strace命令是一个集诊断、调试、统计于一体的工具，我们可以用它来监控用户空间进程和内核的交互。比如对应用程序的系统调用、信号传递与进程状态变更等进行跟踪与分析，以达到解决问题的目的。strace常用来跟踪进程执行时的...
通常在一个集群会有一个统一的API入口，一般都是使用nginx来做统一的入口代理，然后到后端再转发到对应的服务API上。今天就整合之前的一些代理的配置，方便后续使用。1.nginx代理http/https请求http {...
日常在一些程序中进行GPU调用，这些cuda程序异常崩溃的时候，有时会遇到掉卡掉驱动、没有进程但是显存被占用的情况，这个时候我们可以通过以下命令来尝试进行处理。如果是掉卡的话可以使用lspci查看下主板上还能否检测到GP...
之前我们有记录过一个笔记，是docker环境下通过查看到的进程PID号来查找到拥有该进程的POD，具体可以查看我之前的笔记：https://sulao.cn/post/922近期基本都在将docker环境切换到conta...
由于自己的云服务器内存只有1G，今天在编译软件的时候直接报错提示内存不足的相关报错，所以记录下增加swap交换分区的方法，之前没记录的，这次记录下，下次方便使用。dd if=/dev/zero of=/swap bs=1...
上次笔记我们介绍过迈络思品牌的RDMA网卡驱动的安装，这里我们来就学习并记录下RDMA网卡的配置，之前的笔记我们可以查看：https://sulao.cn/post/974之前是到重启openibd服务来加载新的驱动程序...
由于经常使用k8s，所以在遇到退出码含义的时候经常要去查询，所以记录到博客上方便进行查找对应的含义关系。 当一个容器达到 Exited 状态时，Docker 会在日志中报告一个退出码，告诉你容器发生...
默认的Linux发行版中的内核配置都会开启tmpfs，映射到了/dev/下的shm目录，这个就是共享内存目录，可以通过df命令查看，例如在pod中我们查看默认就是64M。/dev/shm/是linux下一个非常有用的目录...
NCCL（NVIDIA Collective Communications Library）是由 NVIDIA 开发的一种高性能的多 GPU 通信库，用于在多个 NVIDIA GPU 之间实现快速的数据传输和协同计算。它...
Linux内核提供了两个版本即cgroup v1和cgroup v2cgroup是Linux内核提供的一种机制，用于限制、记录和隔离进程组的资源使用。它可以控制CPU、内存、IO等系统资源的分配和使用，并且支持动态调整资...
目前这个问题只出现centos7上，因为centos7带的glic库版本较低导致程序升级以后，POD启动时报错。容器运行时是我们自己的，看到直接执行该文件直接报错/usr/bin/orion-container-runt...
prometheus 是一个基于golang 编写，编译后的软件包，不依赖于任何的第三方依赖。用户只需要下载对应平台的二进制包，解压并且添加基本的配置即可正常启动Prometheus Server我们首先需要准备一些部署...
前面几篇笔记记录了etcd单机和集群，还有加密集群的部署方式，这篇就是etcd目前学习的最后一篇笔记，记录了etcd集群备份和恢复数据的方法，记录下来方便后面使用还是用之前TLS加密部署的集群，部署方式可以查看之前的笔记...
我们在使用etcd集群时会遇到某个节点异常无法启动，或者数据损坏的时候，这种情况需要将这个异常节点在etcd集群中剔除并重新加入该集群，具体操作如下。首先我们先去etcd集群找到这个异常节点并删除，假设我的异常节点为et...