stress ng herunterladen - Quellcode stress ng herunterladen

stress-ng (Stress nächste Generation)

stress-ng testet ein Computersystem auf verschiedene wählbare Arten. Es wurde entwickelt, um verschiedene physische Subsysteme eines Computers sowie die verschiedenen Kernelschnittstellen des Betriebssystems zu trainieren. Stress-ng-Funktionen:

Über 350 Stresstests
Über 80 CPU-spezifische Stresstests, die Gleitkomma-, Ganzzahl-, Bitmanipulations- und Kontrollflusstests durchführen
Über 20 Stresstests für den virtuellen Speicher
Über 40 Dateisystem-Stresstests
Über 30 Speicher-/CPU-Cache-Stresstests
portierbar: baut auf Linux (Debian, Devuan, RHEL, Fedora, Centos, Slackware OpenSUSE, Ubuntu usw.), Solaris, FreeBSD, NetBSD, OpenBSD, DragonFlyBSD, Minix, Android, MacOS X, Serenity OS, GNU/Hurd auf. Haiku, Windows-Subsystem für Linux, Cygwin und SunOs/Dilos/Solaris. mit gcc, musl-gcc, clang, icc, icx, tcc und pcc.
Getestet auf Alpha, armel, armhf, arm64, hppa, i386, loong64, m68k, mips32, mips64, power32, ppc64el, risc-v, sh4, s390x, sparc64, x86-64

stress-ng war ursprünglich dazu gedacht, eine Maschine hart arbeiten zu lassen und Hardwareprobleme wie thermische Überlastungen sowie Betriebssystemfehler auszulösen, die nur dann auftreten, wenn ein System stark beansprucht wird. Gehen Sie bei Stress-ng mit Vorsicht vor, da einige der Tests dazu führen können, dass ein System auf schlecht konzipierter Hardware überhitzt, und dass es außerdem zu übermäßigem System-Thrashing kommen kann, das schwer zu stoppen ist.

stress-ng kann auch Testdurchsatzraten messen; Dies kann nützlich sein, um Leistungsänderungen zwischen verschiedenen Betriebssystemversionen oder Hardwaretypen zu beobachten. Es war jedoch nie dazu gedacht, als präzise Benchmark-Testsuite verwendet zu werden. Verwenden Sie es daher NICHT auf diese Weise.

Wenn Sie stress-ng mit Root-Rechten ausführen, werden die Einstellungen für nicht genügend Arbeitsspeicher auf Linux-Systemen angepasst, sodass die Stressfaktoren in Situationen mit wenig Arbeitsspeicher unzerstörbar sind. Gehen Sie daher mit Bedacht damit um. Mit der entsprechenden Berechtigung kann stress-ng die Anpassung der Ionice-Klasse und der Ionice-Werte ermöglichen. Auch dies sollte mit Vorsicht verwendet werden.

Tarballs

Tarballs jeder Version von stress-ng können über die URL heruntergeladen werden:

https://github.com/ColinIanKing/stress-ng/tarball/version

Dabei ist Version die entsprechende Versionsnummer, zum Beispiel:

https://github.com/ColinIanKing/stress-ng/tarball/V0.13.05

Den neuesten Stress-NG-Snapshot in einem Container ausführen

docker run --rm ghcr.io/colinianking/stress-ng --help

oder

docker run --rm colinianking/stress-ng --help

Debian-Pakete für Ubuntu

Aktuelle Versionen von stress-ng sind im Ubuntu stress-ng ppa für verschiedene Ubuntu-Versionen verfügbar:

https://launchpad.net/~colin-king/+archive/ubuntu/stress-ng

 sudo add-apt-repository ppa:colin-king/stress-ng
sudo apt update
sudo apt install stress-ng

Stress aufbauen

Zum Erstellen stellen die folgenden Bibliotheken einen voll funktionsfähigen Stress-NG-Build sicher: (Beachten Sie, dass libattr für neuere Disto-Versionen nicht erforderlich ist).

Debian, Ubuntu:

gcc g++ libacl1-dev libaio-dev libapparmor-dev libatomic1 libattr1-dev libbsd-dev libcap-dev libeigen3-dev libgbm-dev libcrypt-dev libglvnd-dev libipsec-mb-dev libjpeg-dev libjudy-dev libkeyutils-dev libkmod-dev libmd-dev libmpfr-dev libsctp-dev libxxhash-dev zlib1g-dev

RHEL, Fedora, Centos:

gcc g++ eigen3-devel Judy-devel keyutils-libs-devel kmod-devel libacl-devel libaio-devel libatomic libattr-devel libbsd-devel libcap-devel libgbm-devel libcrypt-devel libglvnd-core-devel libglvnd-devel libjpeg-devel libmd -devel mpfr-devel libX11-devel libXau-devel libxcb-devel lksctp-tools-devel xorg-x11-proto-devel xxhash-devel zlib-devel

RHEL, Fedora, Centos (statische Builds):

gcc g++ eigen3-devel glibc-static Judy-devel keyutils-libs-devel libacl-devel libaio-devel libatomic-static libattr-devel libbsd-devel libcap-devel libgbm-devel libcrypt-devel libglvnd-core-devel libglvnd-devel libjpeg- devel libmd-devel libX11-devel libXau-devel libxcb-devel lksctp-tools-devel mpfr-devel xorg-x11-proto-devel xxhash-devel zlib-devel

SUSE:

gcc gcc-c++ eigen3-devel keyutils-devel libaio-devel libapparmor-devel libatomic1 libattr-devel libbsd-devel libcap-devel libgbm-devel libglvnd-devel libjpeg-turbo libkmod-devel libmd-devel libseccomp-devel lksctp-tools-devel mpfr-devel xxhash-devel zlib-devel

ClearLinux:

devpkg-acl devpkg-eigen devpkg-Judy devpkg-kmod devpkg-attr devpkg-libbsd devpkg-libjpeg-turbo devpkg-libsctp devpkg-mesa

Alpine Linux:

build-base eigen-dev jpeg-dev judy-dev keyutils-dev kmod-dev libacl-dev libaio-dev libatomic libattr libbsd-dev libcap-dev libmd-dev libseccomp-dev lksctp-tools-dev mesa-dev mpfr-dev xxhash -dev zlib-dev

Schnappschüsse:

stress-ng ist nicht dafür gedacht, mit Snapcraft geschnappt zu werden. Dies verstößt strikt gegen den Willen des Projektbetreuers und Hauptentwicklers.

HINWEIS: Der Build versucht, Build-Abhängigkeiten zu erkennen und erstellt ein Image mit deaktivierter Funktionalität, wenn die Unterstützungsbibliotheken nicht installiert sind.

Zur Build-Zeit erkennt stress-ng Kernel-Funktionen, die auf dem Ziel-Build-System verfügbar sind, und aktiviert entsprechende Stresstests. Stress-ng wurde auf Ubuntu, Debian, Debian GNU/Hurd, Slackware, RHEL, SLES, Centos, kFreeBSD, OpenBSD, NetBSD, FreeBSD, Debian kFreeBSD, DragonFly BSD, OS X, Minix, Solaris 11.3, OpenIndiana und anderen getestet Hiaku. Portierungen auf andere POSIX/UNIX-ähnliche Betriebssysteme sollten relativ einfach sein.

HINWEIS: Führen Sie IMMER make clean aus, nachdem Sie Änderungen aus dem Git-Repository abgerufen haben, um zu erzwingen, dass der Build die Build-Konfigurationsdatei neu generiert. Parallele Builds mit make -j werden unterstützt.

Um auf BSD-Systemen aufzubauen, benötigt man gcc und GNU make:

    CC=gcc gmake clean
    CC=gcc gmake

Um auf OS X-Systemen zu bauen, verwenden Sie einfach:

    make clean
    make -j

Um auf MINIX aufzubauen, sind gmake und clang erforderlich:

    CC=clang gmake clean
    CC=clang gmake

Um auf SunOS zu bauen, benötigt man GCC und GNU make, build mit:

    CC=gcc gmake clean
    CC=gcc gmake

Um auf Dilos aufzubauen, benötigt man GCC und GNU make, build mit:

    CC=gcc gmake clean
    CC=gcc gmake

So bauen Sie auf Haiku R1/Beta5 auf:

    # GCC
    make clean
    make
    # Clang
    CC=clang make clean
    CC=clang make

Um ein statisches Bild zu erstellen (z. B. für Android), verwenden Sie:

 # path to Android NDK
# get NDK from https://developer.android.com/ndk/downloads
    export NDK=$HOME/android-ndk-r27c
    export PATH=$PATH:$NDK/toolchains/llvm/prebuilt/linux-x86_64/bin
    export TARGET=aarch64-linux-android
    # Define Android API level
    export API=27
    export CC=$TARGET$API-clang

    make clean
    STATIC=1 make

So erstellen Sie mit dem Tiny C-Compiler:

    make clean
    CC=tcc make

Um mit dem tragbaren C-Compiler PCC zu erstellen, verwenden Sie:

    make clean
    CC=pcc make

So erstellen Sie mit der Musl-C-Bibliothek:

    make clean
    CC=musl-gcc

Um mit dem Intel C-Compiler ICC zu erstellen, verwenden Sie:

    make clean
    CC=icc make

Um mit dem Intel C-Compiler icx zu erstellen, verwenden Sie:

    make clean
    CC=icx make

Um eine Kreuzkompilierung mit gcc durchzuführen, verwenden Sie einen statischen Build und geben Sie die Toolchain an (sowohl CC als auch CXX). Zum Beispiel ein mips64-Cross-Build:

    make clean
    STATIC=1 CC=mips64-linux-gnuabi64-gcc CXX=mips64-linux-gnuabi64-g++ make -j $(nproc)

So führen Sie eine Cross-Kompilierung für qnx durch, beispielsweise einen aarch64-qnx-Cross-Build:

    make clean
    CC=aarch64-unknown-nto-qnx7.1.0-gcc CXX=aarch64-unknown-nto-qnx7.1.0-g++ STATIC=1 make

Build-Option: DEBUG, Build mit aktiviertem Debug (-g):

    make clean
    DEBUG=1 make

Build-Option: LTO, Link Time Optimization (ca. 1–2 % Leistungsverbesserung bei Rechenbelastung):

    make clean
    LTO=1 make

Build-Option: PEDANTIC, aktivieren Sie pedantische Build-Flags:

    make clean
    PEDANTIC=1 make

Build-Option: GARBAGE_COLLECT, Warnung vor nicht verwendetem Code:

    make clean
    GARBAGE_COLLECT=1 make

Build-Option: UNEXPECTED=1, Warnung vor unerwartetem #ifdef-Ausgabecode:

    make clean
    UNEXPECTED=1 make

Beitrag zu Stress-ng:

Senden Sie Patches an [email protected] oder führen Sie Anfragen unter https://github.com/ColinIanKing/stress-ng zusammen

Schnellstart-Referenzhandbuch

Das Ubuntu Stress-NG-Referenzhandbuch enthält einen kurzen Überblick und ausgearbeitete Beispiele.

Beispiele

Führen Sie 4 CPUs, 2 virtuelle Speicher, 1 Festplatte und 8 Fork-Stressoren 2 Minuten lang aus und drucken Sie die Messungen aus:

 stress-ng --cpu 4 --vm 2 --hdd 1 --fork 8 --timeout 2m --metrics
stress-ng: info:  [573366] setting to a 120 second (2 mins, 0.00 secs) run per stressor
stress-ng: info:  [573366] dispatching hogs: 4 cpu, 2 vm, 1 hdd, 8 fork
stress-ng: info:  [573366] successful run completed in 123.78s (2 mins, 3.78 secs)
stress-ng: info:  [573366] stressor       bogo ops real time  usr time  sys time   bogo ops/s     bogo ops/s CPU used per
stress-ng: info:  [573366]                           (secs)    (secs)    (secs)   (real time) (usr+sys time) instance (%)
stress-ng: info:  [573366] cpu              515396    120.00    453.02      0.18      4294.89        1137.24        94.42
stress-ng: info:  [573366] vm              2261023    120.01    223.80      1.80     18840.15       10022.27        93.99
stress-ng: info:  [573366] hdd              367558    123.78     10.63     11.67      2969.49       16482.42        18.02
stress-ng: info:  [573366] fork             598058    120.00     68.24     65.88      4983.80        4459.13        13.97

Führen Sie Matrix Stressor 60 Sekunden lang auf allen Online-CPUs aus und messen Sie die Temperatur:

 stress-ng --matrix -1 --tz -t 60
stress-ng: info:  [1171459] setting to a 60 second run per stressor
stress-ng: info:  [1171459] dispatching hogs: 8 matrix
stress-ng: info:  [1171459] successful run completed in 60.01s (1 min, 0.01 secs)
stress-ng: info:  [1171459] matrix:
stress-ng: info:  [1171459]               acpitz0   75.00 C (348.15 K)
stress-ng: info:  [1171459]               acpitz1   75.00 C (348.15 K)
stress-ng: info:  [1171459]          pch_skylake   60.17 C (333.32 K)
stress-ng: info:  [1171459]         x86_pkg_temp   62.72 C (335.87 K)

Führen Sie eine Mischung aus 4 I/O-Stressoren aus und prüfen Sie, ob sich die SMART-Metadaten der Festplatte geändert haben:

 sudo stress-ng --iomix 4 --smart -t 30s
stress-ng: info:  [1171471] setting to a 30 second run per stressor
stress-ng: info:  [1171471] dispatching hogs: 4 iomix
stress-ng: info:  [1171471] successful run completed in 30.37s
stress-ng: info:  [1171471] Device     ID S.M.A.R.T. Attribute                 Value      Change
stress-ng: info:  [1171471] sdc        01 Read Error Rate                   88015771       71001
stress-ng: info:  [1171471] sdc        07 Seek Error Rate                   59658169          92
stress-ng: info:  [1171471] sdc        c3 Hardware ECC Recovered            88015771       71001
stress-ng: info:  [1171471] sdc        f1 Total LBAs Written               481904395         877
stress-ng: info:  [1171471] sdc        f2 Total LBAs Read                 3768039248        5139
stress-ng: info:  [1171471] sdd        be Temperature Difference             3670049           1

Benchmark-Systemaufrufe mithilfe des VDSO:

 stress-ng --vdso 1 -t 5 --metrics
stress-ng: info:  [1171584] setting to a 5 second run per stressor
stress-ng: info:  [1171584] dispatching hogs: 1 vdso
stress-ng: info:  [1171585] stress-ng-vdso: exercising vDSO functions: clock_gettime time gettimeofday getcpu
stress-ng: info:  [1171585] stress-ng-vdso: 9.88 nanoseconds per call (excluding 1.73 nanoseconds test overhead)
stress-ng: info:  [1171584] successful run completed in 5.10s
stress-ng: info:  [1171584] stressor       bogo ops real time  usr time  sys time   bogo ops/s     bogo ops/s CPU used per
stress-ng: info:  [1171584]                           (secs)    (secs)    (secs)   (real time) (usr+sys time) instance (%)
stress-ng: info:  [1171584] vdso          430633496      5.10      5.10      0.00  84375055.96    84437940.39        99.93
stress-ng: info:  [1171584] vdso               9.88 nanoseconds per call (average per stressor)

Generieren und messen Sie Verzweigungsfehler mithilfe von Leistungsmetriken:

 sudo stress-ng --branch 1 --perf -t 10 | grep Branch
stress-ng: info:  [1171714]                604,703,327 Branch Instructions            53.30 M/sec
stress-ng: info:  [1171714]                598,760,234 Branch Misses                  52.77 M/sec (99.02%)

Führen Sie Permutationen von E/A-Stressoren auf einem ZFS-Dateisystem aus, mit Ausnahme des Rawdev-Stressors mit Kernel-Protokollfehlerprüfung:

 stress-ng --class io --permute 0 -x rawdev -t 1m --vmstat 1 --klog-check  --temp-path /zfs-pool/test

Nur x86: Messen Sie die Leistung mithilfe der RAPL-Schnittstellen an 8 gleichzeitigen 3D-Matrix-Stressoren mit aktivierter Überprüfung. Beachten Sie, dass zum Lesen von RAPL Root-Rechte erforderlich sind.

 sudo stress-ng --matrix-3d 8 --matrix-3d-size 512 --rapl -t 10 --verify
stress-ng: info:  [4563] setting to a 10 secs run per stressor
stress-ng: info:  [4563] dispatching hogs: 8 matrix-3d
stress-ng: info:  [4563] matrix-3d:
stress-ng: info:  [4563]  core                     6.11 W
stress-ng: info:  [4563]  dram                     2.71 W
stress-ng: info:  [4563]  pkg-0                    8.20 W
stress-ng: info:  [4563]  psys                    16.90 W
stress-ng: info:  [4563]  uncore                   0.06 W
stress-ng: info:  [4563] skipped: 0
stress-ng: info:  [4563] passed: 8: matrix-3d (8)
stress-ng: info:  [4563] failed: 0
stress-ng: info:  [4563] metrics untrustworthy: 0
stress-ng: info:  [4563] successful run completed in 11.38 secs

Messen Sie den Wohnsitz im C-Staat:

 stress-ng --intmath 0 -t 1m --c-states
stress-ng: info:  [6998] setting to a 1 min run per stressor
stress-ng: info:  [6998] dispatching hogs: 8 intmath
stress-ng: info:  [6998] intmath:
stress-ng: info:  [6998]  C0     99.98%
stress-ng: info:  [6998]  C1      0.00%
stress-ng: info:  [6998]  C1E     0.01%
stress-ng: info:  [6998]  C3      0.00%
stress-ng: info:  [6998]  C6      0.01%
stress-ng: info:  [6998]  C7s     0.00%
stress-ng: info:  [6998]  C8      0.00%
stress-ng: info:  [6998]  POLL    0.00%
stress-ng: info:  [6998] skipped: 0
stress-ng: info:  [6998] passed: 8: intmath (8)
stress-ng: info:  [6998] failed: 0
stress-ng: info:  [6998] metrics untrustworthy: 0
stress-ng: info:  [6998] successful run completed in 1 min

Mit stress-ng gefundene Fehler und Regressionen

stress-ng hat verschiedene Kernel-, QEMU-Fehler/Regressionen und libc-Fehler gefunden; Zur Behebung dieser Probleme wurden entsprechende Korrekturen vorgenommen:

2015:

SCHLÜSSEL: Stellen Sie sicher, dass wir die Bearbeitung des Assoc-Arrays freigeben, wenn die Bearbeitung gültig ist
proc: -ESRCH-Fehler beim Schreiben in /proc/$pid/coredump_filter behoben
SMP-Teilungsfehler

2016:

fs/locks.c: Kernel-Ups während des Posix-Lock-Stresstests
sched/core: Behebung eines Wettlaufs zwischen try_to_wake_up() und einer aufgeweckten Aufgabe
devpts: Nullzeiger-Dereferenzierung bei fehlgeschlagener Speicherzuweisung behoben
arm64: Erzwingt keine strikte 16-Byte-Ausrichtung auf den Stapelzeiger

2017:

ARM: dts: meson8b: Reservierte Speicherzone hinzufügen, um stille Einfrierungen zu beheben
ARM64: dts: meson-gx: Firmware-reservierte Speicherzonen hinzufügen
ext4: Sperren Sie den xattr-Block, bevor Sie eine Prüfsumme bilden
rcu_preempt hat Blockierungen bei CPUs/Aufgaben festgestellt
FEHLER: Kernel-NULL-Zeiger-Dereferenzierung kann nicht verarbeitet werden
WARNUNG: Mögliche zirkuläre Sperrabhängigkeit erkannt

2018:

Bilder: ofdlock(): Assertion fehlgeschlagen: lckdat->l_start == 0
debugobjects: Globale freie Liste in __debug_check_no_obj_freed() verwenden
ext4_validate_inode_bitmap:99: comm stress-ng: Beschädigte Inode-Bitmap
virtio/s390: Rennen in ccw_io_helper() beheben

2019:

mm/page_idle.c: Hoppla beheben, da end_pfn größer als max_pfn ist
mm: Komprimierung: 100 % CPU-Auslastung während der Komprimierung vermeiden, wenn eine Aufgabe beendet wird
mm/vmalloc.c: Laden Sie eine CPU mit einem Objekt für Split-Zwecke vor
perf evlist: Verwenden Sie unshare(CLONE_FS) in SB-Threads, damit setns(CLONE_NEWNS) funktioniert
riscv: Ungültige Systemaufrufe unter -1 ablehnen

2020:

RISC-V: Seitenzuordnungsanfragen nur für Write+Exec in mmap nicht zulassen
riscv: setze max_pfn auf die PFN der letzten Seite
crypto: hisilicon – Parameter des SEC-Treibermoduls aktualisieren
net: atm: Aktualisierung des Positionsindex in lec_seq_next korrigiert
sched/debug: Speicherbeschädigung behoben, die durch mehrere kleine Lesevorgänge von Flags verursacht wurde
ocfs2: ratelimit der Hinweis „Maximale Suchzeiten erreicht“.
Die Verwendung von perf kann zum Absturz des Kernels mit einem Stapelüberlauf führen
stress-ng auf einem gcov-aktivierten Focal-Kernel löst OOPS aus
Kernel-Bug-List_del-Beschädigung auf S390x durch stress-ng mknod und stress-ng symlink

2021:

sparc64: Opcode-Filterung bei der Verarbeitung von fehlerfreien Lasten korrigiert
Das Öffnen einer Datei mit O_DIRECT in einem Dateisystem, das dies nicht unterstützt, hinterlässt eine leere Datei
locking/atomic: sparc: arch_cmpxchg64_local() reparieren
btrfs: Behebung der Erschöpfung des System-Chunk-Arrays aufgrund gleichzeitiger Zuweisungen
btrfs: Chunk-Zuweisung überarbeiten, um eine Erschöpfung des System-Chunk-Arrays zu vermeiden
Btrfs: Deadlock bei gleichzeitigen Chunk-Zuweisungen mit System-Chunks beheben
lock/atomic: sparc: arch_cmpxchg64_local() reparieren
Pipe: Führen Sie FASYNC-Benachrichtigungen für jeden Pipe-IO durch, nicht nur für Statusänderungen
io-wq: GFP_ATOMIC-Zuweisung aus dem Zeitplan-Out-Pfad entfernen
mm/swap: Berücksichtigen Sie die maximale Seitenzahl in iomap_swapfile_add_extent
Block: Schleife: Deadlock zwischen Öffnen und Entfernen beheben
tmpfs: O_DIRECT | O_CREATE open meldet einen Öffnungsfehler, erstellt aber tatsächlich eine Datei

2022:

copy_process(): fd_install() aus dem kritischen Abschnitt sighand->siglock verschieben
minix: Fehler beim Öffnen einer Datei mit O_DIRECT behoben
arch/arm64: Topologieinitialisierung für die Kernplanung korrigiert
Ausführen von stress-ng unter Minux 3.4.0-RC6 auf AMD64 Assert in vm/region.c:313
Der Unshare-Test löst einen nicht behandelten Seitenfehler aus
request_module DoS
NUMA-Benchmark-Regression unter Linux 5.18
Unterlauf in mas_spanning_rebalance() und testen
mm/huge_memory: swp_entry_t während der THP-Splittung nicht blockieren
AppArmor: -42,5 % Regression von stress-ng.kill.ops_per_sec aufgrund von Commit
Clocksource: Unterbricht den Watchdog vorübergehend, wenn eine hohe Leselatenz erkannt wird

2023:

qemu-system-m68k Segfaults auf Opcode 0x4848
rtmutex: Stellen Sie sicher, dass der oberste Kellner immer geweckt wird
mm/swap: swap_info_struct-Rennen zwischen swapoff und get_swap_pages() behoben
Block, bfq: Fehler bei Division durch Null bei Null-Wsum behoben
riscv: mm: Stellen Sie sicher, dass der Schutz von VM_WRITE und VM_EXEC lesbar sein muss
Setzen Sie „mm: vmscan: globale Slab-Shrink-Sperre sperren“ zurück
Absturz/Hang in mm/swapfile.c:718 add_to_avail_list beim Ausführen von stress-ng
mm: Zswap-Writeback-Race-Bedingung behoben
x86/fpu: Legen Sie die X86_FEATURE_OSXSAVE-Funktion fest, nachdem Sie OSXSAVE in CR4 aktiviert haben
Kernel/Fork: Vorsicht vor dem Aufrufkontext von __put_task_struct()
arm64: dts: ls1028a: L1- und L2-Cache-Informationen hinzufügen
filemap: filemap_map_order0_folio() hinzufügen, um das Order0-Folio zu verarbeiten
mm: Shrinker: Infrastruktur zur dynamischen Zuweisung von Shrinker hinzufügen
mm: Schrumpfer: Globale Plattenschrumpfung sperrlos machen
bcachefs: btree_node_just_scribed() löschen, wenn der Knoten wiederverwendet oder entfernt wird
Ablaufverfolgung: Unvollständige Sperrung beim Deaktivieren gepufferter Ereignisse behoben
mm: migrate: Behebung einer falschen Seitenzuordnung während der Seitenmigration
mm: mmap: Map_STACK auf VM_NOHUGEPAGE abbilden

2024:

fs: Verbessert die Robustheit von dump_mapping()
tracing: Stellen Sie die Sichtbarkeit sicher, wenn Sie ein Element in tracing_map einfügen
Connector/cn_proc: revert „Connector: Fix proc_event_num_listeners count nicht gelöscht“
powerpc/pseries: Genauigkeit der gestohlenen Zeit korrigieren
OpenBSD: libm: Segfault in Sincosl
Durch Öffnen und Schließen von /dev/dri/card0 in einer QEMU-KVM-Instanz wird das System heruntergefahren, 6.10.0-rc6+
Uprobes: mutex_lock() unter rcu_read_lock() verhindern
Systemabsturz mit RT-Kernel auf AMD64
WARNUNG: CPU: 17 PID: 118273 unter kernel/sched/deadline.c:794 setup_new_dl_entity+0x12c/0x1e8
Kernel hoppla in pick_next_task_fair im 6.8.1-1002-Realtime-Kernel
Kernel hoppla in aafs_create im 6.8.1-1002-Realtime-Kernel
mm: Optimieren Sie die redundante Schleife
MultiVM – L2-Gast(e), die stress-ng ausführen, bleiben beim Booten hängen, nachdem sie einen Absturz ausgelöst haben
powerpc/qspinlock: Deadlock in der MCS-Warteschlange beheben
Kernel-Regression mit ext4- und ea_inode-Mount-Flags und Ausübung von xattrs
sched_ext: TASK_DEAD-Aufgaben müssen auf ops_enable in SCX umgeschaltet werden
Zeitplan/Frist: Task_struct-Referenzleck beheben
sched_ext: Teilen Sie den globalen DSQ pro NUMA-Knoten auf
Der Aufruf von getcpu mit einer falsch ausgerichteten Adresse führt zu einer Kernel-Panik
cygwin: pread/pwrite: EBADF-Fehler nach fork() verhindern
Cygwin 3.5.4-1: Signalverarbeitung zerstört „Long Double“-Werte
cygwin: timer_delete: Rückgabewert korrigieren
Cygwin: Ändern Sie pthread_sigqueue(), um die Thread-ID zu akzeptieren
Sicherheit/Schlüssel: Slab-out-of-bounds in key_task_permission behoben
sched_ext: scx_tasks_lock nicht zu lange gedrückt halten
sched/numa: Korrigieren Sie die mögliche Nullzeiger-Dereferenzierung in task_numa_work().
reiserfs-Panik mit fsize-Stressor

Kernel-Verbesserungen, die Stress-NG verwendeten

2020:

Selinux: Vervollständigen Sie das Inlining von Hashtab-Funktionen
Selinux: Rollenübergänge in einer Hash-Tabelle speichern
sched/rt: Optimiert die Einschränkungen des Prüfgruppen-RT-Schedulers
sched/fair: Behandelt den Fall, dass task_h_load() 0 zurückgibt
Zeitplan/Frist: Entdrosseln Sie PI-Boost-Threads beim Einreihen in die Warteschlange
mm: Leistungsproblem bei madvise WILLNEED behoben
powerpc/dma: dma_map_ops::get_required_mask reparieren
Das Schließen von stress-ng führt zu Kernel-Oops(es) v5.6-rt und v5.4-rt

2021:

Zurücksetzen von „mm, slub: Rest der Teilliste berücksichtigen, wenn acquire_slab() fehlschlägt
mm: Speicher: orig_pmd zur Struktur vm_fault hinzufügen
selftests/powerpc: Test des Schadensbegrenzungs-Patches hinzufügen
dm crypt: Percpu_counter-Spinlock-Konflikt in crypt_page_alloc() vermeiden
mm/migrate: Optimieren Sie Aktualisierungen der Herabstufungsreihenfolge während des Hotplug-Vorgangs
powerpc/rtas: rtas_busy_delay() Verbesserungen

2022:

sched/core: Abrechnung der erzwungenen Leerlaufzeit für alle Aufgaben außer Leerlaufaufgaben
ipc/mqueue: get_tree_nodev() in mqueue_get_tree() verwenden

2023:

mm/swapfile: cond_resched() in get_swap_pages() hinzufügen
Modul: Fügen Sie Debug-Statistiken hinzu, um die Speicherauslastung zu ermitteln
Modul: Zuweisung vermeiden, wenn das Modul bereits vorhanden und bereit ist
sched: CFS-Bandbreiten-Timer verschachteln, um die Leistung einzelner Threads bei geringer Auslastung zu verbessern
mm/khugepaged: überflüssiges try_to_freeze() entfernen

2024:

mm/vmalloc: Sperrkonflikt von zweimal auf einmal beseitigt
mm: mm->get_unmapped_area() auf ein Flag umstellen
mm: immer inline _compound_head() mit CONFIG_HUGETLB_PAGE_OPTIMIZE_VMEMMAP=y
mm: Optimieren Sie die redundante Schleife von mm_update_owner_next()

Präsentationen

Stress-ng-Präsentation auf der ELCE 2019 Lyon
Video der obigen Präsentation
Mentoring-Sitzung der Linux Foundation, Mai 2022
Präsentation „Kernel-Rezepte“, September 2023
Linux Foundation, ELISA, Juni 2024

Zitate

Tool zum Testen der Leistung des Linux-Kernels

2015:

Verbesserung von Cloud-Energiemodellen zur Optimierung der Effizienz von Rechenzentren
Tejo: Ein überwachtes Anomalieerkennungsschema für NewSQL-Datenbanken
CoMA: Ressourcenüberwachung von Docker-Containern
Eine Untersuchung der CPU-Auslastungsbeziehung zwischen Host und Gästen in einer Cloud-Infrastruktur

2016:

Zunehmender Plattformdeterminismus PQOS DPDK
Auf dem Weg zu einem energieeffizienten Datenmanagement im HPC: Der Open-Ethernet-Drive-Ansatz
Analyse der CPU- und Speicherleistung bei dynamischer und dedizierter Ressourcenzuweisung mithilfe von XenServer in einer Rechenzentrumsumgebung
Wie viel Strom verbraucht Ihr Server? Schätzung der Steckdosenleistung mithilfe von RAPL-Messungen
DevOps für IoT-Anwendungen mit Mobilfunknetzen und Cloud
Ein Workload-Simulator für virtuelle Netzwerkfunktionen
Charakterisierung und Reduzierung plattformübergreifender Leistungsschwankungen durch Virtualisierung auf Betriebssystemebene
Wie viel Strom verbraucht Ihr Server? Schätzung der Steckdosenleistung mithilfe von RAPL-Messungen
UIE: Benutzerzentrierte Interferenzschätzung für Cloud-Anwendungen

2017:

Automatische Skalierung von Containern: die Auswirkungen relativer und absoluter Metriken
Testen des Windows-Subsystems für Linux
Praktische Analyse des Precision Time Protocol unter verschiedenen Arten von Systemlast
Auf dem Weg zur energiebewussten Kostenvorhersage virtueller Maschinen in Clouds
Algorithmen und Architekturen für die Parallelverarbeitung
Fortschrittliche Konzepte und Tools für die erneuerbare Energieversorgung von Rechenzentren
Überwachung und Modellierung von Open Compute Servern
Experimentelle und numerische Analyse zur möglichen Wärmewiederverwendung in flüssigkeitsgekühlten Rechenzentren
Modellierung und Analyse der Leistung unter Interferenz in der Cloud
Messen und reduzieren Sie effektiv Kernel-Latenzen bei Echtzeiteinschränkungen
Überwachung und Analyse der CPU-Lastbeziehungen zwischen Host und Gästen in einer Cloud-Netzwerkinfrastruktur
Messung der Auswirkungen des Preempt-RT-Patches
Zuverlässige Bibliotheksidentifikation mithilfe von VMI-Techniken
Elastic-PPQ: Ein zweistufiges autonomes System für die Verarbeitung räumlicher Präferenzabfragen über einen dynamischen Datenstrom
OpenEPC-Integration in 5GTN als NFV-Proof of Concept
Zeitbewusste dynamische binäre Instrumentierung
Erfahrungsbericht: Log Mining mit natürlicher Sprachverarbeitung und Anwendung zur Anomalieerkennung
Charakterisierung von Prozessinterferenzen mit gemischter Zeitkritikalität auf einem Multicore-Linux-System
Cloud-Orchestrierung auf Anwendungsebene

2018:

Multicore-Emulation in einer virtualisierten Umgebung
Stress-SGX: Belasten und belasten Sie Ihre Enklaven für Spaß und Gewinn
quiho: Automatisierte Leistungsregressionstests unter Verwendung abgeleiteter Ressourcennutzungsprofile
Analyse der Speicheroptimierung von Hypervisoren und virtuellen Maschinen
Echtzeittests mit Fuego
FECBench: Ein erweiterbares Framework zur Lokalisierung von Leistungsbeeinträchtigungsquellen im Cloud-Edge-Ressourcenspektrum
Quantifizierung der Interaktion zwischen strukturellen Eigenschaften von Software und Hardware in der ARM Big.LITTLE-Architektur
RAPL in Aktion: Erfahrungen im Einsatz von RAPL für Leistungsmessungen

2019:

Leistungsisolation von am selben Ort verteilten Workloads in einer Container-basierten Fahrzeugsoftwarearchitektur
Analyse und Erkennung von Cache-basierten Exploits
kMVX: Erkennung von Kernel-Informationslecks mit multivarianter Ausführung
Skalierbarkeit von Kubernetes unter AWS
Eine Studie zu Leistungskennzahlen für die automatische Skalierung CPU-intensiver Containeranwendungen
Scavenger: Ein Black-Box-Batch-Workload-Ressourcenmanager zur Verbesserung der Auslastung in Cloud-Umgebungen
Schätzung der Leistung von Cloud-Anwendungen basierend auf Mikro-Benchmark-Profiling
Anomalieerkennung in NFV mithilfe einer baumbasierten unüberwachten Lernmethode

2020:

Leistungs- und Energiekompromisse für parallele Anwendungen auf heterogenen Multiprozessorsystemen
C-Balancer: Ein System zur Containerprofilierung und -planung
Modellierung latenter VM-Eigenschaften und Vorhersage der Anwendungsleistung mithilfe der halbüberwachten nicht-negativen Matrixfaktorisierung
Halbdynamischer Lastausgleich: effizientes verteiltes Lernen in nicht dedizierten Umgebungen
Eine Leistungsanalyse hardwaregestützter Sicherheitstechnologien
Green Cloud Software Engineering für die Verarbeitung großer Datenmengen
Echtzeiterkennung für Cache-Seitenkanalangriffe mithilfe des Performance Counter Monitor
Untergrabung der Integritätsmessarchitektur von Linux
Leistungsbewertung in Echtzeit mithilfe einer schnellen Interrupt-Anfrage auf einem Standard-Linux-Kernel
Niedriger Energieverbrauch auf Post-Moore-Plattformen für die HPC-Forschung
Verwalten der Latenz in einer Edge-Cloud-Umgebung
Entmystifizierung der Echtzeit-Linux-Planungslatenz

2021:

Streamline: Ein schneller, leerer Cache-Cache-Covert-Channel-Angriff durch die Ermöglichung asynchroner Absprachen
Experimentelle Analyse in Hadoop MapReduce: Ein genauerer Blick auf Fehlererkennungs- und Wiederherstellungstechniken
Leistungsmerkmale des BlueField-2 SmartNIC
Bewertung der Latenz in eingebetteten Multiprozessorsystemen für das Smart Grid
In Arbeit: Timing-Vielfalt als Schutzmechanismus
Sequentielle Deep-Learning-Architekturen zur Anomalieerkennung in Funktionsketten virtueller Netzwerke
WattEdge: Ein ganzheitlicher Ansatz für empirische Energiemessungen im Edge Computing
PTEMagnet: Feinkörnige physische Speicherreservierung für schnellere Page Walks in öffentlichen Clouds
Der Preis von Meltdown und Spectre: Energieaufwand für Abhilfemaßnahmen auf Betriebssystemebene
Eine empirische Studie zu thermischen Angriffen auf Edge-Plattformen
Sage: Praktisches und skalierbares ML-gesteuertes Leistungs-Debugging in Microservices
Ein verallgemeinerter Ansatz für die praktische Aufgabenzuweisung mithilfe eines MAPE-K-Regelkreises]
Auf dem Weg zu einer unabhängigen Laufzeit-Cloud-Überwachung
FIRESTARTER 2: Dynamische Codegenerierung für Prozessor-Stresstests
Leistungsvergleich zwischen einem Kubernetes-Cluster und einem eingebetteten System
Leistungsuntersuchung von Virtualisierungssystemen
Hardware austricksen, um Software effizient zu sichern

2022:

Eine allgemeine Methode zur Bewertung des Overheads bei der Konsolidierung von Servern: Leistungseinbußen in virtuellen Maschinen und Containern
FedComm: Kommunikationsprotokolle für Edge-basiertes Federated Learning verstehen
Erreichen der Isolation in industriellen Edge-Systemen mit gemischter Kritikalität mit Echtzeit-Containern
Entwurf und Implementierung eines auf maschinellem Lernen basierenden Fehlervorhersagesystems in der Cloud-Infrastruktur
Die TSN-Bausteine unter Linux
uKharon: Ein Mitgliedschaftsdienst für Mikrosekundenanwendungen
Evaluierung der Secure Enclave-Firmware-Entwicklung für moderne RISC-V-Workstations. Moderne RISC-V-Workstations
Evaluierung von Real-Time Linux auf der RISC-V-Prozessorarchitektur
Hertzbleed: Power-Side-Channel-Angriffe in Remote-Timing-Angriffe auf x86 umwandeln
Don't Mesh Around: Seitenkanalangriffe und Schadensbegrenzung auf Mesh-Verbindungen
Auswirkungen auf die Leistung für Multi-Core-RISC-V-Systeme mit dedizierter Sicherheitshardware

2023:

Bekämpfen Sie Hardware mit Hardware: Systemweite Erkennung und Abwehr von Seitenkanalangriffen mithilfe von Leistungsindikatoren
Wir stellen k4.0s vor: ein Modell für die Orchestrierung von Containern mit gemischter Kritikalität in der Industrie 4.0
Eine umfassende Studie zur Optimierung von Systemen mit Datenverarbeitungseinheiten
Schätzung der Leistung von Cloud-Anwendungen basierend auf Mikro-Benchmark-Profiling
PSPRAY: Timing-Side-Channel-basierte Linux-Kernel-Heap-Exploitation-Technik
Robuste und genaue Erkennung und Vorhersage von Leistungsanomalien für Cloud-Anwendungen: ein neuartiges, auf Ensemble-Lernen basierendes Framework
Machbarkeitsstudie für ein Python-basiertes eingebettetes Echtzeit-Steuerungssystem
Anpassung von parallelem SaaS an heterogene, am selben Ort befindliche Cloud-Ressourcen
Eine Methodik und ein Rahmenwerk zur Bestimmung der Isolationsfähigkeiten von Virtualisierungstechnologien
Datenstation: Delegierte, vertrauenswürdige und überprüfbare Berechnungen zur Ermöglichung der Datenfreigabe in Konsortien mit einem Daten-Treuhandkonto
Eine empirische Untersuchung ressourcenbelastender Fehler in Edge-Computing-Anwendungen
Finden von unzuverlässigen Tests in JavaScript-Anwendungen mithilfe von Stress und Neuordnung der Testsuite
Die Kraft der Telemetrie: Aufdeckung softwarebasierter Seitenkanalangriffe auf Apple M1/M2-Systeme
Eine Leistungsbewertung eines eingebetteten Multi-Core-Systems mit gemischter Kritikalität basierend auf PREEMPT RT Linux
Datenlecks in isolierten virtualisierten Enterprise-Computing-Systemen
Überlegungen zum Benchmarking der Netzwerkleistung in Container-Infrastrukturen
EnergAt: Feingranulare Energiezuordnung für mehrere Mieter
Quantifizierung des Sicherheitsprofils von Linux-Anwendungen
Gotham Testbed: ein reproduzierbares IoT-Testbed für Sicherheitsexperimente und Datensatzgenerierung
Profiling mit Vertrauen: Systemüberwachung aus vertrauenswürdigen Ausführungsumgebungen
Wärmebewusste Inferenz auf dem Gerät mithilfe von Single-Layer-Parallelisierung mit heterogenen Prozessoren
Auf dem Weg zu einer schnellen, adaptiven und hardwaregestützten Benutzerraumplanung
Heterogene Anomalieerkennung für Softwaresysteme durch halbüberwachte modalübergreifende Aufmerksamkeit
Grüne Codierung: ein empirischer Ansatz zur Nutzung des Energieverbrauchs von Softwarediensten
Verbesserung der empirischen Software-Performance-Engineering-Forschung mit Ereignissen auf Kernel-Ebene: Ein umfassender System-Tracing-Ansatz
Cloud White: Erkennen und Schätzen der QoS-Verschlechterung latenzkritischer Workloads in der Public Cloud
Dynamisches Ressourcenmanagement für Cloud-native massensynchrone parallele Anwendungen
Auf dem Weg zur serverlosen Optimierung mit In-Place-Skalierung
Ein modularer Ansatz zur Gestaltung eines experimentellen Rahmens für die Ressourcenmanagementforschung
Gezielte Deanonymisierung über den Cache-Seitenkanal: Angriffe und Verteidigung
Validierung des Vollsystem-RISC-V-Simulators: Ein systematischer Ansatz
Leichte Implementierung des paketspezifischen Dienstschutzes in eBPF/XDP
ROS2 Echtzeit-Leistungsoptimierung und -bewertung
Experimentelle und numerische Analyse des thermischen Verhaltens eines einphasig tauchgekühlten Rechenzentrums

2024:

IdleLeak: Ausnutzung der Nebenwirkungen des Leerlaufzustands für Informationslecks
Profiling mit Vertrauen: Systemüberwachung aus vertrauenswürdigen Ausführungsumgebungen
Exemplarische Bestimmung der Cgroups-basierten QoS-Isolierung für eine Datenbank-Workload
BARO: Robuste Ursachenanalyse für Microservices mittels multivariater bayesianischer Online-Änderungspunkterkennung
Unterscheidung von Leistungsanomalien aufgrund von Workload-Änderungen in Cloud-nativen Anwendungen
Gehen Sie einen Schritt weiter: Page Spray bei der Ausnutzung des Linux-Kernels verstehen
Auswirkungen des Stromverbrauchs in Container-Clouds: Eine umfassende Analyse von Open-Source-Tools zur Leistungsmessung
Bewertung der thermischen Belastung beim heterogenen IoT-basierten Federated Learning
Anomalieerkennung bei der geschäftskritischen Anrufverarbeitung
Eine vorläufige Bewertung der Echtzeitfähigkeiten von Real-Time Linux auf Raspberry Pi 5
Ein Vergleich von Echtzeit-Linux-basierten Architekturen für eingebettete Musikanwendungen
Nona: Präzises Leistungsvorhersagemodell mithilfe neuronaler Netze

Ich freue mich darauf, der Stress-ng-Projektseite alle Zitate zu Forschungsarbeiten oder Projekten hinzuzufügen, die Stress-ng verwenden. Ich freue mich auch über Informationen zu Kernel-Fehlern oder Leistungseinbußen, die bei stress-ng auftreten.

Mitwirkende

Vielen Dank an die folgenden Mitwirkenden bei stress-ng (in alphabetischer Reihenfolge):

Abdul Haleem, Aboorva Devarajan, Adriand Martin, Adrian Ratiu, Aleksandar N. Kostadinov, Alexander Kanavin, Alexandru Ardelean, Alfonso Sánchez-Beato, Allen H, Amit Singh Tomar, Andrey Gelman, André Wild, Anisse Astier, Anton Eliasson, Arjan van de Ven, Baruch Siach, Bryan W. Lewis, Camille Constans, Carlos Santos, Christian Ehrhardt, Christopher Brown, Chunyu Hu, Daniel Andriesse, Daniel Hodges, Danilo Krummrich, Davidson Francis, David Turner, Denis Ovsienko, Dominik B. Czarnota, Dorinda Bassey, Eder Zulian, Eric Lin, Erik Stahlman, Erwan Velu, Fabien Malfoy, Fabrice Fontaine, Fernand Sieber , Florian Weimer, Francis Laniel, Guilherme Janczak, Hui Wang, Hsieh-Tseng Shen, Iyán Méndez Veiga, Ivan Shapovalov, James Hunt, Jan Luebbe, Jianshen Liu, Jimmy Ho, John Kacur, Julee, Jules Maselbas, Julien Olivain, Kenny Gong, Khalid Elmously, Khem Raj, Luca Pizzamiglio, Luis Chamberlain, Luis Henriques, Lukas Durfina , Matteo Italia, Matthew Tippett, Mauricio Faria de Oliveira, Maxime Chevallier, Max Kellermann, Maya Rashish, Mayuresh Chitale, Meysam Azad, Mike Koreneff, Munehisa Kamata, Myd Stian Onarheim, Thadeu Lima de Souza Cascardo, Thia Wyrod, Thinh Tran, Tim Gardner, Tim Gates, Tim Orling, Tommi Rantala, Witold Baryluk, Yiwei Lin, Yong-Xuan Wang, Zhiyi Sun.

Expandieren