依赖关系树       
正在读取状态信息... 完成       
下列【新】软件包将被安装：
  libnuma-dev
升级了 0 个软件包，新安装了 1 个软件包，要卸载 0 个软件包，有 29 个软件包未被升级。
需要下载 32.3 kB 的归档。
解压缩后会消耗 166 kB 的额外空间。
获取:1 http://cn.archive.ubuntu.com/ubuntu bionic-updates/main amd64 libnuma-dev amd64 2.0.11-2.1ubuntu0.1 [32.3 kB]
已下载 32.3 kB，耗时 1秒 (40.2 kB/s)  
正在选中未选择的软件包 libnuma-dev:amd64。
(正在读取数据库 ... 系统当前共安装有 190232 个文件和目录。)
正准备解包 .../libnuma-dev_2.0.11-2.1ubuntu0.1_amd64.deb  ...
正在解包 libnuma-dev:amd64 (2.0.11-2.1ubuntu0.1) ...
正在设置 libnuma-dev:amd64 (2.0.11-2.1ubuntu0.1) ...
正在处理用于 man-db (2.8.3-2ubuntu0.1) 的触发器 ...
czl@czl-Vostro-3268:~$

查看内容,核心是libnuma.a和libnuma.so

$ dpkg -L libnuma-dev
/.
/usr
/usr/include
/usr/include/numa.h
/usr/include/numacompat1.h
/usr/include/numaif.h
/usr/lib
/usr/lib/x86_64-linux-gnu
/usr/lib/x86_64-linux-gnu/libnuma.a
/usr/share
/usr/share/doc
/usr/share/doc/libnuma-dev
/usr/share/doc/libnuma-dev/copyright
/usr/share/man
/usr/share/man/man3
/usr/share/man/man3/numa.3.gz
/usr/lib/x86_64-linux-gnu/libnuma.so
/usr/share/doc/libnuma-dev/README
/usr/share/doc/libnuma-dev/TODO
/usr/share/doc/libnuma-dev/changelog.Debian.gz
/usr/share/man/man3/numa_all_nodes.3.gz
/usr/share/man/man3/numa_alloc.3.gz
/usr/share/man/man3/numa_alloc_interleaved.3.gz
/usr/share/man/man3/numa_alloc_interleaved_subset.3.gz
/usr/share/man/man3/numa_alloc_local.3.gz
/usr/share/man/man3/numa_alloc_onnode.3.gz
/usr/share/man/man3/numa_available.3.gz
/usr/share/man/man3/numa_bind.3.gz
/usr/share/man/man3/numa_error.3.gz
/usr/share/man/man3/numa_exit_on_error.3.gz
/usr/share/man/man3/numa_free.3.gz
/usr/share/man/man3/numa_get_interleave_mask.3.gz
/usr/share/man/man3/numa_get_interleave_node.3.gz
/usr/share/man/man3/numa_get_membind.3.gz
/usr/share/man/man3/numa_get_run_node_mask.3.gz
/usr/share/man/man3/numa_interleave_memory.3.gz
/usr/share/man/man3/numa_max_node.3.gz
/usr/share/man/man3/numa_no_nodes.3.gz
/usr/share/man/man3/numa_node_size.3.gz
/usr/share/man/man3/numa_node_to_cpus.3.gz
/usr/share/man/man3/numa_police_memory.3.gz
/usr/share/man/man3/numa_preferred.3.gz
/usr/share/man/man3/numa_run_on_node.3.gz
/usr/share/man/man3/numa_run_on_node_mask.3.gz
/usr/share/man/man3/numa_set_bind_policy.3.gz
/usr/share/man/man3/numa_set_interleave_mask.3.gz
/usr/share/man/man3/numa_set_localalloc.3.gz
/usr/share/man/man3/numa_set_membind.3.gz
/usr/share/man/man3/numa_set_preferred.3.gz
/usr/share/man/man3/numa_set_strict.3.gz
/usr/share/man/man3/numa_setlocal_memory.3.gz
/usr/share/man/man3/numa_tonode_memory.3.gz
/usr/share/man/man3/numa_tonodemask_memory.3.gz

如果是查看deb包内容，则使用命令：

dpkg-deb -c package.deb

NUMA的拓扑结构介绍：

2-socket Intel NUMA topology。CPU 0和CPU 1表示物理处理器包，而不是单个核心，并且作为内存模块的相应数量的NUMA内存节点被部署在对应的处理器的相邻的DIMM卡槽中。

在这里插入图片描述

4-socket Intel E5-4600 NUMA node architecture

在这里插入图片描述

4-socket AMD NUMA node architecture。每个物理处理器包都有两个NUMA节点。

在这里插入图片描述

图4说明了NUMA节点局部性的介绍(其中NUMA节点被认为是给定核心的本地节点)。在本例中，对于物理处理器CPU 0中的core 0，紧挨着该处理器socket的内存被认为是本地NUMA节点。对于core 1，它是物理处理器CPU 1的一部分，被认为是本地的NUMA节点是挂在CPU 1上的节点。每个物理处理器最多可以有8个物理内核和Intel Xeon E5-2600系列处理器，每个socket最多可以有16个逻辑处理器(启用超线程)。为了便于演示，只显示了每个处理器socket上的第一个物理核心
在这里插入图片描述

图5表示了另一种可视化相对NUMA节点局部性的方法。在这里，我们来看另一个简化的示例，其中每个位于socket(表示为CPU 0和CPU 1)中的top-bin E5-2600系列物理处理器都有8个核。出于本示例的目的，每个处理器核都从1到8进行编号，尽管在启动后核心编号策略会发生变化。我们可以看到CPU 0上的第一个核(用绿色表示)是NUMA节点0的本地核。这意味着最靠近CPU 0填充的DIMM插槽是本地的，而最靠近CPU 1填充的DIMM插槽(红色的NUMA node 1)是远程的。这是因为要从CPU 0上的核心1到达NUMA节点1，内存请求必须遍历CPU间QPI链路，并使用CPU 1的内存控制器来访问这个远程节点。额外的跳跃增加了远程NUMA节点内存访问的延迟。

在这里插入图片描述

我们看到了相同的系统，但是现在Linux已经列出了内核。注意，每个核心现在都表示为一个不同的OS CPU，这是Linux引用逻辑处理器的方式。还需要注意的是，第一个OS CPU(0)是第一个物理处理器包上的第一个核心。现在注意，OS CPU 1是第二个物理处理器包上的第一个核心。这种模式在所有可用的内核上都延续，因此对于Intel 2P系统，所有偶数编号的OS cpu都在第一个物理处理器包上，而所有奇数编号的OS cpu都在第二个物理处理器包上。同样重要的是要注意，对于任何特定的NUMA节点，哪些内核是本地的，以及OS cpu和NUMA节点是从0开始编号的。

在这里插入图片描述

图9中表示的核心枚举模式显示了同一个启用超线程的2套接字处理器Intel xeon系统。字符前的第一个数字表示分配给实际内核的OS CPU号。字符后面的第二个数字表示分配给超线程同级线程的OS CPU数字。在Linux内核引导的核心枚举阶段，首先在填充的物理处理器包之间以循环的方式枚举所有真正的内核。一旦枚举了所有的真实核，超线程的兄弟核也会以类似的方式枚举，在填充的处理器包之间循环。对于一个带有Intel Xeon 8核处理器的2P 16核系统的示例，在启用超线程时总共枚举了32个逻辑处理器。
在这里插入图片描述

注意，每个物理处理器包都有两个与之关联的NUMA节点。此外，每个物理处理器被分成两组，每组8个核。与单个NUMA节点关联的核心是按顺序枚举的。在图11中，我们看到OS CPU 0 8是NUMA节点0的一部分。同一物理处理器包上编号为OS CPU 9 15的第二组核心对于NUMA节点1来说是本地的。需要注意的是，转移到下一个套接字需要从32开始枚举核心。第四个物理处理器包使用OS CPU 16启动核心枚举并继续进行

在这里插入图片描述

NUMA策略是由几个子系统共同努力提供的。内核管理进程或特定内存映射的内存策略。这个内核可以通过三个新的系统调用来控制。可以从应用程序中调用一个名为libnuma的用户空间共享库。推荐使用libnuma API 来使程序实现NUMA策略。它提供了比直接使用系统调用更友好和抽象的接口。本文仅描述这个高级接口。

当不应该修改应用程序时，管理员可以使用numactl命令行实用程序设置一些策略。这不如直接从应用程序控制策略灵活

用户库和应用程序包含在numactl RPM中，它是SUSE LINUX Enterprise Server 92的一部分。此外，包中还有一些实用程序，如numastat，用于收集关于内存分配的统计信息，numademo用于显示不同策略对系统的影响。这个包还包含所有函数和程序的手册页。
编程用例：

#include <stdlib.h>
#include <stdio.h>
#include <numa.h>

int main(void)
{
    if(numa_available() < 0)
    {
   	printf("Your system does not support NUMA API.\n");
	return -1;
    }

    printf("%s line %d, we have numa node %d.\n", __func__, __LINE__, numa_max_node());

    return 0;
}

查找文件所属的包：

$ apt-file search libnuma.a
  libnuma-dev: /usr/lib/x86_64-linux-gnu/libnuma.a
$ apt-file search numactl
numactl: /usr/bin/numactl
numactl: /usr/share/doc/numactl/DESIGN
numactl: /usr/share/doc/numactl/README
numactl: /usr/share/doc/numactl/README.Debian
numactl: /usr/share/doc/numactl/TODO
numactl: /usr/share/doc/numactl/changelog.Debian.gz
numactl: /usr/share/doc/numactl/copyright
numactl: /usr/share/man/man8/numactl.8.gz
r-cran-nws: /usr/lib/R/site-library/nws/examples/sleigh/numactl.R

cpu affnity control

CPU affinity Control可以使用taskset工具，将进程绑定在指定CPUS上执行。

How to run program or process on specific CPU cores on Linux

测试将一个忙进程绑定到CPU1上执行,指定CPU上CPU利用率100%，其他CPU上正常。

参考:

处理器从单核到多核的演化过程_papaofdoudou的博客-CSDN博客

结束

Debian 安装numa 相关库
zhixingheyi_tian的博客
10-05 1470
安装基本依赖库 apt-get install libpthread-stubs0-dev -y apt-get install libnuma-dev -y apt-get install numactl -y
libnuma.so.1
08-17
centos安装mysql需要的组件
libnuma详解(A NUMA API for LINUX)
叶子心情你不懂
08-05 1万+
白皮书 numa3手册 numa3手册 一、什么是NUMA 关于这个很多博客都有，基本都是这个白皮书的翻译或者扩充。 在传统的SMP(对称多处理)系统中，计算机有一个由所有cpu共享的内存控制器。当所有处理器同时访问内存时，这种单一内存连接常常成为瓶颈。对于具有更多cpu的大型系统，它也不能很好地扩展。由于这个原因，越来越多的现代系统正在使用CC/NUMA(缓存一致性/非一致性内存访问)架构。例如AMD* Opteron*、IBM* Power5*、HP* Superdome和SGI* Altix*。
MySQL源码安装保姆级教程
baidu_39195185的博客
05-08 739
按照上述步骤就可以安装好一个MySQL了，漫漫路途开始第一步。数据库是数据存储的地方，有了数据库我们就可以继续后面的操作，通过python分析数据、可视化的展示数据。
libnuma 及底层实现
phone1126的专栏
11-03 1764
libnuma是一个用于Linux系统的NUMA（非一致性内存访问）API。libnuma提供了一组函数和工具，用于管理和优化NUMA系统中的内存分配和访问。NUMA是一种计算机体系结构，其中多个处理器和内存模块通过高速互联网络连接在一起。在NUMA系统中，每个处理器都有自己的本地内存，但也可以访问其他处理器的内存。
libnuma-devel-2.0.14-alt2.x86_64.rpm
03-05
libnuma-devel-2.0.14-alt2.x86_64.rpm
NUMA架构下的API
badman250的专栏
07-21 636
  CPU架构分类        我们知道架构分为3种，SMP、NUMA和MPP的。分别表示 Symmetric MultiProcessing，Non-Uniform Memory Access ，Massive Parallel Processing NUMA API NUMA API currently supports four policies: •Default = All...
基于 NPU/DSP 的图像模型推理框架：SNPE、APU 与 Neural Engine 实战解析
最新发布
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
07-03 773
在移动影像系统中，AI 图像算法的实时部署依赖于 NPU/DSP 等专用异构计算单元的高效调度。为充分发挥芯片能力，不同平台推出了各自的推理框架，如高通的 SNPE、联发科的 APU Toolchain，以及 Apple 的 Neural Engine 管理体系。本文结合多款 SoC 芯片的实战部署经验，系统解析上述三种主流推理框架的核心架构、部署流程、模型适配路径与工程调优策略，帮助开发者理解异构计算背后的图像推理机制，提升图像模型在端侧落地的性能与稳定性。
技术项目- Linux NUMA 问题
ChinaNetCloud的专栏
10-15 953
Linux有着非常先进、强大的内存管理机制，其中包括了成熟的NUMA内存跟踪、管理和优化技术。NUMA(Non-Uniform Memory Access，非一致内存访问)在现代服务器中通常意味着每个CPU都有直接与它相联系的内存。一个系统可能有32GB内存，但每个CPU能够直接访问的仅有16GB，如果要访问另外的16GB，则必须通过其他的CPU，相对速度较慢。这在PC服务器中比较少见，但新的In
linux安装numa库（包括libnuma.so和libnuma.so.1）
热门推荐
PiccoloYang的博客
07-08 1万+
问题描述： 没有可用软件包 libnuma。 错误：无须任何处理 当在Linux系统中使用yum安装软件时提示 “没有可用软件包”时，代表在linux系统yum源中已经没有对应的安装包了，这时，我们需要安装EPEL。EPEL（Extra Packages for Enterprise Linux），企业版Linux额外包，RHEL分布非标准包的社区类库。安装如下： yum没有找到对应依赖包，更新epel第三方软件库，运行命令： yum install -y epel-release 此时安装完成后，记得
libnum库的安装与使用
abtgu的博客
04-01 1万+
文章目录1. 安装LinuxWindows2. 常见函数使用CovertingPrimes其它 1. 安装 Linux git clone https://github.com/hellman/libnum cd libnum python setup.py install Windows pip install libnum 2. 常见函数使用 Coverting libnum.s2n(s...
libnum库的安装与简单使用
weixin_33738578的博客
11-28 5400
看题的时候发现了libnum库，觉得还行，mark下来留着以后用。 0x00 libnum库是一个关于各种数学运算的函数库，它包含common maths、modular、modular squre roots、primes、factorization、ECC、converting、stuff等方面的函数，使计算变得非常简便。 0x01 安装 Linux： git clone https://gi...
libnum, 使用数字( 素数，模块，等等 ).zip
10-10
libnum, 使用数字( 素数，模块，等等 ) libnum需求： python2.7这是一些数字函数的python 库：使用素数( 生成，素性测试)通用数学( mp，lcm，n'( root )模块运算( 逆，Jacobi符号，平方 root，求解 CRT )将字符串转
libnum: 快速处理数值计算的C++库
gitblog_00046的博客
03-15 486
libnum: 快速处理数值计算的C++库 去发现同类优质开源项目:https://gitcode.com/ 是一个轻量级且高效的 C++ 库，专注于数值计算与数学运算。它提供了丰富的函数和工具，可以帮助您更快地编写高质量的代码，并在各种应用中实现高效性能。 项目简介 libnum 的目标是为程序员提供一个简单易用、功能强大的数值计算框架。该项目具有以下主要特性： 易于集成：libnum 可轻松...
libnum库简单使用（进制字符串转换）
weixin_49764009的博客
06-23 3291
libnum库使用
推荐开源项目：numactl - 简单的非均匀内存访问（NUMA）策略支持库
gitblog_00006的博客
05-08 486
推荐开源项目：numactl - 简单的非均匀内存访问（NUMA）策略支持库 numactlNUMA support for Linux项目地址:https://gitcode.com/gh_mirrors/nu/numactl 1、项目介绍 numactl是一个强大的工具，它允许你在运行其他程序时指定特定的NUMA（Non-Uniform Memory Access）政策，并提供了名为libn...
centos7安装mysql8步骤
m0_51654746的博客
04-03 1574
将安装包上传到服务器上 下载地址https://downloads.mysql.com/archives/community/ 上传到服务器的usr/local目录 cd /usr/local 解压 tar -zxvf 你的压缩包的名字 解压完成之后进行重命名 mv 解压缩后的目录名 mysql 创建data文件夹 mkdir /usr/local/mysql/data 创建 mysql 用户组和 mysql 用户 groupadd mysql useradd -g mysql mysql 改变
arm平台交叉编译rt-tests
EtherCAT
04-04 1329
如果要为ARM平台添加libnuma-dev库，需要在x86平台上进行交叉编译，生成ARM平台可用的库文件。
ubuntu安装包依赖问题
u012841667的专栏
11-19 3804
一层层找，找到最后一层依赖不能安装的问题，然后移除，再安装。 解决方案如下： 先删除libnuma1，再安装libnuma-dev sudo apt-get remove libnuma1 sudo apt-get install libnuma-dev
PS C:\Users\xxj> ollama run deepseek-r1:32b --numa --num_threads %OLLAMA_NumThreads% --batch_size 64 --verbose Error: unknown flag: --numa
03-03
<think>好的，用户遇到了一个错误，运行Ollama命令时提示“Error: unknown flag: --numa”。我需要分析这个问题并提供解决方案。首先，用户使用的命令是： `ollama run deepseek-r1:32b --numa --num_threads %OLLAMA_NumThreads% --batch_size 64 --verbose` 错误是未知的--numa标志。这说明用户可能在命令中使用了不被支持的参数。 首先，我要回忆Ollama的命令行选项。Ollama的run命令通常用于启动模型，而它的参数可能有限。根据官方文档，Ollama支持的参数可能包括--verbose，但--numa和--num_threads可能不是标准参数。用户可能混淆了不同框架或工具的选项。 接下来，我需要确认Ollama是否支持这些参数。查阅Ollama的文档或帮助信息，可以通过运行`ollama run --help`来查看可用选项。假设用户没有这么做，可能不知道哪些参数有效。例如，Ollama可能允许通过环境变量设置线程数，而不是命令行参数。 另外，注意到用户使用了`%OLLAMA_NumThreads%`，这看起来像是在Windows中使用环境变量的方式，但Ollama是否支持这样的变量替换？或者用户应该直接设置环境变量，而不是在命令行中引用？ 针对--numa的问题，NUMA（非统一内存访问）通常与多CPU系统相关，但Ollama可能没有直接支持该选项，或者需要特定配置。用户可能误用了其他深度学习框架的参数，比如TensorFlow或PyTorch中的设置。 接下来，我需要建议用户检查可用的参数。例如，运行`ollama run --help`来查看支持的选项。如果--numa不在其中，就需要删除该参数。同时，关于线程数的设置，可能应该使用环境变量而不是命令行参数，比如在运行命令前设置`set OLLAMA_NUM_THREADS=8`（Windows）或`export OLLAMA_NUM_THREADS=8`（Linux/Mac），然后在命令中省略--num_threads参数。 另外，用户提到的--batch_size可能也不是Ollama run的直接参数。可能需要通过模型的配置文件或不同的命令选项来设置。建议用户查阅Ollama的官方文档，确认如何正确设置线程数和批次大小。 总结解决方案步骤： 1. 移除不支持的--numa参数。 2. 检查Ollama支持的参数，使用正确的环境变量设置线程数。 3. 确保其他参数如--batch_size和--verbose的正确性。 4. 提供示例修正后的命令，并说明如何设置环境变量。 此外，用户可能需要了解如何通过Ollama的配置或模型文件调整高级参数，比如在Modelfile中指定选项。最后，建议用户参考官方文档或社区支持以获取更多帮助。</think>$\boxed{Ollama参数问题解决方案}$ 1. **错误根源定位**： ```mermaid graph LR A[无效参数--numa] --> B{可能混淆来源} B --> C[其他AI框架参数] B --> D[过时的Ollama版本] B --> E[模型特定要求] ``` 2. **参数修正指南**： ```bash # 正确的基础命令结构（Windows PowerShell环境） $env:OLLAMA_NUM_THREADS = 8 # 先设置环境变量 ollama run deepseek-r1:32b --verbose ``` 3. **高级配置通道**： ```text 通过Modelfile配置（需创建模型副本）： FROM deepseek-r1:32b PARAMETER num_threads ${OLLAMA_NUM_THREADS} PARAMETER batch_size 64 ``` $\boxed{关键参数对照表}$ | 错误参数 | 合法替代方案 | 作用域 | |----------------|-----------------------------|---------------| | --numa | 系统自动管理/NVIDIA MPS | 硬件优化层 | | --num_threads | $env:OLLAMA_NUM_THREADS | 进程级控制 | | --batch_size | 模型配置文件指定 | 推理运算层 | **验证步骤**： ```powershell # 查看可用参数列表 ollama run --help | Select-String "Available Commands" # 检查环境变量生效情况 Write-Output "当前线程数: $env:OLLAMA_NUM_THREADS" ``` 建议升级到Ollama 0.1.23+版本后尝试，是否需要指导如何通过Windows注册表进行NUMA优化配置？ 💻
评论
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

打赏作者

papaofdoudou

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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