- 操作系統配置參數難題
操作系統作為銜接應用和硬件的基礎軟件，如何調整系統的參數配置，充分發揮軟硬件能力，從而使業務性能達到最優，對用戶至關重要。然而，運行在操作系統上的業務類型成百上千，應用形態千差萬別，對資源的要求各不相同。
困境一：參數對象龐大，業務復雜度高。
當前硬件和基礎軟件組成的應用環境涉及高達7000多個配置對象，隨着業務復雜度和調優對象的增加，調優所需的時間成本呈指數級增長，導致調優效率急劇下降，給用戶帶來巨大挑戰。
困境二：並非所有的系統能力都能通用。
操作系統作為基礎軟件，提供了大量的軟硬件管理的基礎能力，每種能力適用的場景不盡相同，並非對所有的應用場景都通用有益。
困境三：實驗室無法完成所有應用負載的模擬測試。
實際業務場景成千上萬，計算、網絡、存儲等硬件配置也各種各樣，實驗室無法遍歷所有的應用和場景，以及不同的硬件組合。
- AI技術帶來的新思路
為了應對上述挑戰，解決用戶的難題，操作系統急需一顆智能的“大腦”，一顆能夠感知上層業務類型，能夠“懂”業務的“大腦”，而A-Tune就是這樣一顆大腦，它通過使用AI技術，對業務場景建立精准的系統畫像，感知並推理出業務特征，進而做出決策，匹配並推薦最佳的系統參數配置組合，使業務處於最佳運行狀態。openEuler適時推出了這顆智慧大腦A-Tune。
- AI技術與操作系統碰撞出“新火花”
A-Tune利用AI技術，通過對業務系統的底層性能數據進行分析和建模，構建精准的場景系統畫像，針對負載模型匹得出合適的資源模型，並制定對應的調度優化策略，對業務進行更細粒度的調優，讓應用程序發揮出極致性能。
A-Tune強大的調優能力讓系統運維更簡單，讓IT運維人員更輕松，它能夠滿足入門到專業級開發者的不同需求：
- 對於初級用戶，盡可能屏蔽硬件和操作系統的底層細節，降低調優門檻，實現用戶無感知的系統優化；
- 對於專業用戶，可以針對具體的業務場景進行定制，如豐富優化經驗庫，訓練自己的模型，實現更精細的調優。
A-Tune核心技術框架如下圖，主要包括智能決策、系統畫像和交互系統三層。
- 智能決策層：包含感知和決策兩個子系統，分別完成對應用的智能感知和對系統的調優決策。
- 系統畫像層：主要包括標注和學習系統，標注系統用於業務模型的聚類，學習系統用於業務模型的學習和分類。
- 交互系統層：用於各類系統資源的監控和配置，調優策略執行在本層進行。
- A-Tune應用實踐
以Web業務場景為例，SSL/TLS加解密的過程對於CPU計算能力的消耗相對較高，對於Web每次的數據交互都要進行建鏈，也就意味着每一次的數據傳輸都要進行RSA加解密，CPU的計算能力決定了Web服務器的處理性能。基於SSL/TLS的加解密任務，消耗CPU計算能力在Web服務中占比高達80%。
A-Tune通過感知Web業務特征，自動將加解密計算卸載到鯤鵬芯片的加速器中，從而降低CPU使用消耗，優化后Web服務端處理性能提升200%，對比其他處理器的吞吐量提升顯著。下圖是Nginx作為Web服務器，通過A-Tune優化后的性能提升效果：
*測試結果來源於A-tune團隊實驗室測試數據。
更多關於A-Tune項目信息，可在openEuler開源社區獲取。
openEuler開源社區：https://openeuler.org
A-Tune項目源碼：https://gitee.com/openeuler/A-Tune
A-Tune項目文檔：https://gitee.com/openeuler/A-Tune/tree/master/Documentation