Mitata项目中的Linux性能计数器访问问题解析
2025-07-06 18:40:33作者:邵娇湘
问题背景
在Mitata性能测试框架的使用过程中,部分Linux系统用户可能会遇到"file descriptor not readable"的错误提示,导致硬件性能计数器无法正常工作。这个问题在Ubuntu等Linux发行版上尤为常见,主要与系统安全设置有关。
问题表现
当用户运行Mitata基准测试时,可能会看到如下错误信息:
error: NotOpenForReading
或者性能计数器显示为NaN值:
NaNP ipc ( NaN% cache) 0.00 branch misses
0.00 cycles 0.00 instructions 0.00 c-refs 0.00 c-misses
根本原因
这个问题源于Linux内核的安全设置kernel.perf_event_restrict。该参数控制普通用户对性能监控子系统的访问权限:
- 值
4:完全禁止用户空间访问性能计数器(Ubuntu默认设置) - 值
1:允许用户空间访问性能计数器,但有一些限制 - 值
0:允许无限制访问性能计数器
当该值设置为4时,Mitata框架无法通过perf_event_open系统调用获取硬件性能计数器数据,导致测试失败或计数器显示异常。
解决方案
要解决这个问题,用户需要调整内核参数:
- 临时解决方案(重启后失效):
sudo sysctl -w kernel.perf_event_restrict=1
- 永久解决方案:
echo "kernel.perf_event_restrict=1" | sudo tee -a /etc/sysctl.conf
sudo sysctl -p
技术细节
Mitata框架底层使用perf_event_open系统调用来访问CPU硬件性能计数器。这些计数器可以提供精确的指令周期、缓存命中率等底层性能数据。Linux内核通过perf_event_restrict参数来限制这类敏感信息的访问,以防止潜在的安全风险。
在性能测试场景中,适度降低安全级别(设置为1)是合理的,因为:
- 测试环境通常是受控的
- 需要获取精确的硬件性能数据
- 不会对系统稳定性造成影响
验证方法
用户可以通过以下命令验证系统是否已正确配置:
- 检查当前设置:
cat /proc/sys/kernel/perf_event_restrict
- 列出可用的硬件性能事件:
perf list hw
如果配置正确,这个命令会显示一系列可监控的硬件性能事件。
总结
Linux系统的安全设置可能会影响Mitata等性能测试工具的正常工作。理解并合理配置kernel.perf_event_restrict参数是解决这类问题的关键。对于性能测试和调优工作,建议将该参数设置为1,以在安全性和功能性之间取得平衡。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220