这里记录下nccl-tests测试的记录，方便后续测试进行参考，测试的环境是单机多卡，因为多机测试的话就会依赖RDMA网络，所以记录单机，分为sxm和pcie架构进行记录。测试方法直接参考我之前的笔记：https://s...
由于经常涉及到GPU测试，所以这里记录下各个型号GPU性能的基准，主要包含4090/4090D，5090/5090D，A100/A800，H100/H800等卡型号的各个精度性能测试基准，后续如有其他高端卡测试，也将持续...
我们需求是需要在k8s上部署harbor仓库，因为环境基本用于测试，所以就不太想制作证书之类的，就打算基于http方式，最终暴露端口的方式是使用nodeport方式，另外存储没有网络存储，使用local pv的方式绑定到...
linux下生成密钥使用ssh-keygen命令，生成的方法可以查看我之前的笔记：https://sulao.cn/post/283当遇到系统变化，需要重新生成密钥的情况，客户不愿意更换密码，不能直接拿以前的私钥替换原来...
Prometheus 是一个开源的系统监控和警报工具包，最初由 SoundCloud 开发。自 2012 年诞生以来，许多公司和组织都采用了 Prometheus，该项目拥有非常活跃的开发者和用户社区。如今，它已成为一个...
在k8s集群中我们会遇到加入进来的很多节点网络接口名字和原来已有网络接口名字不一样的情况，这种情况如果IP不是第一个识别的网络接口那就会使用错误的IP进行通信，导致pod间通信异常，那么解决这种方法的话我们需要修改cal...
此前安装nccl都是通过在线安装，今天来记录下如何编译安装，相对于在线安装本地编译安装对于没有root权限，且没有联网环境的状态下使用。下面我们就来编译下nccl，编译过程比较简单。git clone https://g...
本文环境是ubuntu22.04，需求是部署单master集群，容器要求使用containerd，此前咱们在centos上部署过，也在ubuntu18.04上使用docker部署过，相关的教程可以查看此前的笔记cento...
今天使用ubuntu22.04部署k8s集群，出现了使用yaml部署的时候，再使用yaml进行删除出现了只删除deployment的问题，但是rs和pod都没有被删除和销毁，于是查看kube-controller-man...
我们在使用系统服务管理命令systemctl停止docker的时候出现无法停止的问题，具体问题现象如下：systemctl stop docker Stopping 'docker.service', but its t...
containerd是作为k8s的cri，他总共会用两个目录，一个是数据目录root，另一个是保存状态的目录state，一般我们只用迁移root目录即可。我们有一块新磁盘作为存储磁盘，我们先将磁盘处理一下，然后进行数据迁...
GPU Direct RDMA 是一种由 NVIDIA 开发的技术，旨在实现 GPU 与第三方设备（如网络接口、视频采集设备、存储适配器）之间的直接数据交换，而无需经过 CPU 的参与。这项技术利用 PCI Expres...
Calico是一个网络和安全解决方案，使Kubernetes工作负载和非Kubernetes/遗留工作负载能够无缝安全地通信。我们今天来看看calico的部署和calico的常用的四种模式和使用场景，并操作如何进行这些模...
很多cpu都支持动态节能技术，当系统负载较低较空闲的之后会自动降频达到节能的目的，但是在我们使用高性能服务器的场景下，当然是让cpu全力以赴的去运转，所以我们就需要去设置cpu为performance性能模式，在设置之前...
OpenVPN 是一个功能齐全的开源传输层安全 (TLS) VPN 解决方案，可适应各种配置。 在本教程中，您将在 Ubuntu 22.04 服务器上设置 OpenVPN，然后将其配置为可从客户端计算机访问。1.安装 O...
之前用的php程序跑的应用，现在换成了python，比以前更吃内存了，所以升级了下云服务器，但是升级以后查看到内存只有1.6G，使用free命令查看内存1713188，感觉缩水很严重后面通过dmesg命令查看，发现系统预...
很多年前在centos系统上编译过一个版本，现在基本都改用ubuntu，所以在ubuntu22.04上再次进行编译并记录，此次编译的最新的17.5的版本，也包含了使用system管理postgresql服务的配置撰写。以...