标签: 运维
相关博文
-
在飞凌嵌入式OKMX8MQ-C开发板上有两个PCIe接口，对应着两个PCIe差分时钟，两路PCIe分别用作了M.2接口卡槽KEYE（P37）和KEYM（P34）。 很多使用FETMX8MQ-C核心板的用户在自制底板时会不做PCIe部分，故而不会焊PCIe的差分时钟，等到使用出厂镜像验证底板时发现会出现无法正常启动的问题。 今天，小编将总结常见的2种自制底板无PCIe导致的问题及其对应解决办法以供大家参考。 1.“使用出厂镜像启动时发现无法正常启动” 问题描述—— 客户自制底板去掉PCIe烧录出厂镜像，启动时出现的卡死信息： 编辑 切换为居中 添加图片注释，不超过 140 字（可选） 产生原因—— PCIe影响了启动，需要在设备树里把跟PCIe有关的功能关闭。 解决办法—— 修改内核设备树： viOK8MQ-linux-kernel/arch/arm64/boot/dts/freescale/ok8mq-evk.dts 编辑 切换为居中 添加图片注释，不超过 140 字（可选） 将设备树中的PCIe全部从“okay”改为“disabled”，重新编译。编译后会在/OK8MQ-linux-sdk/images/boot下生成ok8mq-evk.dtb。 完成上述修改后重新编译并用新的镜像进行烧写。 正常启动后打印信息如下（红框中是在上述卡住位置向后继续启动的打印信息）： 编辑 切换为居中 添加图片注释，不超过 140 字（可选） 注意：飞凌目前提供的最小系统方案也是没有设计PCIe的，故用户如果使用了飞凌的最小系统方案，也需要按照上述方法进行修改。 2.“使用TF卡进行烧写时发现烧写一半卡住” 问题描述—— 客户自制底板去掉PCIe，使用TF卡烧写时看到命令行打印信息在下述位置卡住： 编辑 切换为居中 添加图片注释，不超过 140 字（可选） 注意：并不一定就卡在上述位置，但一定在上述打印信息附近，不会太远。 产生原因—— 烧写引导镜像中的PCIe的启动影响了烧写，需要替换烧写工具中的内核阶段引导镜像。 解决办法—— 首先按照问题中的方法修改内核设备树并编译。进入“OK8MQ-linux-sdk/tools/update”路径，可看到该路径下有很多dtb文件： 编辑 切换为居中 添加图片注释，不超过 140 字（可选） 用编译生成的“images/boot”路径下的ok8mq-evk.dtb替换掉当前路径下的ok8mq-evk.dtb。 执行编译命令，生成新的烧写工具： 编辑 切换为居中 添加图片注释，不超过 140 字（可选） 使用新生成的update.itb替换掉完成制卡后TF卡中的update.itb，正常进行TF卡烧写。 进入OK8MQ-linux-sdk/tools/sdfuse路径，可看到新生成的烧写工具update.itb。 注意： 我们的烧写工具部分源码是不开源的，若您确实需要做相应更改请联系您的对接销售，由我们帮您修改。 OTG烧写不会因没有PCIe而受到影响。 上述的两个问题就是用户在自制底板去掉PCIe时可能会遇到的两种问题。 当然， 只设计了一路PCIe 的情况也需要注意： 如果自制底板只做了一路PCIe， 只焊了一个时钟芯片，也是会影响启动的 。那么也需要修改设备树，关闭未做出的那一路PCIe； 如果自制底板只做了一路PCIe，而 差分时钟焊的不是与接口对应的 ，那在命令行用lspci命令查询就会找不到设备。 以上就是OKMX8MQ-C平台目前针对底板去掉PCIe存在的问题提出的解决办法，可供大家在设计i.MX8MQ的底板时参考。https://www.forlinx.com/article_new_c22.html
-
工业物联网 为传统制造业带来的产业变革，使工厂的生产效率得到大幅提升，减少了生产过程的能源消耗，降低了生产成本，从技术角度推动了企业的高质量发展。目前，随着工业 物联网 相关技术的不断成熟，其应用已涵盖企业的供应链管理，生产过程工艺优化，生产设备监控管理，安全生产管理， 动环监测 及能耗管理等多个环节。在此基础上，伴随着 5G 技术的不断发展，“5G+工业物联网”的应用趋势成为了传统制造业向数字化、智能化转型的关键，应运而生的 5G工业网关 ，顺势成为建设智慧工厂的刚需。 一、应用案例 某智慧工厂 方案 服务商，需要一款用于车间生产设备（ 数控机床 ）的数据采集和监控管理的5G 工业网关 产品。此前，该用户曾基于x86架构自主研发了一款5G工业 网关 ，但因现场故障率较高且不能长时间稳定运行，迫切需要进行产品的迭代。在新产品研发评估阶段，用户了解到 飞凌嵌入式 推出的高性价比5G工业网关FCU2201。经过样机测试，用户决定放弃自主研发，批量使用FCU2201，因FCU2201满足了用户以下需求： 1. 无需产品研发投入； 2. 无风扇散热设计，规避了风扇故障带来的稳定性隐患； 3.严苛的 EMC 防护设计和工业级品质，可在-40℃~+80℃环境下长时间稳定运行； 4. 大幅降低了产品成本； 5.Ubuntu 18.04系统，与用户当前32位x86平台使用系统一致，降低了软件移植难度； 6. 多路RS485和双路千兆以太网，满足多节点PLC/CNC的连接； 7.全网通5G/4G/双频WiFi，组网方式灵活； 8. 主频高达1GHz，可满足本地数据处理和轻量级 边缘计算 。 应用场景拓扑简图 目前，用户已将高性价比5G工业网关FCU2201成功批量用于工厂智能化改造项目，且现场反馈良好。高性价比5G工业网关FCU2201采用 ARM Cortex -A53架构处理器设计，以低成本的定位为用户提供工业类数据采集和处理应用，赋能“5G+工业物联网”，助力传统制造业进行产业升级。 二、接口参数 FCU2201的出现，满足了工业网关与智慧工厂的上述需求，利用边缘云进一步降低时延，提高了采集、分析、调度等应用场景的速度，为用户提供了更智能、更高效的通信 解决方案 ，也为未来智慧工厂打开了想象空间。https://www.forlinx.com/product/153.html
-
一、 AM335 x VS AM62x 相较于经典的AM 335x 处理器，AM62x有着更丰富的功能以及更强大的其性能，参数对比如下： 光看数据没意思？那就来跑个分！我们通过跑分工具Nbench分别对AM335x和AM62x进行测试，具体的跑分表现如下： AM335x跑分结果 AM62x跑分结果 对比结果的差距可以说是很明显了，相较于AM335x，这颗 AM62x的整数处理性能要高2.6倍，浮点数处理性能高3.6倍 。 如果说AM335x是前十年的经典，那么AM62x就将是接力AM335x续写下个十年经典的新生力量！ 二、AM62x功能专项测试 1. IEEE 1588精确时间对时测试（PTP） 精确的时间同步技术在控制系统中占有重要地位，随着 嵌入式 控制系统应用范围的不断增长和应用规模的不断扩大，同步系统内各分散节点的 时钟 同步变得越来越重要。一些对时间高度敏感的工业集群，需要高精度的时间对时，才能保证集群的正常运行。 一般的网络时间同步协议（NTP）只能将时间差保持在毫秒级内，不能满足时间精确度的要求。而 AM62x支持IEEE1588精确时间对时协议，能够将设备间的时间差缩小到纳秒（ns）级内 。 接下来对其测试，我们需要两台 开发板 ，一台做为主机，另一台做从机（测试机）。 root@ok6254:~# ethtool -T eth1#检查网卡是否支持 root@ok6254:~#ptp4l -E -2 -H -i eth1 -m #主机设置为主钟 root@ok6254:~#ptp4l -E -2 -H -i eth1 -m -s #从机设置为从钟 图中的 master offset ，即PTP协议中定义的主从端时间差，单位为ns。可见当对时稳定时，两台开发板的时间差相差在几十纳秒内，时间差很小。 2、 M核独立运行测试 AM6254是一颗多核异构处理器，采用Cortex-A53+Cortex- M4 F的处理核加控制核架构组合；通过M4F内核及其专用外设实现功能安全特性，并且M4F内核的启动和运行不再依赖A53内核，使其运行更加稳定，使用更加灵活。 在实际应用中，M核的程序运行在裸机或者简单的操作系统上，所以一般M核的运行速度快，稳定性高，一般用于简单但重要的控制，比如故障处理、开关控制等。 A核中运行着 Linux 操作系统，相对复杂的系统意味着崩溃重启的风险也相对更高，运行的稳定性和速度都不如M核，但是A核功能丰富强大，能够实现许多M核无法实现的功能，比如信息采集、数据处理等。 目前的许多双架构嵌入式处理器因为M核的运行依赖于A核的运行，当A核中的Linux系统崩溃后，M核也无法正常工作，此时M核负责的重要工作也无法维持。而 AM62x的M核和A核是相互独立的，A核的运行状态对M核的运行没有任何影响，其稳定性大大提高 。 点亮M核流水灯： root@ok6254:~#cd/sys/class/remoteproc/remoteproc0 root@ok6254:/sys/class/remoteproc/remoteproc0# firmware state M核和A核一起运行（绿色流水灯和蓝色流水灯） 重启A核 root@ok6254:~#fltest_reset_a53.sh M核独立运行，A核重启（绿色流水灯亮，蓝色流水灯熄灭） 3. GPMC NOR Flash读写测试 格式化GPMC NOR Flash root@ok6254:/#cat/proc/mtd root@ok6254:/#flash_erase-j /dev/mtd0 0 0 挂载NOR Flash到文件系统 root@ok6254:/#mount-t jffs2 /dev/mtdblock0 /mnt/ NOR Flash读写测试 root@ok6254:/#dd if=/dev/zero of=/dev/mtdblock0 bs=1M count=16 conv=fsync 写入： 读取： 通过测试结果可以得知，AM62x的写入和读取速度分别是“257KB/s”和“10.8MB/s”，成绩还是很不错的。 测试过程大家可参考往期视频 《FET6254-C 核心板 上手：更强的后浪》 （Tips：点击标题即可观看，视频1分48"处开始测试） 三、 总结 通过以上对比和测试可以看出，搭载TI Sitara™ AM62x的FET6254-C核心板不管是性能还是功能，相较于前辈FE T3 35xD进步都是非常巨大的，并且还向下兼容了FET335xD-C的接口。 AM62x同样提供10年+的供货生命周期，使 医疗 、工业等领域的长生命周期产品可以无须担心长期供应问题。 因此用AM62x来替代已经在售十年之久的AM335x，无疑是一个非常好的选择。http://https://www.forlinx.com/product/153.html
-
1. RGB功能转接模块 FET3568-C核心板一共支持五种显示接口，大家可以在开发板上看到的分别是HDMI、eDP、LVDS和MIPI，而第五个显示接口其实是一个复用接口。 CPU内部是将RGB和部分的UART、SPI、IIC、GPIO复用了，开发板默认预留了2.54mm的排针，方便用户插杜邦线扩展功能模块，如我们的温湿度传感器、UART转RS485等等。 RGB功能的实现就需要用到转接模块---将2.54mm排针转换成飞凌标准液晶模块的连接器。 现在是要使用LCD，下载用户资料，打开Linux目录，会有两个文件夹，查看LCD转接模块的使用文档，after和before是修改前和修改后的设备树文件。 点击after进入到最底层目录，将DTSI文件拷入VM开发环境，使用命令cp，将其拷贝到对应位置，然后编译一下内核，生成boot.img用于单步烧写。 将生成的boot文件放到桌面，使用单步烧写工具，识别设备，读设备分区表，单独烧写一下boot，点击执行，使用PuTTy软件，打开串口，等待开发板启动，这时LCD屏幕已经显示logo，但是没有显示启动后的界面。 用命令查看LCD是否加载成功，可以看到已经加载成功，但是屏幕没亮，现在需要将LVDS的显示关闭，首先重新启动，再进入uboot选屏，然后将LVDS显示关闭，关闭成功后，选择重启，接下来就可以正常操作了。 2. SATA功能转接模块 除了显示接口，PCIe2.1和SATA也是有复用的，这两个功能都是工程师们常用的功能，飞凌也为大家做了转接设计，PCIe插槽转接成SATA连接器。 现在是要使用PCLe转SATA，下载用户资料，打开Linux目录，会有两个文件夹。 查看SATA转接板模块的使用文档，after和before是修改前和修改后的设备树文件，点击after进入到最底层目录，将DTSI文件拷入VM开发环境，使用命令cp，将其拷贝到对应位置，然后编译内核，生成boot.img用于单步烧写。 将生成的boot文件放到桌面，使用单步烧写工具，识别设备，读设备分区表，单独烧写一下boot，点击执行，使用PuTTy软件，打开串口，等待开发板启动，用df-h命令可以看到已经有了这三个设备挂载。 用lspci可以看到没有PCIe设备，用cd命令访问目录，可以看到硬盘内的文件，说明成功了。 https://www.forlinx.com/
相关资源
-
Kubernetes，简称K8s，是一个开源系统，用于自动化部署、扩展和管理容器化应用程序。它提供了基本机制来部署、维护和扩展应用程序，支持跨多个主机的容器应用。K8s是Go语言开发的，建立在Docker之上，可以看作是Docker的上层架构。它的主要功能包括应用部署、维护、扩展，集群管理、安全防护、准入机制、多应用支撑、服务注册与发现、智能负载均衡、故障发现与自我修复、服务滚动升级、在线扩容、资源配额管理等。K8s通过容器的方式来管理应用程序，使得容器集群能够运行在用户期望的状态，并解决容器跨机器通信的问题。DevOps（Development和Operations的组合词）是一组过程、方法与系统的统称，用于促进开发（应用程序/软件工程）、技术运营和质量保障（QA）部门之间的沟通、协作与整合。容器技术是k8s中最关键的技术，通过容器技术可以将一台实体服务器资源虚拟化为多个隔离的容器，容器之间有较高的隔离级别，可像一台独立的服务器般部署程序并对外提供服务。简单来说，可以把容器简单视为一个特殊的进程，该进程与其他进程相隔离，在自己的命名空间下使用网络接口和文件，并且该进程只能使用硬件的部分资源。容器技术的基础是linux命令空间和cgroups，其中：（1）容器的隔离是基于linux命令空间来实现的，命名空间提供了一种内核级别隔离系统资源的方法，通过将系统的全局资源放在不同的命名空间中，来实现资源隔离的目的。不同命名空间的进程，可以享有一份独立的系统资源。（2）硬件资源的限制是通过cgroups实现的，cgroups是一个linux内核功能，它被用来限制一个进程或者一组进程的资源（cpu、内存、带宽等）使用，被限制的进程不能过分使用为其他进程保留的资源。容器技术与微服务概念相得映彰，微服务概念强调将一个大的系统拆分为若干微服务，每个微服务实现系统的特定功能，通过这个方式来减少系统的耦合。一般而言，一个微服务所需的系统资源并不需要很多，使用一个容器来部署一个微服务便成了一件很合适的事情，毕竟容器创建简单、资源可控，隔离性好、扩容方便。Kubernetes中的CRD（CustomResourceDefinition，自定义资源定义）允许用户扩展API服务器以支持新的自定义资源。使用CRD，用户可以定义自己的KubernetesAPI资源类型，并在Kubernetes集群中创建、管理和操作这些自定义资源。CRD的创建和使用通常涉及以下几个步骤：创建CRD定义：创建一个CRD定义文件，例如customresource.yaml，其中包含自定义资源的结构和属性。CRD定义文件使用KubernetesAPI对象的规范来定义自定义资源的模式、版本和行为。apiVersion:apiextensions.k8s.io/v1kind:CustomResourceDefinitionmetadata: name:mycustomresources.samples.example.comspec: group:samples.example.com versions: -name:v1 served:true storage:true scope:Namespaced names: plural:mycustomresources singular:mycustomresource shortNames: -mcrkube-scheduler调度过程和原理kube-scheduler是Kubernetes集群中的一个核心组件，负责根据预定义的调度策略将Pod分配到集群中的合适节点上运行。下面是kube-scheduler的调度过程和原理的简要描述：获取未调度的Pod：kube-scheduler会定期从KubernetesAPI服务器获取所有未调度的Pod的列表。筛选：kube-scheduler会对未调度的Pod进行筛选，剔除不符合调度要求的Pod。这包括检查系统保留节点、Pod的亲和性和反亲和性要求（如NodeSelector、NodeAffinity等）、污点（Taints）等。只有符合筛选条件的Pod才会进入下一步的调度过程。评分：对于剩下的可调度Pod，kube-scheduler会对每个节点进行评分，根据一系列算法为每个节点计算出一个分数。评分算法可以根据用户自定义的策略进行配置，常见的因素包括节点资源利用率、节点的可用性、亲和性和反亲和性等。选择节点：根据评分结果，kube-scheduler会选择具有最高分数的节点来运行Pod。如果多个节点具有相同的最高分数，kube-scheduler会根据预定义的调度策略（如最少负载、随机选择等）来决定最终的调度结果。更新调度结果：获取到调度结果后，kube-scheduler将更新Pod的调度信息，并将其更新到KubernetesAPI服务器中。这样其他组件（如kubelet）就会根据调度结果来将Pod放置到相应的节点上运行。监控和重调度：kube-scheduler会定期监控已调度的Pod以确保其正常运行。如果发现某个节点不可用或Pod处于非运行状态，kube-scheduler将重新进行调度，将Pod迁移到其他合适的节点上。kubernetes内部需要5套证书，手动创建或者自动生成，分别为：1.etcd内部通信需要一套ca和对应证书。2.etcd与外部通信也要有一套ca和对应证书。3.APIserver间通信需要一套证书。4.apiserver与node间通信需要一套证书。5.node和pod间通信需要一套ca证书。目前来说还不能实现把所有的业务都迁到kubernetes上，如存储，因为这个是有状态应用，出现错误排查很麻烦，所以目前kubernetes主要是运行无状态应用。所以一般而言，负载均衡器运行在kubernetes之外，nginx或者tomcat这种无状态的应用运行于kubernetes集群内部，而数据库如mysql，zabbix，zoopkeeper等有状态的，一般运行于kubernetes外部，通过网络连接，实现kubernetes集群的pod调用这些外部的有状态应用。Kubernetes引入Pod主要基于下面两个目的：-可管理性有些容器天生就是需要紧密联系,一起工作。Pod提供了比容器更高层次的抽象，将它们封装到一个部署单元中。Kubernetes以Pod为最小单位进行调度、扩展、共享资源、管理生命周期。-通信和资源共享Pod中的所有容器使用同一个网络namespace，即相同的IP地址和Port空间。它们可以直接用localhost通信。同样的，这些容器可以共享存储，当Kubernetes挂载volume到Pod，本质上是将volume挂载到Pod中的每一个容器。
-
-
Linux云计算运维工程师路线图（集群、虚拟化、K8S、Docker、智能化、Python大数据）课程分享从目前市场发展情况以及应用率来说，Linux云计算的就业前景是非常不错的，至少在未来十年都是非常不错的职业，市场上对于Linux人才需求量很大，就业薪资待遇也是非常不错，有百分之八十的公司都在使用Linux；学习Linux之后可以从业的岗位也是非常多的，比如说：Linux运维工程师Linux运维平台研究工程师运维开发工程师运维总监大数据运维工程师系统运维架构师随着互联网的高速发展、网站规模越来越大、架构越来越复杂，对网络运维工程师的需求也会越来越急迫，特别是对有经验的人才需求量大，而且职业发展前景非常好。Linux云计算运维工程师路线图（集群、虚拟化、K8S、Docker、智能化、Python大数据）持续更新第一阶段Linux基础环境搭建篇第二阶段Linux磁盘管理第三阶段Linux网络篇第四阶段Docker篇 第五阶段Kubernetes（K8S）篇 第六阶段Shell基础+实战 地七阶段搜索引擎运维篇+logstash日志收集第八阶段自动化运维第九阶日志监控系统Promethus第十阶段K8S监控方案第十一阶段大型在线教育运维项目
-
今天给大家分享2套课程，《PythonDevOps运维开发实战集训营（中级班）》+《PythonDevOps运维开发实战集训营（高级班）》，视频+源码+课件文档下载，资料齐全！价值4K的资源！Python能够取得如此出色的成绩，与他自身特点及发展密不可分，Python能够大展头角的领域涵盖方方面面，例如系统运维、网站开发、人工智能、网络编程、数学处理、爬虫等。现阶段，掌握一门开发语言已经是高薪运维工程师的必备技能，不会开发，你就不能提高运维工作效率!就不能充分理解公司业务流程!就不能帮助调试、优化!对于DevOps领域来说，Python是你首选的开发语言，因为它易学易用，能够满足大部分自动化需求，快速开发出高大上的运维管理平台,是目前系统运维应用最广泛的语言，没有之一!为此，推出这]课程，帮助你快速提升运维开发能力。只要你跟着老师坚持学习2个月，就能掌握Python+Django开发Web系统、背后设计思想、代码实现，并通过上手实战理解”自动化运维"在实际工作中的应用,独立开发运维系统。中级班大纲：第1周开班仪式第2周第一阶段：Python快速入门（上）第3周第一阶段：Python快速入门（下）第4周第二阶段：Django入门与进阶（上）第5周第二阶段：Django入门与进阶（下）第6周第三阶段：前端基础HTML-CSS-JS-Layui第7周第三阶段：前端基础HTML-CSS-JS-Layui第8周第四阶段：项目案例：K8s管理平台（1）第9周第四阶段：项目案例：K8s管理平台（2）第10周第四阶段：项目案例：K8s管理平台（3）代码+课件高级班大纲：第1周、开班仪式第2周、第一阶段：DjangoRESTFramework框架（上）第3周、第一阶段：DjangoRESTFramework框架（下）第4周、第二阶段：Vue前端开发第5周、第二阶段：Vue前端开发第6周、第三阶段：CMDB项目实战（API平台开发）第7周、第三阶段：CMDB项目实战（API平台开发）第8周、第三阶段：CMDB项目实战（前端开发）第9周、第四阶段：应用自动发布项目实战（服务端）第10周、第四阶段：应用自动发布项目实战（前端）第11周、第四阶段：应用自动发布项目实战（前端）第12周、第四阶段：应用自动发布项目实战（前端）课程配套代码和文档
-
LTE自组织网络（SON）：网络管理自动化提升运维效率-(国际信息工程先进技术译丛)-[芬]SeppoHämäläinen-[德]HenningSanneck-[德]CinziaSartori
-
SRE：Google运维解密-[美]BetsyBeyer-ChrisJones-JenniferPetoff-NiallRichardMurphy
-
循序渐进DB2-DBA系统管理、运维与应用案例-第3版-牛新庄
-
-
基于5G工业互联网的AGV_移动机器人智能运维系统设计与应用
-
-
-
-
基于通信网络状态感知的电力交换光网络一体化运维平台
-
-
-
-
-
-
基于机器学习算法的医疗设备运维状态自主感知及主动预警模型研究
-
