Learning eBPF 项目教程
1. 项目目录结构及介绍
learning-ebpf 项目是一个用于学习 eBPF(Extended Berkeley Packet Filter)的示例代码集合。项目的目录结构如下:
learning-ebpf/
├── chapter1
├── chapter2
├── chapter3
├── chapter4
├── chapter5
├── chapter6
├── chapter7
├── chapter8
├── chapter9
├── chapter10
├── libbpf
├── .gitignore
├── .gitmodules
├── LICENSE
├── README.md
├── learning-ebpf-cover.png
└── learning-ebpf.yaml
目录介绍
-
chapter1 至 chapter10:每个目录对应书中的一个章节,包含该章节的示例代码。
- chapter1:介绍 eBPF 及其重要性。
- chapter2:eBPF 的“Hello World”示例,使用 BCC 框架。
- chapter3:eBPF 程序的剖析,包含 C 语言编写的 XDP 示例。
- chapter4:
bpf()系统调用的使用,更多 BCC 框架示例。 - chapter5:CO-RE、BTF 和 libbpf,libbpf 示例代码。
- chapter6:eBPF 验证器,通过修改代码触发验证器错误。
- chapter7:eBPF 程序和附件类型,不同 eBPF 程序类型的示例。
- chapter8:eBPF 用于网络,示例代码附着在网络栈的不同点。
- chapter9:eBPF 用于安全,即将推出。
- chapter10:eBPF 编程,探索各种 eBPF 库的示例。
-
libbpf:包含 libbpf 的子模块,用于构建 C 语言编写的 eBPF 示例。
-
.gitignore 和 .gitmodules:Git 配置文件。
-
LICENSE:项目许可证,采用 Apache-2.0 许可证。
-
README.md:项目的介绍和使用说明。
-
learning-ebpf-cover.png:项目封面图片。
-
learning-ebpf.yaml:Lima 配置文件,用于设置虚拟机环境。
2. 项目的启动文件介绍
项目的启动文件主要集中在各个章节的目录中,每个章节都包含相应的示例代码和启动脚本。以下是一些关键的启动文件:
2.1 章节启动文件
每个章节的目录中通常包含一个或多个启动文件,用于运行该章节的示例代码。例如:
- chapter2/hello_world.py:使用 BCC 框架的“Hello World”示例。
- chapter3/xdp_example.c:C 语言编写的 XDP 示例。
2.2 Lima 配置文件
learning-ebpf.yaml 是 Lima 虚拟机的配置文件,用于设置运行示例代码所需的环境。通过以下命令启动虚拟机:
limactl start learning-ebpf.yaml
limactl shell learning-ebpf
3. 项目的配置文件介绍
3.1 Lima 配置文件
learning-ebpf.yaml 是 Lima 虚拟机的配置文件,定义了虚拟机的操作系统、内核版本、所需软件包等信息。以下是配置文件的部分内容:
# learning-ebpf.yaml 部分内容
os: ubuntu
kernel: 5.15
packages:
- clang
- libbpf
- bpftool
3.2 libbpf 配置
libbpf/README.md 提供了 libbpf 的详细配置和使用说明。通过以下命令构建和安装 libbpf:
cd libbpf/src
make install
3.3 bpftool 配置
bpftool 是用于管理和调试 eBPF 程序的工具。可以通过以下命令构建和安装 bpftool:
git clone --recurse-submodules https://github.com/libbpf/bpftool.git
cd bpftool/src
make install
总结
learning-ebpf 项目通过详细的目录结构和示例代码,帮助用户学习和理解 eBPF 技术。通过 Lima 虚拟机配置文件和 libbpf、bpftool 的配置,用户可以轻松搭建运行环境并开始学习 eBPF 编程。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00