统计单日计算节点系统负荷、内存利用率和磁盘利用率 平均值和峰值

cat 192.168.101.* | grep load | awk ‘{sum+=$4} END {print "average=", sum/NR}‘

cat 192.168.101.* | grep Memory | awk ‘{sum+=$3} END {print "average=", sum/NR}‘

cat 192.168.101.* | grep os-root | awk ‘{sum+=$5} END {print "average=", sum/NR}‘

cat 192.168.101.* | grep load | awk ‘BEGIN {max = 0} {if ($4>max) max=$4 fi} END {print "max=", max}‘

cat 192.168.101.* | grep Memory | awk ‘BEGIN {max = 0} {if ($3>max) max=$3 fi} END {print "max=", max}‘

cat 192.168.101.* | grep os-root | awk ‘BEGIN {max = 0} {if ($5>max) max=$5 fi} END {print "max=", max}‘

标橙色一条有错误,如下:

[[email protected]]# cat 192.168.101.* | grep load
system load average: 0.73
system load average: 1.32
system load average: 0.59
system load average: 1.55
system load average: 1.92
system load average: 1.28
system load average: 1.00
system load average: 0.29
system load average: 2.42
system load average: 1.14
system load average: 0.45
system load average: 0.10
system load average: 2.01
system load average: 1.40
system load average: 1.21
system load average: 0.82
system load average: 14.61
system load average: 3.40
system load average: 0.17
system load average: 2.39
system load average: 0.16
system load average: 3.25
system load average: 1.15
system load average: 0.26
system load average: 0.17

[[email protected]]# cat 192.168.101.* | grep load | awk ‘BEGIN {max = 0} {if ($4>max) max=$4 fi} END {print "max=", max}‘

max= 3.40

结果竟然是3.40而不是14.61

待探究

时间: 2024-09-21 02:33:38

统计单日计算节点系统负荷、内存利用率和磁盘利用率 平均值和峰值的相关文章

看 nova-scheduler 如何选择计算节点 - 每天5分钟玩转 OpenStack(27)

本节重点介绍 nova-scheduler 的调度机制和实现方法:即解决如何选择在哪个计算节点上启动 instance 的问题. 创建 Instance 时,用户会提出资源需求,例如 CPU.内存.磁盘各需要多少. OpenStack 将这些需求定义在 flavor 中,用户只需要指定用哪个 flavor 就可以了. 可用的 flavor 在 System->Flavors 中管理. Flavor 主要定义了 VCPU,RAM,DISK 和 Metadata 这四类. nova-schedule

第 5 章 Nova - 027 - 看 nova-scheduler 如何选择计算节点

nova-scheduler nova-scheduler 选择在哪个计算节点上启动 instance 创建 Instance 时,用户会提出资源需求,例如 CPU.内存.磁盘各需要多少. OpenStack 将这些需求定义在 flavor 中,用户只需要指定用哪个 flavor 就可以了. 可用的 flavor 在 Admin -> Compute -> Flavors 中管理. Flavor 主要定义了 VCPU,RAM,DISK 和 Metadata 这四类. nova-schedule

提升Exadata 计算节点本地IO性能

1.问题概述 某客户有一台Exadata X2-2,每个计算节点是4块普通的本地SAS硬盘做成的RAID5,然后在RAID5的本地硬盘上创建了一个文件系统来存放DSG数据同步软件,在后续的运维过程中,发现DSG数据同步软件在进行数据同步时的延时非常严重. DSG进行检查和性能分析后,确认是由于Exadata的本地硬盘提供的IOPS无法满足DSG软件的要求,大量的时间都在等待本地磁盘的读写IO上. 通过磁盘性能分析工具也可以发现,本地盘的IO使用率基本上是在90%以上,严重时长时间100%,客户希

Nova 是如何统计 OpenStack 计算资源

引言 运维的同事常常遇到这么四个问题: Nova 是如何统计 OpenStack 计算资源的? 为什么 free_ram_mb, free_disk_gb 会是负数? 即使 free_ram_mb, free_disk_gb 为负数,为什么虚拟机依旧能创建成功? 因资源不足采用随机调度的方式会导致创建虚拟机失败,而指定 host 却能创建成功? 本文将从以上四个问题入手,结合 Kilo 版本 Nova 源码,在默认 Hypervisor 为 Qemu-kvm 的前提下(不同 Hypervisor

计算密集型分布式内存存储和运算平台架构

避嫌声明:所有图文都是根据自己的理解原创,且已离开这家公司三年以上,不存在保密协议,写此文只是用来分享知识.探究不足. 牢骚:本来想弄个ppt交互展示的,不过我的js权限还没批... 1. 相关概念 1.1 内存数据库 关系型数据库处理永久.稳定的数据,内存数据库就是将其数据放在内存中,活动事务只与内存数据打交道,重新设计了体系结构并且在数据缓存.快速算法.并行操作方面也进行了相应的改进,所以数据处理速度比磁盘数据库要快很多,一般都在10倍以上.但它不容易恢复,可能暂时不一致或非绝对正确的,要求

基于英特尔® 至强? 处理器 E5 产品家族的多节点分布式内存系统上的 Caffe* 培训

原文链接 深度神经网络 (DNN) 培训属于计算密集型项目,需要在现代计算平台上花费数日或数周的时间方可完成. 在最近的一篇文章<基于英特尔? 至强? E5 产品家族的单节点 Caffe 评分和培训>中,我们展示了基于 AlexNet 拓扑的 Caffe* 框架的性能提升 10 倍,单节点培训时间减少到 5 天. 英特尔继续履行 Pradeep Dubey 的博客中列出的机器学习愿景,在本篇技术预览中,我们将展示如何在多节点.分布式内存环境中将 Caffe 的培训时间从数日减少为数个小时.  

张志华教授:机器学习——统计与计算之恋

张志华教授:机器学习——统计与计算之恋 编辑部按:本文是从张志华老师在第九届中国R语言会议和上海交通大学的两次讲座中整理出来的.张志华老师是上海交通大学计算机科学与工程系教授,上海交通大学数据科学研究中心兼职教授,计算机科学与技术和统计学双学科的博士生指导导师.在加入上海交通大学之前,是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授.张老师主要从事人工智能.机器学习与应用统计学领域的教学与研究,迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文,是美国“数学评论”的特邀评论员,

超千个节点OpenStack私有云案例(1):CERN 5000+ 计算节点私有云

CERN:欧洲核子研究组织 本文根据以下几篇文章整理而来: https://www.openstack.org/summit/tokyo-2015/videos/presentation/unveiling-cern-cloud-architecture https://www.mybookworld.info/view/lcl9u/cern-cloud-architecture-february-2016.html http://openstack-in-production.blogspot

机器学习——统计与计算之恋

机器学习--统计与计算之恋 编辑部按:本文是从张志华老师在第九届中国R语言会议和上海交通大学的两次讲座中整理出来的.张志华老师是上海交通大学计算机科学与工程系教授,上海交通大学数据科学研究中心兼职教授,计算机科学与技术和统计学双学科的博士生指导导师.在加入上海交通大学之前,是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授.张老师主要从事人工智能.机器学习与应用统计学领域的教学与研究,迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文,是美国"数学评论"的特邀评论员,国