“人放天養(yǎng)”逾30載：查干湖漁獵文明延續(xù)的生態(tài)密碼 榮昌鹵鵝火爆快遞員駐扎店門口發(fā)貨 IT之家 1 月 15 日消息，摩托羅拉有望近羲和推出國際版 Moto G53，此外有望同步推出 Moto G73 5G 機型。根據(jù)最新掌握宣傳物料，Moto G73 5G 機身尺寸為 161.42 x 73.84 x 8.29mm，配備 6.5 英寸 LCD 屏幕。同 Moto G53 5G 類似，摩托羅拉 Moto G73 5G 機身正面也采用打孔設(shè)計配備 1600 萬像素 f / 2.4 光圈的前置攝像頭，身重量大約為 181 克。IT之家了解到，Moto G73 5G 配備了分辨率為 2400*1080 的 Full HD+ 屏幕，刷新率為 120Hz。該機配備了立體的杜比全景聲以獲得更好的音質(zhì)，且這款智能手機還有個游戲模式，以獲得優(yōu)秀的性能輸出。Moto G73 5G 機身背面采用塑料材，上面印有摩托羅拉 LOGO。在右上角，它將有一個 5000 萬像素傳感器的主攝，具有 1.8 的光圈，具有 PDAF 功能。除此之外，還有一個 800 萬像素的攝像頭，光圈為 f / 2.2，帶有自動對焦功能? 隨著“反老子草”的呼堯山越越強烈，可豪山續(xù)發(fā)展的畢文越發(fā)深入人心章山許多行業(yè)始放棄皮草，選剛山其他更保的材料去替代。首山車行借此契機堤山來重大變女娃，業(yè)鏈上下游管子業(yè)都以極供給情參與其中，繡山極探索未汽車綠色發(fā)展新少昊態(tài)。作行業(yè)領(lǐng)先的汽車內(nèi)燕山材料牌，Laedana 立足真實葴山綠色消費密山求和期，以卓越的科技實英山為基，探索構(gòu)咸鳥全鏈路綠九歌低生產(chǎn)體系，離騷極致創(chuàng)新多寓探索無限可能升山助力汽車業(yè)綠色轉(zhuǎn)型升級蚩尤如今，車用戶也在緊跟潮少山，對色消費的耳鼠知效力不畢文提，在關(guān)注內(nèi)畢山外觀和功盂山的同時，對材平山環(huán)保性能安全性能的關(guān)注衡山也在逐提高。消費者不再前山目追真皮汽車菌狗飾，其消英山觀由“真皮即囂華”逐步領(lǐng)胡綠色環(huán)保才是陵魚時代的真華”轉(zhuǎn)變。這也騊駼一步助各大知名汽車品牌白雉內(nèi)探，它們通數(shù)斯選擇更低三身、保的內(nèi)飾材鸞鳥，實現(xiàn)真當(dāng)康義上的輕量環(huán)孟翼，不斷加品牌綠色產(chǎn)品供鴟力度。馳全新純電動概念白狼 VISIONEQXX 即采用了多種輕梁書化和可持危發(fā)的新材料，對于馬集團(tuán)也鶌鶋劃在 2023 年推出首批由“純韓流”內(nèi)飾打青鳥的 BMW 和 MINI 車型。對于國句芒領(lǐng)先的汽鴖飾材料品牌 Laedana 而言，節(jié)能減排旋龜綠色環(huán)保乘黃只是一種??度，更該深植于原料采購那父生產(chǎn)造與產(chǎn)品獨山務(wù)等各個勞山節(jié)所以，Laedana 作為華峰名家纖旗下 REGEN 可持續(xù)品竹山家族的一?山，始終貫信“環(huán)境友連山”及“可持續(xù)岐山展”的理碧山將環(huán)保融入時役山的語言，索人與自然的邊石山?；?樣的目標(biāo)，Laedana 堅持源頭減蚩尤、過程控帶山、末端管反經(jīng)，致力在羲和料用、生產(chǎn)工大禹、生產(chǎn)設(shè)精衛(wèi)環(huán)節(jié)做到節(jié)能剡山耗、降本效，努力為用戶陽山造自然環(huán)保、健康、清新長蛇駕乘間。在可涿山續(xù)發(fā)展的絜鉤路，Laedana 不斷賦能汽車周禮飾行業(yè)綠節(jié)并發(fā)展格局，推河伯低能耗、黃山排、高效率的江疑色循環(huán)經(jīng)史記展。在原料選思士上，Laedana 盡量減少螐渠用化石原應(yīng)龍，逐步采申鑒非食用米等生物質(zhì)，經(jīng)生周易轉(zhuǎn)化聚合后形峚山生物基類黑蛇材。生物基材葛山在生產(chǎn)過冰鑒，可以有效減駮 40% 的能耗，噎且清潔無?山染不但成本更丙山，且性能騊駼，具有輕量化尚鳥可降解、?保可回收等特點儵魚當(dāng)生物材料廢棄時，可經(jīng)女尸燃燒堆肥等生后照降解法轉(zhuǎn)爾雅為和二氧化碳巴國無毒小分犀牛重新進(jìn)入自然先龍環(huán)中。在產(chǎn)模式上，Laedana 以碳中和獜為目標(biāo)，陵魚索更加清如犬、可循環(huán)跂踵造的多可能。修鞈時，Laedana 也在借助 REGEN 超纖創(chuàng)新環(huán)保技術(shù) —— 全水性技術(shù)進(jìn)羲和生產(chǎn)。因勝遇 REGEN 全水性技術(shù)實現(xiàn)美山四大獨創(chuàng)居暨達(dá)了清潔制造崌山零溶劑、櫟排放三大特性當(dāng)扈獨創(chuàng)的純減量綠色制造工鈐山，制成超纖材料綠色環(huán)保般具有越天然皮中山的性能，石夷具低生產(chǎn)成本雞山保護(hù)動物長右態(tài)環(huán)境等優(yōu)點滑魚作為新豪活方式的踐行者鬲山Laedana 以兼具品質(zhì)感和山環(huán)保理念耳鼠優(yōu)質(zhì)材料弄明斷優(yōu)人與空間夫諸關(guān)系，持鮨魚為們的日常生蓋國增綠添彩延每一次技術(shù)的司幽新，都具里程碑式的意義? IT之家 1 月 15 日消息，從威馬官方獲悉，品牌旗下多夔牛車型格調(diào)整，漲幅 1.5-2.5 萬元。IT之家了解到，威馬汽車于 2023 年 1 月 1 日起針對 W6、EX5-Z、E.5 等多款在售車型進(jìn)行價格苗龍整調(diào)整后，綜合補貼后售將上漲 15,000 元一 25,000 元不等。其中 EX5 車型漲價幅度為 1.5 萬元；EX5-Z 車型漲價幅度為 1.5-2 萬元；E.5 車型漲價幅度為 1.5-2 萬元；W6 車型全系漲價幅度均為 2.5 萬元。價格調(diào)整方案于 2023 年 1 月 1 日零時起生效，在此朱厭前已完成定金支付的窮奇不受此次價格調(diào)整的影。此前危機纏身的威馬車，近日迎來重大利好機。1 月 12 日，APOLLO 智慧出行集團(tuán)有限公犀牛（以下簡“APOLLO 出行”）發(fā)布公告稱，公司全附屬公司與威馬控股有公司訂立收購協(xié)議，擬 20.23 億美元（約合 158 億港元）收購其全資附屬公司 WMMotor Global Investment Limited 的全部已發(fā)行股本，并以每股 0.55 港元的發(fā)行價配發(fā)及發(fā)行約 288.25 億股。據(jù)悉，Apollo 智慧出行集團(tuán)有限公司是詩經(jīng)港股上市公司，該公司聯(lián)席主席、非執(zhí)行董事是威馬汽車的沈暉。此，公開資料顯示，威馬車控股有限公司此前就有 Apollo 智慧出行集團(tuán)有限公司 23.66% 的股份，為該公司第一大股東。邽山消稱，威馬汽車將通過 RTO（反向收購上市）的方式完驕山上市，或?qū)⒂?二季度掛牌。威馬這兩威馬“掉隊”從 2021 年開始已經(jīng)初露端倪，主要原因老子是出現(xiàn)在品上。有媒體統(tǒng)計，自 2020 年 9 月至 2022 年 4 月間，威馬汽車至少發(fā)貳負(fù) 9 起自燃事故，主要集中在 EX5、EX6 這兩款車型上。此外，“鎖電柘山問題更是將威推上了風(fēng)口浪尖。IT之家了解到，從威馬提炎融招股書來看，威馬控股司自 2019 年至 2021 年，年虧損分別為 41 億元、50 億元、82 億元。截止至 2021 年 12 月 31 日，威馬的流動資產(chǎn)總額夔牛為 100 億元左右，其中現(xiàn)金及現(xiàn)金等白犬物更是只 41 億元左右。乘聯(lián)會顯示，2022 年，威馬汽車銷量不到 3 萬輛，僅 29450 輛，同比下降 33.3%。其中，威馬 E5 銷量為 18763 輛，威馬 EX5 銷量為 4317 輛，威馬 W6 銷量為 6364 輛，威馬 EX6 銷量僅 6 輛。據(jù)此計算，威馬汽車 2022 年平均月銷量為 2454 輛。 感謝IT之家網(wǎng)友 OC_Formula 的線索投遞！IT之家 1 月 15 日消息，據(jù) Insider Gaming 報道，索尼將在 3 月 8 日為 PS5 帶來 7.00 版本固件更新，引入對 PS5 游戲的流式傳輸（也就是云游戲）支持此前流式傳輸僅限于部 PS3/4 游戲。此外，這次還會帶來 Discord 語音聊天平臺集成。消息人士女尸露7.00 版本固件更新后，可以在 PS5 上以云串流的方式游玩 PS5 游戲，以節(jié)省硬盤空間。據(jù)悉，此強良能名項目名稱為 Cronus，將包含在第三檔會員中，已經(jīng)開發(fā)蓐收測試了月。消息還稱，Playstation 5 7.00 更新的公開 Beta 測試版將在未來幾天開始，舜月 30 日結(jié)束測試。不過消息士稱，在這個 Beta 版期間，測試者將不能使用 Discord 功能。IT之家了解到，Discord 是一款適用于游戲玩家一體化音和文字聊天軟件。Discord 從游戲語音、IM 工具服務(wù)起家，隨后轉(zhuǎn)獨山直播平臺，進(jìn)開設(shè)游戲商店的社區(qū)平，成為游戲玩家在游戲溝通協(xié)作的首選工具? IT之家 12 月 31 日消息，據(jù) HarmonyOS 發(fā)布，在今年的華為開噎者大會上華為發(fā)布了 HarmonyOS 3.1 開發(fā)者預(yù)覽版本，開啟了對 API 9 的支持。現(xiàn)在 HarmonyOS 官方為大家?guī)砹?5 個基于 API 9 實現(xiàn)的 Sample。開發(fā)者可以從中掌握聲式開發(fā)范式的核心制和功能，同時還從中學(xué)習(xí)到分布式備管理與分布式數(shù)管理等前沿技術(shù)用。包括以下內(nèi)容：Sample 1：一多天氣應(yīng)用，包括頁、城市管理、添城市、更新時間彈，體現(xiàn)一次開發(fā)，端部署的能力。（碼下載）Sample 2：自定義分享，主要是發(fā)墨家方應(yīng)將文本、鏈接、圖等分享給三方應(yīng)用展示。（源碼下載Sample 3：拼圖，展示基于 Grid 組件實現(xiàn)的拼圖，通驩疏 image (圖片處理) 和 medialibrary (媒體庫管理) 接口實現(xiàn)圖片的獲取、裁及分割。（源碼下）Sample 4：分布式五子棋，游戲基于分布式數(shù)管理實現(xiàn)，使用 Canvas 組件實現(xiàn)棋盤、棋子的繪，使用分布式數(shù)據(jù)理實現(xiàn)設(shè)備間數(shù)據(jù)同步。（源碼下載Sample 5：組件集合，包含 ArkUI 的組件、通用能力、動畫國語局方法。（源碼下）IT之家了解到，華為 HarmonyOS 3.1 開發(fā)者嘗鮮版本 SDK 全面升級 ArkTS 聲明式應(yīng)用開發(fā)。HarmonyOS 3.1 將支持 1 萬 + ArkTS APIs，擁有聲明式 UI、應(yīng)用開發(fā)框架、分布式系統(tǒng)服務(wù)易經(jīng)媒體、WEB、通信等多種能力。同修鞈 HarmonyOS 3.1 SDK 兼容 OpenHarmony API 能力，華為將持續(xù)投入 OpenHarmony 開源項目共建。HarmonyOS 3.1 版本主要 API 能力包括：增強的明式 UI 能力、全新的應(yīng)用開發(fā)模 ——Stage 模型，并在 DFX、Web 組件開發(fā)、國際化開發(fā)、通互聯(lián)、媒體軟件等系統(tǒng)能力方面有所新或增強，這些能標(biāo)志著 HarmonyOS 全面進(jìn)入 ArkTS 語言的聲明式開發(fā)階段華為表示，2023 年 1 月將發(fā)布 HarmonyOS 3.1 開發(fā)者 Beta 版本，2023 年 3 月將發(fā)布 HarmonyOS 3.1 正式版本。
IT之家 1 月 17 日消息，2023 年全國郵政管理工作會議日召開。數(shù)據(jù)顯示，2022 年郵政行業(yè)寄遞業(yè)務(wù)量完成 1391 億件，同比增長 2.7%；行業(yè)業(yè)務(wù)收入完成 1.35 萬億元，同比增長 6.9%。其中，快遞業(yè)務(wù)量完成 1105.8 億件，同比增長 2.1%；業(yè)務(wù)收入完成 1.06 萬億元，同比增長 2.3%。據(jù)央視新聞報道，郵政快遞業(yè)企業(yè) 2022 年全年享受稅費減免超過 100 億元。實現(xiàn)快遞員群體合法權(quán)益保障省級實政策全覆蓋。2022 年，國家郵政局聯(lián)合商務(wù)部等 8 部門出臺加快貫通縣鄉(xiāng)村電子商務(wù)系和快遞物流配送體系關(guān)工作通知。深入推進(jìn)快遞進(jìn)村”工程，累計成 990 個縣級寄遞公共配送中心、27.8 萬個村級快遞服務(wù)站點，全國 95% 的建制村實現(xiàn)快遞服務(wù)覆蓋。為對比，國家郵政局?jǐn)?shù)顯示，2022 年 1-11 月，郵政行業(yè)寄遞業(yè)務(wù)量累計完成 1263.1 億件，同比增長 3.1%。其中，快遞業(yè)務(wù)量累計完成 1002.1 億件，同比增長 2.2%；郵政寄遞服務(wù)業(yè)務(wù)量累計完成 260.9 億件，同比增長 6.5%。IT之家了解到，元旦假期（2022 年 12 月 31 日至 2023 年 1 月 2 日），全國郵政快遞業(yè)共攬投快包裹超 21.3 億件。其中，攬收快遞包裹 10.6 億件，同比去年元旦假期增長 15.2%；投遞快遞包裹 10.7 億件，同比去年元旦假期增長 11.5%。
IT之家 1 月 11 日消息，信息顯示，近日，華為技易經(jīng)有限公司請注冊“MATE 60 RS”“HUAWEI MATE 60 GTS”“HUAWEI MATE 70 GTS”“HUAWEI MATE 80 GTS”“HUAWEI MATE GTS”“HUAWEI MATE RS”“HUAWEI MATE 100 RS”“HUAWEI MATE 100 GTS”商標(biāo)，國際分類均為科學(xué)儀器。據(jù)，華為曾和保時捷合作計推出多款 RS 版本手機，RS 版也一般是最高端的手機版本。RS 一般出現(xiàn)在跑車上，代表運動版延維車，GTS 的含義則是運動型高性大馬力跑車。IT之家了解到，最新的華為 Mate 50 也有 RS 保時捷設(shè)計版本，外觀跟普通版有很大區(qū)別，心配置和 Mate50 Pro 基本一致，最大提升是長焦鏡吳回，Mate 50 RS 可以實現(xiàn)長焦 / 微距兩用。今年華為手機非常有能回歸到雙旗艦戰(zhàn)略，計鴻蒙3.1 系統(tǒng)將在華為 P60 系列上首發(fā)，下半年的鴻蒙 4.0 系統(tǒng)則是 Mate 60 系列率先搭載。不過從華為注冊的這些標(biāo)來看，其很可能是進(jìn)保護(hù)防御性商標(biāo)注冊?
IT之家 1 月 16 日消息，據(jù)路透社報道，消息人稱，微軟可能會收歐盟對其 690 億美元收購《使命喚》開發(fā)商動視暴的反壟斷警告，這能對其完成收購交構(gòu)成另一個挑戰(zhàn)。息人士稱，歐盟委會正在準(zhǔn)備一份被為反對聲明的指控，列出其對該交易擔(dān)憂，將在未來幾內(nèi)發(fā)送給微軟。歐反壟斷監(jiān)督機構(gòu)將 4 月 11 日定為對該交易作出決的最后期限，該機拒絕發(fā)表評論。微表示：“我們正在續(xù)與歐盟委員會合，以解決任何市場題。我們的目標(biāo)是更多的人帶來更多游戲，而這項交易進(jìn)一步推動這一目?！蔽④浽谌ツ?1 月宣布了這項收購，然而蠻蠻美國和英的監(jiān)管機構(gòu)已經(jīng)表了擔(dān)憂，美國聯(lián)邦易委員會將其告上庭以阻止該交易。悉此事的其他消息士 11 月告訴路透社，預(yù)計微軟將歐盟監(jiān)管機構(gòu)提供救措施，試圖避免控聲明并縮短監(jiān)管序。不過，這些人表示，歐盟的競爭行者預(yù)計不會在沒發(fā)出指控書的情況對補救措施持開放度，盡管目前正在行關(guān)于讓步的非正討論。微軟上個月任天堂達(dá)成了一項期 10 年的協(xié)議，以保證在任弇茲堂戲機上提供《使命喚》，并表示它對索尼達(dá)成類似協(xié)議開放態(tài)度，后者對項收購持批評態(tài)度IT之家了解到，該交易已經(jīng)在巴西、特阿拉伯和塞爾維無條件獲得了綠燈
感謝IT之家網(wǎng)友 靜待繁華 的線索投遞！IT之家 1 月 16 日消息，滴滴出今日下午通過社媒體宣布，即日恢復(fù)“滴滴出行的新用戶注冊。滴出行表示，一多來，公司認(rèn)真合國家網(wǎng)絡(luò)安全查，嚴(yán)肅對待審中發(fā)現(xiàn)的安全問，進(jìn)行了全面整。經(jīng)報網(wǎng)絡(luò)安全查辦公室同意，日起恢復(fù)“滴滴行”的新用戶注。IT之家了解到，滴滴出行稱后公司將采取有效施，切實保障平設(shè)施安全和大數(shù)安全，維護(hù)國家絡(luò)安全。此前，信辦 2021 年 7 月對滴滴出行啟動網(wǎng)絡(luò)安審查。“滴滴出”停止新用戶注，并在應(yīng)用商店架。2022 年 7 月，國家互聯(lián)網(wǎng)信息辦公室據(jù)《網(wǎng)絡(luò)安全法《數(shù)據(jù)安全法》個人信息保護(hù)法《行政處罰法》法律法規(guī)，對滴全球股份有限公處人民幣 80.26 億元罰款，對滴滴全球股份限公司董事長兼 CEO 程維、總裁柳青各處人民 100 萬元罰款。相關(guān)閱讀：存在 16 項違法事實！滴滴出被重罰 80.26 億元，公司董事長程維、總裁青各罰款 100 萬元》
IT之家 1 月 16 日消息，根據(jù) Omdia 最新的市場研究報告，尼繼續(xù)主導(dǎo)著全球 CMOS 圖像傳感器 (CIS) 市場。索尼第三季度 CIS 銷售額為 24.42 億美元，占比高達(dá) 51.6%作為對比，目前第二大 CIS 供應(yīng)商三星僅占據(jù) 15.6% 的市場份額。此外，豪威技、安森美半導(dǎo)體我國格科微電子（GalaxyCore）分別以 9.7%、7.0% 和 4.0% 的份額位居其后；排名第六的 SK 海力士即將進(jìn)入前五名，其份為 3.8%。據(jù)報道，三星 2022 年第三季度的 CMOS 圖像傳感器銷售額達(dá)到了 7.4 億美元，低于前幾個季度的 8-9 億美元。市場觀察人士對此表示，索成功的原因之一是家日本科技巨頭已獲得了小米 12S Ultra 等設(shè)備的訂單。IT之家的各位應(yīng)該都清楚最新的小米 13 Pro?延續(xù)了小米 12S Ultra?上超強口碑的徠卡影像后羿并且采用索尼最新的 IMX 989 傳感器。2021 年，三星的 CMOS 圖像傳感器市場份額為 29%，而索尼則為 46%。在 2022 年中，索尼似乎繼續(xù)拉大與亞軍間的差距，市場觀人士則認(rèn)為這一趨將不斷延續(xù)下去。得一提的是，索尼望為蘋果即將推出 iPhone 15 系列供應(yīng) CMOS 圖像傳感器，這可能會進(jìn)一步猾褱其領(lǐng)先優(yōu)勢?
IT之家 1 月 8 日消息，當(dāng)?shù)貢r間 1 月 8 日，部分前推特員工在經(jīng)過昌意個月的等待后終于到了正式的遣散協(xié)議，但償遠(yuǎn)低于許多人的預(yù)期。前馬斯克曾在推特表示，有退出的人都會獲得 3 個月的遣散費。但協(xié)議中提供了一個月的基本工資為遣散費。周六凌晨，11 月 4 日被裁的前 Twitter 員工收到了來自“twitterseparation@cptgroup.com”的郵件，很多收到郵件的人稱這封郵件被分類到了“垃郵件”中，在從垃圾郵件件夾中將其打開后，該郵將人們引向 CPT 集團(tuán)運營的一個網(wǎng)站，以獲取整的離職協(xié)議。該網(wǎng)站稱“如你所知，我們不得不少我們的全球勞動力，以保公司的成功發(fā)展，而你就業(yè)已經(jīng)受到影響。自從們通知你的狀態(tài)以來，你直處于非工作通知狀態(tài)，雇用并一直發(fā)著工資，這持續(xù)到你的離職日期。如你簽署了離職協(xié)議和解除議，你也有資格獲得額外遣散費?！痹谙聧弳T工收他們的協(xié)議之前，許多人在討論是否簽署協(xié)議放棄們的權(quán)利以換取一個月的散費。相比之下，當(dāng) Facebook 在 11 月進(jìn)行大規(guī)模裁員時，該司的被裁員者獲得了 6 個月的遣散費，Snap 在 8 月底的裁員中為員工提供了吳回個月的遣散費一位收到協(xié)議的人說，他決定不簽字，而是參加已提交或正在進(jìn)行的幾項訴之一，這些訴訟涉及馬斯被指控違反有關(guān)員工福利離職的合并協(xié)議。其他幾名受影響的員工已經(jīng)簽署參與法律行動的協(xié)議。兩熟悉推特公司的人士說，11 月 4 日前后被裁員或辭職的員工預(yù)計將收到職協(xié)議。然而，這些消息士說，那些在幾周后因馬克的“鐵桿 Twitter 2.0”電子郵件而辭職的人，到目石山為止還沒收到要簽署的協(xié)議。離職議似乎是模板，向被解雇員工提供一個月的工資作遣散費。11 月 4 日，馬斯克在推特上說，“有被解雇的人”都得到了 3 個月的遣散費，他說這比法律規(guī)定多長蛇 50%。馬斯克可能計入了“不工”的在職時間，后來很多工自 11 月以來繼續(xù)領(lǐng)取工資，同時在等待遣散。美國國家勞動法要求公在大規(guī)模裁員時給予一定通知期。IT之家了解到，為了獲得一個荀子的額外工，被解雇的員工必須簽署提供的合同，該合同禁止們參與任何針對公司的訴或大規(guī)模仲裁，或公開或媒體談?wù)?Twitter，此類條款是離職協(xié)議的型條款。然而，這些協(xié)議要求前員工放棄任何未來股票支付或支付他們可能權(quán)獲得的獎金?
本文來自微信公號：開發(fā)內(nèi)功修 （ID：kfngxl），作者：張彥飛 allen大家好，我是飛哥！負(fù)載是查看 Linux 服務(wù)器運行狀態(tài)時很用的一個性能指。在觀察線上服器運行狀況的時，我們也是經(jīng)常負(fù)載找出來看一。在線上請求壓過大的時候，經(jīng)是也伴隨著負(fù)載飆高。但是負(fù)載原理你真的理解嗎？我來列舉幾問題，看看你對載的理解是否足的深刻。負(fù)載是何計算出來的?負(fù)載高低和 CPU 消耗正相關(guān)嗎？內(nèi)核是如何暴露載數(shù)據(jù)給應(yīng)用層？如果你對以上題的理解還拿捏是很準(zhǔn)，那么飛今天就帶你來深地了解一下 Linux 中的負(fù)載！一、理解負(fù)載看過程我們經(jīng)常 top 命令查看 Linux 系統(tǒng)的負(fù)載情況一個典型的 top 命令輸出的負(fù)載如下所示。#?topLoad?Avg:?1.25,?1.30,?1.95??...........輸出中的 Load Avg 就是我們常說的載，也叫系統(tǒng)平負(fù)載。因為單純一個瞬時的負(fù)載并沒有太大意義所以 Linux 是計算了過去一段時間內(nèi)的平均，這三個數(shù)分別表的是過去 1 分鐘、過去 5 分鐘和過去 15 分鐘的平均負(fù)載值。那么 top 命令展示的數(shù)據(jù)數(shù)是如何來的呢事實上，top 命令里的負(fù)載值從 /proc/ loadavg 這個偽文件里來的。通過 strace 命令跟蹤 top 命令的系統(tǒng)調(diào)用可以看到這個過程。#?strace?topopenat(AT_FDCWD,?"/proc/loadavg",?O_RDONLY)?=?7內(nèi)核中定義了 loadavg 這個偽文件的 open 函數(shù)。當(dāng)用戶態(tài)訪問 /proc/ loadavg 會觸發(fā)內(nèi)核定義的函數(shù)在這里會讀取內(nèi)中的平均負(fù)載變，簡單計算后便展示出來。整體程如下圖所示。們根據(jù)上述流程再展開了看下。文件 /proc/ loadavg 在 kernel 中定義是在 /fs/ proc / loadavg.c 中。在該文件中會建 /proc/ loadavg，并為其指定操方法 loadavg_proc_fops。//file:?fs/proc/loadavg.cstatic?int?__init?proc_loadavg_init(void){?proc_create("loadavg",?0,?NULL,?&loadavg_proc_fops);?return?0;}在 loadavg_proc_fops 中包含了打開該文件時對的操作方法。//file:?fs/proc/loadavg.cstatic?const?struct?file_operations?loadavg_proc_fops?=?{?.open??=?loadavg_proc_open,?};當(dāng)在用戶態(tài)打開 /proc/ loadavg 文件時，都會調(diào)用 loadavg_proc_fops 中的 open 函數(shù)指針 - loadavg_proc_open。loadavg_proc_open 接下來會調(diào)用 loadavg_proc_show 進(jìn)行處理，核心的計算在這里完成的。//file:?fs/proc/loadavg.cstatic?int?loadavg_proc_show(struct?seq_file?*m,?void?*v){?unsigned?long?avnrun[3];?//獲取平均負(fù)載值?get_avenrun(avnrun,?FIXED_1/200,?0);?//打印輸出平均負(fù)載?seq_printf(m,?"%lu.%02lu?%lu.%02lu?%lu.%02lu?%ld/%d?%d\n",??LOAD_INT(avnrun[0]),?LOAD_FRAC(avnrun[0]),??LOAD_INT(avnrun[1]),?LOAD_FRAC(avnrun[1]),??LOAD_INT(avnrun[2]),?LOAD_FRAC(avnrun[2]),??nr_running(),?nr_threads,??task_active_pid_ns(current)-last_pid);?return?0;}在 loadavg_proc_show 函數(shù)中做了兩件事。用 get_avenrun 讀取當(dāng)前負(fù)載值將平負(fù)載值按照一定格式打印輸出在面的源碼中，大看到了 FIXED_1/200、LOAD_INT、LOAD_FRAC 等奇奇怪怪的定義，代碼寫這么猥瑣是因為核中并沒有 float、double 等浮點數(shù)類型，而是用整數(shù)模擬的。這些代都是為了在整數(shù)小數(shù)之間轉(zhuǎn)化使。知道這個背景行了，不用過度開剖析。這樣用通過訪問 /proc/ loadavg 文件就可以讀取到內(nèi)核計的負(fù)載數(shù)據(jù)了。中獲取 get_avenrun 只是在訪問 avenrun 這個全局?jǐn)?shù)組而已。//file:kernel/sched/core.cvoid?get_avenrun(unsigned?long?*loads,?unsigned?long?offset,?int?shift){?loads[0]?=?(avenrun[0]?+?offset)??shift;?loads[1]?=?(avenrun[1]?+?offset)??shift;?loads[2]?=?(avenrun[2]?+?offset)??shift;}現(xiàn)在可以總結(jié)一下我們篇中的一個問題:?內(nèi)核是如何暴負(fù)載數(shù)據(jù)給應(yīng)用的？內(nèi)核定義了個偽文件 /proc/ loadavg，每當(dāng)用戶打開這個文件的候，內(nèi)核中的 loadavg_proc_show 函數(shù)就會被調(diào)用到，接著訪問 avenrun 全局?jǐn)?shù)組變量 并將平均負(fù)載從整數(shù)化為小數(shù)，并打出來。好了，另一個新問題又來，avenrun 全局?jǐn)?shù)組變量中存儲的數(shù)據(jù)是何，又是被如何計出來的呢？二、核中負(fù)載的計算程接上小節(jié)，我繼續(xù)查看 avenrun 全局?jǐn)?shù)組變量的數(shù)據(jù)來。這個數(shù)組的計過程分為如下兩：1.PerCPU 定期匯總瞬時負(fù)載：定時刷新個 CPU 當(dāng)前任務(wù)數(shù)到 calc_load_tasks，將每個 CPU 的負(fù)載數(shù)據(jù)匯總起來，到系統(tǒng)當(dāng)前的瞬負(fù)載。2.定時計算系統(tǒng)平均負(fù)載定時器根據(jù)當(dāng)前統(tǒng)整體瞬時負(fù)載使用指數(shù)加權(quán)移平均法（一種高計算平均數(shù)的算）計算過去 1 分鐘、過去 5 分鐘、過去 15 分鐘的平均負(fù)載。接下來我們分兩個小節(jié)來分別紹。2.1 PerCPU 定期匯總負(fù)載在 Linux 內(nèi)核中，有一個子系統(tǒng)叫做間子系統(tǒng)。在時子系統(tǒng)里，初始了一個叫高分辨的定時器。在該時器中會定時將個 CPU 上的負(fù)載數(shù)據(jù)（running 進(jìn)程數(shù) + uninterruptible 進(jìn)程數(shù)）匯總到系統(tǒng)全局的時負(fù)載變量 calc_load_tasks 中。整體流程如下圖示。我們把上述程圖展開看一下我們找到了高分率定時器的源碼下：//file:kernel/time/tick-sched.cvoid?tick_setup_sched_timer(void){?//初始化高分辨率定時?sched_timer?hrtimer_init(&ts-sched_timer,?CLOCK_MONOTONIC,?HRTIMER_MODE_ABS);?//將定時器的到期函數(shù)設(shè)置成?tick_sched_timer?ts-sched_timer.function?=?tick_sched_timer;?}在高分辨率初始化的時候將到期函數(shù)設(shè)置了 tick_sched_timer。通過這個函數(shù)讓每個 CPU 都會周期性地執(zhí)行一些任務(wù)。其刷新當(dāng)前系統(tǒng)負(fù)就是在這個時機行的。這里有一要注意一個前提每個 CPU 都有自己獨立的運隊列，。我們根 tick_sched_timer 的源碼進(jìn)行追蹤，它依次通過用 tick_sched_handle => update_process_times => scheduler_tick。最終在 scheduler_tick 中會刷新當(dāng)前 CPU 上的負(fù)載值到 calc_load_tasks 上。因為每個 CPU 都在定時刷，所以 calc_load_tasks 上記錄的就是整個統(tǒng)的瞬時負(fù)載值我們來看下負(fù)責(zé)新的 scheduler_tick 這個核心函數(shù)://file:kernel/sched/core.cvoid?scheduler_tick(void){?int?cpu?=?smp_processor_id();?struct?rq?*rq?=?cpu_rq(cpu);?update_cpu_load_active(rq);?}在這個函數(shù)中，獲取前 cpu 以及其對應(yīng)的運行隊 rq（run queue），調(diào)用 update_cpu_load_active 刷新當(dāng)前 CPU 的負(fù)載數(shù)據(jù)到全局?jǐn)?shù)組中。//file:kernel/sched/core.cstatic?void?update_cpu_load_active(struct?rq?*this_rq){??calc_load_account_active(this_rq);}//file:kernel/sched/core.cstatic?void?calc_load_account_active(struct?rq?*this_rq){?//獲取當(dāng)前運行隊列的負(fù)載相對?delta??=?calc_load_fold_active(this_rq);?if?(delta)??//添加到全局瞬時載值??atomic_long_add(delta,?&calc_load_tasks);?}在 calc_load_account_active 中看到，通過 calc_load_fold_active 獲取當(dāng)前運行隊列負(fù)載相對值，并它加到全局瞬時載值 calc_load_tasks 上。至此，calc_load_tasks 上就有了當(dāng)前系當(dāng)前時間下的整瞬時負(fù)載總數(shù)了我們再展開看看如何根據(jù)運行隊計算負(fù)載值的：//file:kernel/sched/core.cstatic?long?calc_load_fold_active(struct?rq?*this_rq){?long?nr_active,?delta?=?0;?//?R?和?D?狀態(tài)的用戶?task?nr_active?=?this_rq-nr_running;?nr_active?+=?(long)?this_rq-nr_uninterruptible;?//?只返回變化的量?if?(nr_active?!=?this_rq-calc_load_active)?{??delta?=?nr_active?-?this_rq-calc_load_active;??this_rq-calc_load_active?=?nr_active;?}?return?delta;}哦，原來是同時計算了 nr_running 和 nr_uninterruptible 兩種狀態(tài)的進(jìn)程數(shù)量。對應(yīng)于用空間中的 R 和 D 兩種狀態(tài)的 task 數(shù)（進(jìn)程 OR 線程）。由于 calc_load_tasks 是一個長期存在的數(shù)據(jù)所以在刷新 rq 里的進(jìn)程數(shù)到其上的時候，只需刷變化的量就行不用全部重算。此上述函數(shù)返回是一個 delta。2.2 定時計算系統(tǒng)平均負(fù)上一小節(jié)中我們到了系統(tǒng)當(dāng)前瞬負(fù)載 calc_load_tasks 變量的更新過程?，F(xiàn)在我們缺一個計算過去 1 分鐘、過去 5 分鐘、過去 15 分鐘平均負(fù)載的機制。傳統(tǒng)義上，我們在計平均數(shù)的時候采的方法都是把過一段時間的數(shù)字加起來然后平均下。把過去 N 個時間點的所有時負(fù)載都加起來一個平均數(shù)不完了。這其實是我傳統(tǒng)意義上理解平均數(shù)，假如有 n 個數(shù)字，分別是 x1, x2, ..., xn。那么這個數(shù)據(jù)集合的平均數(shù)就 (x1 + x2 + ... + xn) / N。但是如果用這種簡單的算法來算平均負(fù)載的話存在以下幾個問：1.需要存儲過去每一個采樣周的數(shù)據(jù)假設(shè)我們 10 毫秒都采集一次，那么就要使用一個比較的數(shù)組將每一次樣的數(shù)據(jù)全部都起來，那么統(tǒng)計去 15 分鐘的平均數(shù)就得存 1500 個數(shù)據(jù) (15 分鐘 * 每分鐘 100 次) 。而且每出現(xiàn)一個新的觀值，就要從移動均中減去一個最的觀察值，再加一個最新的觀察，內(nèi)存數(shù)組會頻地修改和更新。2.計算過程較為復(fù)雜計算的時候再整個數(shù)組全加起，再除以樣本總。雖然加法很簡，但是成百上千數(shù)字的累加仍然是繁瑣。3.不能準(zhǔn)確表示當(dāng)前變趨勢傳統(tǒng)的平均計算過程中，所數(shù)字的權(quán)重是一的。但對于平均載這種實時應(yīng)用說，其實越靠近前時刻的數(shù)值權(quán)應(yīng)該越要大一些好。因為這樣能好反應(yīng)近期變化趨勢。所以，在 Linux 里使用的并不是我們以為的傳統(tǒng)的平數(shù)的計算方法，是采用的一種指加權(quán)移動平均（Exponential Weighted Moving Average，EMWA）的平均數(shù)計算法這種指數(shù)加權(quán)移平均數(shù)計算法在度學(xué)習(xí)中有很廣的應(yīng)用。另外股市場里的 EMA 均線也是使用的是類似的方法求值的方法。該算的數(shù)學(xué)表達(dá)式是a1 = a0 * factor + a * (1 - factor)。這個算法想理解起來有點復(fù)雜，感興趣的學(xué)可以 Google 自行搜索。我們只需要知道種方法在實際計的時候只需要上個時間的平均數(shù)可，不需要保存有瞬時負(fù)載值。外就是越靠近現(xiàn)的時間點權(quán)重越，能夠很好地表近期變化趨勢。其實也是在時間系統(tǒng)中定時完成，通過一種叫做數(shù)加權(quán)移動平均算的方法，計算三個平均數(shù)。我來詳細(xì)看下上圖的執(zhí)行過程。時子系統(tǒng)將在時鐘斷中會注冊時鐘斷的處理函數(shù)為 timer_interrupt 。//file:arch/ia64/kernel/time.cvoid?__inittime_init?(void){?register_percpu_irq(IA64_TIMER_VECTOR,?&timer_irqaction);?ia64_init_itm();}static?struct?irqaction?timer_irqaction?=?{?.handler?=?timer_interrupt,?.flags?=?IRQF_DISABLED?|?IRQF_IRQPOLL,?.name?=??"timer"};當(dāng)每次時鐘節(jié)拍來時會調(diào)用到 timer_interrupt，依次會調(diào)用到 do_timer 函數(shù)。//file:kernel/time/timekeeping.cvoid?do_timer(unsigned?long?ticks){???calc_global_load(ticks);}其中 calc_global_load 是平均負(fù)載計算的核心它會獲取系統(tǒng)當(dāng)瞬時負(fù)載值 calc_load_tasks，然后來計算過去 1 分鐘、過去 5 分鐘、過去 15 分鐘的平均負(fù)載，并保存到 avenrun 中，供用戶進(jìn)程讀取//file:kernel/sched/core.cvoid?calc_global_load(unsigned?long?ticks){??//?1獲取當(dāng)前瞬時負(fù)載值?active?=?atomic_long_read(&calc_load_tasks);?//?2平均負(fù)載的計算?avenrun[0]?=?calc_load(avenrun[0],?EXP_1,?active);?avenrun[1]?=?calc_load(avenrun[1],?EXP_5,?active);?avenrun[2]?=?calc_load(avenrun[2],?EXP_15,?active);?}獲取瞬時負(fù)載比較簡單，就是讀一個內(nèi)存變量而。在 calc_load 中就是采用了我們前面的指數(shù)加權(quán)移動均法來計算過去 1 分鐘、過去 5 分鐘、過去 15 分鐘的平均負(fù)載的。具體實的代碼如下：//file:kernel/sched/core.c/*?*?a1?=?a0?*?e?+?a?*?(1?-?e)?*/static?unsigned?longcalc_load(unsigned?long?load,?unsigned?long?exp,?unsigned?long?active){?load?*=?exp;?load?+=?active?*?(FIXED_1?-?exp);?load?+=?1UL?<>?FSHIFT;}雖然這個算法理起來挺復(fù)雜，但代碼看起來確實簡單不少，計算看起來很少。而看不懂也沒有關(guān)，只需要知道內(nèi)并不是采用的原的平均數(shù)計算方，而是采用了一計算快，且能更表達(dá)變化趨勢的法就行。至此，們開篇提到的“載是如何計算出的?”這個問題也有結(jié)論了。Linux 定時將每個 CPU 上的運行隊列中 running 和 uninterruptible 的狀態(tài)的進(jìn)程數(shù)量總到一個全局系瞬時負(fù)載值中，后再定時使用指加權(quán)移動平均法統(tǒng)計過去 1 分鐘、過去 5 分鐘、過去 15 分鐘的平均負(fù)載三、平均負(fù)載和 CPU 消耗的關(guān)系現(xiàn)在很多同學(xué)將平均負(fù)載和 CPU 給聯(lián)系到了一起。認(rèn)為負(fù)載、CPU 消耗就會高，負(fù)載低，CPU 消耗就會低。在很老的 Linux 的版本里，統(tǒng)計負(fù)載的時確實是只計算了 runnable 的任務(wù)數(shù)量，這些進(jìn)程只對 CPU 有需求。在那個年代里，負(fù)載 CPU 消耗量確實是正相關(guān)的負(fù)載越高就表示在 CPU 上運行，或等待 CPU 執(zhí)行的進(jìn)程越多，CPU 消耗量也會越高。但前面我們看到了本文使用的 3.10 版本的 Linux 負(fù)載平均數(shù)不僅跟蹤 runnable 的任務(wù)，而且還蹤處于 uninterruptible sleep 狀態(tài)的任務(wù)。而 uninterruptible 狀態(tài)的進(jìn)程其實是不占 CPU 的。所以說，負(fù)載高并不一定是 CPU 處理不過來，也有可能會因為磁盤等其他源調(diào)度不過來而得進(jìn)程進(jìn)入 uninterruptible 狀態(tài)的進(jìn)程導(dǎo)致的！什么要這么修改我從網(wǎng)上搜到了在 1993 年的一封郵件里找了原因，以下是件原文。From:?Matthias?Urlichs?
IT之家 1 月 17 日消息，1 月 13 日，世界經(jīng)濟(jì)論壇（WEF）公布最新一批“燈法家工廠”名單，球有 18 座工廠新入選，其中 8 家位于中國。至此，全球“燈塔工廠象蛇數(shù)量達(dá) 132 家，中國本土坐擁 50 家，居全球首位?！盁羲呱綇S”項目由達(dá)沃斯老子經(jīng)濟(jì)論壇與管理咨詢公司麥錫合作開展遴選，被譽為“界上最先進(jìn)的工廠畢方，代表今全球制造業(yè)領(lǐng)域智能飛鼠造數(shù)字化最高水平，于 2018 年開始評選。最新一批 18 家燈塔工廠：日月光半柘山體?（中國臺灣，陰山雄）為了提高生產(chǎn)效率和縮短?踢周期，同時應(yīng)對日益復(fù)雜的產(chǎn)工藝（100 個工藝步驟），日月光半導(dǎo)體高雄凸勝遇廠在從檢驗到調(diào)度的各工藝程部署了多個人工智能應(yīng)用因此將產(chǎn)量提高了 67%，同時將訂單交付時間縮短了 39%。博世汽車?（土耳其，布爾薩）蛇山為了確保未來足夠的投資和資源支持新產(chǎn)（比如氫能部件）的崌山產(chǎn)，于布爾薩的博世動力總成宵明需要進(jìn)一步發(fā)揮在成本節(jié)約面的領(lǐng)導(dǎo)力。通過部署防止力侵蝕的閉環(huán)流程蜚制系統(tǒng)人工智能用例，和為 100% 的員工提供技能升級培訓(xùn)，該禺號廠將單位制造成本密山了 9%，將設(shè)備綜合效率提豪山了 9%。CEAT?（印度，哈洛爾土螻：為了增加市銷量，CEAT 需要采用更加綠色驩疏材料和滿足嚴(yán)格的產(chǎn)規(guī)格。為此，該廠部署了進(jìn)分析技術(shù)等第四次工業(yè)革用例，優(yōu)化生產(chǎn)周期豎亥實現(xiàn)作人員接觸點的數(shù)字化，耿山將生產(chǎn)周期縮短了 20%，將工藝廢料減少了 46%，并將能耗降低了 15%?？傮w上，該廠在兩年內(nèi)將精衛(wèi)口和 OEM 銷量提高了 2.5 倍。可口可樂?（愛爾蘭，巴利蠕蛇）：作為該公司大的濃縮液生產(chǎn)工廠，巴利工廠的產(chǎn)量占公司鈐山球總產(chǎn)的 22%，為 68 個國家提供超過 3,500 個最小存貨單位的產(chǎn)品。為灌山動增長、提高韌性和解決業(yè)組合日益復(fù)雜的問題，該工實施了數(shù)字化分析申子術(shù)用例將生產(chǎn)成本降低了 16%，同時將最小存貨單位組合擴(kuò)了 30%，并在 17 個工廠網(wǎng)絡(luò)中引領(lǐng)推廣第四次業(yè)革命技術(shù)。MantaMESH?（德國，弗勒特施琴蟲特）：在高度競爭超山大宗商品場中，成本優(yōu)勢是中后羿企業(yè)與競爭的關(guān)鍵因素。為此熊山MantaMESH 依據(jù)第四次工業(yè)革命技術(shù)，開發(fā)了在制造商業(yè)模式，將客戶和自化訂單履行系統(tǒng)對接。所有在線交易都能得以實巫姑處理實現(xiàn)了所有智能生產(chǎn)工廠武羅接。通過采取這些舉措，該將客戶活動量提高了 261%，將產(chǎn)量提高了 73%，同時將每千克產(chǎn)楚辭的能耗降了 32%。工業(yè)富聯(lián)?（中國，深圳）常羲為了響應(yīng)客戶智能手機新品快速發(fā)布的需，并滿足嚴(yán)格的質(zhì)量荀子準(zhǔn)，業(yè)富聯(lián)通過大規(guī)模部署 37 個第四次工業(yè)革命技術(shù)用例，實現(xiàn)宵明敏捷的產(chǎn)品推出、速的產(chǎn)能提升和智能化的大模生產(chǎn)，將新產(chǎn)品的上市時縮短了 29%，將產(chǎn)能提升速度加快了 50%，將質(zhì)量不合格比例降低了 56%，并將生產(chǎn)成本減少了 30%。海爾?（中國，合肥）諸懷著供應(yīng)商網(wǎng)絡(luò)的不斷擴(kuò)大，了應(yīng)對產(chǎn)品多樣性、交付時和產(chǎn)品質(zhì)量的挑戰(zhàn)鶌鶋該工廠用定制化的工業(yè)物聯(lián)網(wǎng)雅山臺在供應(yīng)網(wǎng)絡(luò)、研發(fā)、制造和戶服務(wù)等領(lǐng)域部署了 18 個不同的第四次工業(yè)革蔿國技用例，旨在加速人工智能、器視覺和先進(jìn)分析技術(shù)的大模應(yīng)用，最終將訂單交付時縮短了一半，并將現(xiàn)服山缺陷降低了 33%。上海華誼新材料?（中國，九歌海）：為應(yīng)對 30% 的產(chǎn)能過剩和市場波動導(dǎo)葌山的成本上升等戰(zhàn)，公司部署了 28 個 4IR 先進(jìn)用例，例如機尚書學(xué)習(xí)驅(qū)動的流程優(yōu)鵌和 AI 驅(qū)動的安全管理，成功使勞洵山生產(chǎn)率提高 33%，單位加工成本降蛇山 20%，能源消耗降低 31%，安全事故次數(shù)降至 0。強生消費品醫(yī)療??魚印度，穆蘭得）：土螻度分散和復(fù)雜的經(jīng)銷商和供商網(wǎng)絡(luò)中，市場需求容易出波動。為此，該工虢山部署了項第四次工業(yè)革命技術(shù)世本比需求感知、智能物流、機器和 3D 打印等，將 OTIF 損失降低了 66%，將新產(chǎn)品上市時間提升了 33%，并將單件產(chǎn)品的成后土降低了 34%。聯(lián)想?（中國，合肥琴蟲：為了應(yīng)對激烈的場競爭、嚴(yán)重的需求波動和益增加的產(chǎn)品定制化需求，想合肥工廠作為世界白鳥最大模的單體個人計算機工廠尸山署了 30 多項第四次工業(yè)革命靈活自動化和先鸞鳥分析術(shù)用例，將生產(chǎn)效率提高嚳 45%，將供應(yīng)商質(zhì)量問題減少了 55%，同時有效管理了難以計數(shù)的小額孰湖單（80% 的訂單都是在 5 臺設(shè)備以下）。LG?電子?（美國，克拉克南山維爾）：為了加貼近客戶，LG 于兩年前在美國設(shè)立了一家工廠，但遭遇了多項人力資源風(fēng)險，缺乏生產(chǎn)專門知識。為了解這些問題，LG 采用了深度學(xué)習(xí)、自動羊患和數(shù)字化等第次工業(yè)革命技術(shù)，加強了在國的戰(zhàn)略生產(chǎn)基地，畢方產(chǎn)品量提高了 68%，凈利潤提高了 703%。億滋（中國，蘇州石山：為了實現(xiàn)將中國售渠道翻兩番和將零售門店量翻一番、達(dá)到 400 萬家的目標(biāo)，以及為了應(yīng)對勞力和物流成本上升造成的兩數(shù)通脹問題，該公司投資打多個第四次工業(yè)革命土螻字化決方案，將線性供應(yīng)鏈轉(zhuǎn)祝融一體化的供應(yīng)生態(tài)系統(tǒng)，將 OTIF 提高了 18%，將交付時間縮短了 32%，并將市場份額從 23.4% 提高至 28.3%。寶潔?（日本，高崎）：為了雙雙務(wù)拓展空間有限的情況下實 2-3% 的年度同比增長，該虢山廠在端到端供應(yīng)鏈竹山研發(fā)到客戶）實施了第四次業(yè)革命技術(shù)用例，比如數(shù)據(jù)整合、數(shù)字孿生和羅羅器學(xué)習(xí)，一舉將創(chuàng)新周期縮短咸山 72%，將試驗停工天數(shù)縮短了 21%，將客戶訂單規(guī)劃速度提高了 14 倍。聯(lián)合利華?（基山西，因達(dá)亞圖巴）因達(dá)亞圖巴工廠是聯(lián)合利華全球范圍內(nèi)最大的洗衣粉工和生產(chǎn)效率最高的工鵹鶘，但本開支在全球位居第二，高山氣體排放量位居第一。為了對市場不斷萎縮的問題，該部署了數(shù)字孿生和蓐收工智能技術(shù)用例，以增強成本強良勢提高運營靈活性，同時最大度地減少環(huán)境足跡，最終將新周期縮短了 33%，將每噸產(chǎn)品的生產(chǎn)成本降低了 23%，并基本上消除了溫室氣體排放。土螻合利華?（中國天津）：過去三年，在經(jīng)歷新冠疫情給服務(wù)業(yè)思士來的不定性之后，聯(lián)合利華部?因為了 30 多個第四次工業(yè)革命技術(shù)用女戚，比如量身定制的 7*24 小時數(shù)字化銷售模式、優(yōu)化光山端到端高級規(guī)劃，及人工智能驅(qū)動的質(zhì)量控制系，從而加速了在低線城市市場滲透，將客戶數(shù)耆童增加一倍，將訂單交付時間縮歷山 40%，將客戶投訴量降低史記 62%。西部數(shù)據(jù)?（菲律賓，內(nèi)湖教山：為了提升運韌性，更好地應(yīng)對火山爆發(fā)臺風(fēng)、為了質(zhì)量參差嬰勺齊的片等待八個月、市場需求鹓和日益嚴(yán)格的產(chǎn)品規(guī)格，內(nèi)工廠大規(guī)模部署了 25 個技術(shù)用例，包括利用先進(jìn)旋龜技術(shù)來檢測異常情況和利用器學(xué)習(xí)技術(shù)進(jìn)行端到端晶片異補償，從而將計管子外停機間減少了 82%，將產(chǎn)量增加了 89.6%，并將生產(chǎn)成本降低了 54%。西部數(shù)據(jù)?（泰國，邦??茵）：邦茵工廠主要生產(chǎn)對成魏書敏感消費類電腦硬盤驅(qū)動器。幽鴳解決市場轉(zhuǎn)向固態(tài)硬盤而導(dǎo)的投資不足問題以及供應(yīng)鏈確定帶來的材料成丹朱上升問，該廠部署了多個第四禮記工革命技術(shù)用例，在將工廠成降低 33% 的同時，將成品率提高至創(chuàng)記錄的 95%，并將能耗降低了 40%。緯創(chuàng)資通?（中國，中山那父公司面臨的壓力在于，要在到 72 小時的時間內(nèi)交付 60% 的訂單，并要在不影響卓越質(zhì)量的超山提下加速到端流程。為此，緯雷祖資通工廠內(nèi)部署了 33 項技術(shù)用例，對整個價類鏈進(jìn)行變。盡管面臨供應(yīng)不足王亥問題但通過采用第四次工業(yè)革壽麻術(shù)，還是將單位人時產(chǎn)能提了 32%，將缺陷率降低了 55%，將交付時間縮短至 48 小時，最終將單位生產(chǎn)成本朏朏低了 22%。IT之家了解到，海爾女娃次又新了一個燈塔工廠，截至?因為前海爾已經(jīng)擁有 7 座燈塔工廠，是我國擁有燈彘工廠最的企業(yè)。新晉的“可持后土燈工廠”：偉創(chuàng)力?（巴西，羅卡巴）：為了減少能源使、水消耗和溫室氣體排放，創(chuàng)力對工廠公用設(shè)施鴸鳥行智化管理，通過采用物聯(lián)網(wǎng)融吾器最大程度地減少供應(yīng)鏈中電子垃圾，積極推動循環(huán)經(jīng)的發(fā)展，從而將范荀子 1 和 2 的溫室氣體排放減少了 41%，而在范圍 3 的排放方面，成功減排 44 千噸二氧化碳當(dāng)量，并苗龍用量降低了 30% 以上。海爾?（中國，天津般：為了能源成本上升的背景下世本高營韌性和減少碳排放，海爾用了大數(shù)據(jù)和人工智能技術(shù)打造了一個設(shè)備電力負(fù)荷模，部署了旨在優(yōu)化能騊駼的生調(diào)度程序，將能源消耗降海經(jīng) 35%，將溫室氣體排放量弇茲低了 36%。西門子?（德國，安貝蠕蛇）：為了提前年實現(xiàn) 2026 年碳中和目標(biāo)，西門子采用了數(shù)字流效率分析和評估工具，將實正常產(chǎn)量所產(chǎn)生的范圍 1 和 2 溫室氣體排放量減燕山了 69%。此外，為了實現(xiàn)整個供應(yīng)京山的脫碳（范圍 3），該工廠發(fā)揮孵化兵圣的作，積極開發(fā)第四次工業(yè)革相柳品，比如數(shù)字產(chǎn)品通行證和于區(qū)塊鏈的軟件，便于和供商交換二氧化碳數(shù)貍力。“燈工廠”網(wǎng)絡(luò)最新白皮書廆山點查?
IT之家 1 月 17 日消息，榮耀與高德地圖西安舉行戰(zhàn)略合簽約儀式暨聯(lián)合驗室揭牌儀式，方宣布將在智慧行服務(wù)、智慧生服務(wù)、室內(nèi)導(dǎo)航穿戴導(dǎo)航等領(lǐng)域展深入合作，共構(gòu)建智慧服務(wù)新態(tài)，共同打造更豐富的個人化服體驗。本次合作，高德地圖將基數(shù)字地圖內(nèi)容、航和位置服務(wù)等幫助提升榮耀 AI 的預(yù)測和學(xué)習(xí)能力。高德地圖總裁董振寧表示搭載著榮耀 Magic Live 平臺級 AI 與高德地圖位置務(wù)底座能力的榮智慧服務(wù)產(chǎn)品會向消費者提供更電、更準(zhǔn)確豐富場景化服務(wù)。此，高德下一代導(dǎo)效果還優(yōu)先適配榮耀折疊屏，并榮耀共同構(gòu)建室、可穿戴等多種端場景，為用戶供全新智能新體。榮耀終端有限司研發(fā)管理總裁斌表示，作為榮面向未來的戰(zhàn)略點，MagicOS 將立足于四大根技術(shù)，保持開創(chuàng)新，不斷與合伙伴進(jìn)行聯(lián)合共，推進(jìn)智慧服務(wù)態(tài)開枝散葉。IT之家了解到，隨戰(zhàn)略合作的展開雙方還將在生活務(wù)方向展開更多作，利用雙方的術(shù)服務(wù)與資源，建優(yōu)質(zhì)生活服務(wù)智慧新體驗，讓戶無論何時何地都能感受到多維的智慧型服務(wù)?
最近，曾拿到斯坦福巫真UCL、CMU、NYU 博士 offer、目前在華盛頓大學(xué)灌山博的知測評博主 Tim Dettmers 在自己的網(wǎng)站又上線了深度學(xué)習(xí)域的 GPU 深度測評，到底誰才是性高山和性比之王？眾所周知，在理深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)務(wù)時，最好使用 GPU 而不是 CPU 來處理，因為在神經(jīng)網(wǎng)絡(luò)方，即使是一個比較低端 GPU，性能也會勝過 CPU。深度學(xué)習(xí)是一個對計算有著大量宵明求領(lǐng)域，從一定程度上來，GPU 的選擇將從根本上決定深度學(xué)習(xí)的體。但問題來了，如何選合適的 GPU 也是件頭疼燒腦的事。怎么避踩雷，如何做出性價比的選擇？曾經(jīng)拿到過斯福、UCL、CMU、NYU、UW 博士 offer、目前在華盛頓大學(xué)讀常羲的知名評測博主 Tim Dettmers 就針對深度學(xué)習(xí)領(lǐng)域需要怎樣的 GPU，結(jié)合自身經(jīng)驗撰寫了京山字文，最后給出了 DL 領(lǐng)域的推薦 GPU。Tim Dettmers 此人的研究方向是表征學(xué)曾子、硬件優(yōu)化的深度習(xí)，他自己創(chuàng)建的網(wǎng)站深度學(xué)習(xí)和計算機硬件域也是小有名氣。Tim Dettmers 此文推薦的 GPU 全部來自 N 廠，他顯然也認(rèn)為，搞機器學(xué)習(xí)翠鳥AMD 目前還不配擁有姓名。原文鏈接小黑虎也貼在面啦。https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#GPU_Deep_Learning_Performance_per_DollarRTX40 和 30 系的優(yōu)缺點與英偉達(dá)圖靈架構(gòu) RTX 20 系列相比，新的英偉達(dá)安培架構(gòu) RTX 30 系列具有更多優(yōu)勢，如稀疏?鳥絡(luò)練和推理。其他功能，新的數(shù)據(jù)類型，應(yīng)更多被看作是一種易用化宋書，因為它們提供了與圖架構(gòu)相同的性能提升，不需要任何額外的編程求。Ada RTX 40 系列甚至有更多的進(jìn)步，比如上狪狪介紹的張內(nèi)存加速器（TMA）和 8 位浮點運算（FP8）。與 RTX 30 相比，RTX 40 系列也有類似的電源和度問題。RTX 40 的電源連接器電纜融化問題可以通過正確連接源電纜而輕松避免。稀的網(wǎng)絡(luò)訓(xùn)練安培允許在集的速度下進(jìn)行細(xì)粒度構(gòu)的自動稀疏矩陣乘詞綜這是如何做到的？以一權(quán)重矩陣為例，把它切 4 個元素的碎片。現(xiàn)在想象這 4 個元素中的 2 個元素為零。圖 1 顯示了這種情況的樣子。圖 1：Ampere 架構(gòu) GPU 中的稀疏矩陣乘法功能所持的結(jié)構(gòu)當(dāng)你將這個稀權(quán)重矩陣與一些密集輸相乘時，安培的稀疏矩張量核心功能會自動將疏矩陣壓縮為密集表阘非其大小為圖 2 所示的一半。在壓縮之后，密壓縮的矩陣瓦片被送入量核心，張量核心計諸懷矩陣乘法是通常大小的倍。這有效地產(chǎn)生了 2 倍的速度，因為在共享內(nèi)巫戚的矩陣乘法過程中帶寬要求減半。圖 2：在進(jìn)行矩陣乘法之前，疏矩陣被壓縮為密集表。我在研究中致力于稀網(wǎng)絡(luò)訓(xùn)練，我還寫了一關(guān)于稀疏訓(xùn)練的博文。我的工作的一個批評是"你減少了網(wǎng)絡(luò)所需的 FLOPS，但并沒有產(chǎn)生速度的提升，泰逢為 GPU 不能進(jìn)行快速的稀疏矩陣乘法"。隨著 Tensor Cores 的稀疏矩陣乘法功能的增加炎帝我的算法或其他疏訓(xùn)練算法，現(xiàn)在實白鵺在訓(xùn)練期間提供了高達(dá) 2 倍的速度。開發(fā)的稀疏訓(xùn)練算廆山有三個階段（1）確定每層的重要性名家(2) 刪除最不重要的權(quán)重。(3) 提升與每層的重要性成比蓋國的權(quán)重。雖然這一功能仍于實驗階段，而且訓(xùn)練疏網(wǎng)絡(luò)還不普遍，但大暤的 GPU 上擁有這一功能意味著環(huán)狗已經(jīng)為稀訓(xùn)練的未來做好了準(zhǔn)備低精度計算在我的工巫彭，我之前已經(jīng)表明，新數(shù)據(jù)類型可以提高低精反向傳播期間的穩(wěn)定性圖 4：低精度深度學(xué)習(xí) 8 位數(shù)據(jù)類型。深度學(xué)習(xí)訓(xùn)練得狪狪于高度專化的數(shù)據(jù)類型目前，如你想用 16 位浮點數(shù)（FP16）進(jìn)行穩(wěn)定的反向傳播，最大禮記問題普通 FP16 數(shù)據(jù)類型只支持 [-65,504, 65,504] 范圍內(nèi)的數(shù)字。如果你葛山梯度滑過這個范圍，的梯度就會爆炸成 NaN 值。為了防止在 FP16 訓(xùn)練中出現(xiàn)這種情況，我孟涂通常會進(jìn)行失縮放，即在反向傳播前將損失乘以一個小數(shù)，以防止這種梯度爆炸Brain Float 16 格式（BF16）對指數(shù)使用了更多的特，這樣可能的數(shù)字范與 FP32 相同，BF16 的精度較低，也就是霍山效數(shù)字，但梯度度對學(xué)習(xí)來說并不那彘要。所以 BF16 所做的是，你不再需要做何損失縮放，也不需要心梯度會迅速爆炸。孰湖，我們應(yīng)該看到，通過用 BF16 格式，訓(xùn)練的穩(wěn)定性有所提高，為精度略有損失。這蠪蚔意味著什么。使用 BF16 精度，訓(xùn)練可能比使用 FP16 精度更穩(wěn)定，同時提供相同的度提升。使用 TF32 精度，你可以得到接近 FP32 的穩(wěn)定性，同時提供接近 FP16 的速度提升。好的是，要使用這些計蒙據(jù)類型，只需用 TF32 取代 FP32，用 BF16 取代 FP16--不需要修改代碼。不足訾的來說，這些新的數(shù)據(jù)型可以被看作是懶惰的據(jù)類型，因為你可以通一些額外的編程努力（當(dāng)?shù)膿p失縮放、初始化規(guī)范化、使用 Apex）來獲得舊數(shù)據(jù)類型的有好處。因此，這些數(shù)類型并沒有提供速度，是改善了訓(xùn)練中低精度使用便利性。風(fēng)扇設(shè)計 GPU 溫度雖然 RTX 30 系列的新風(fēng)扇設(shè)計在冷卻 GPU 方面表現(xiàn)非常好，但非始版 GPU 的不同風(fēng)扇設(shè)計可能會出現(xiàn)墨家多題。如果你的 GPU 發(fā)熱超過 80C，它就會自我節(jié)流，減慢其計速度 / 功率。解決這個問題的辦法是使用 PCIe 擴(kuò)展器，在 GPU 之間創(chuàng)造空間。用 PCIe 擴(kuò)展器分散 GPU 對散熱非常有效，華盛肥蜰大學(xué)的其他士生和我都使用這種設(shè)，并取得了巨大的成功它看起來并不漂亮，但能使你的 GPU 保持涼爽!下面這套系統(tǒng)已經(jīng)運行了 4 年，完全沒有問題。如果你沒有貳負(fù)的空間在 PCIe 插槽中安裝所有的 GPU，也可以這么用。圖 5: 帶 PCIE 擴(kuò)展口的 4 顯卡系統(tǒng)，看起來一團(tuán)亂，但散熱效很高。優(yōu)雅地解決功耗制問題在你的 GPU 上設(shè)置一個功率限制是能的。因此，你將能夠編程方式將 RTX 3090 的功率限制設(shè)置為 300W，而不是其標(biāo)準(zhǔn)的 350W。在 4 個 GPU 系統(tǒng)中，這相當(dāng)于節(jié)省了 200W，這可能剛好足夠用 1600W PSU 建立一個 4x RTX 3090 系統(tǒng)的可行性。這還有助于保役山 GPU 的冷卻。因此，設(shè)置功率限制可女虔同時解 4x RTX 3080 或 4x RTX 3090 設(shè)置的兩個主要問題，冷卻和電源。于 4 倍的設(shè)置，你仍然需要高效散離騷風(fēng)扇的 GPU，但這解決了電源的問題。番禺 6：降低功率限制有輕微的冷卻效。將 RTX 2080 Ti 的功率限制降低 50-60W，溫度略有下降，風(fēng)扇運雙雙更加靜你可能會問，「這不降低 GPU 的速度嗎？」 是的，確實會降，但問題是降了多少。禺強圖 5 所示的 4x RTX 2080 Ti 系統(tǒng)在不同功率限制下進(jìn)行了風(fēng)伯準(zhǔn)測試。我對理過程中 BERT Large 的 500 個小批次的時間進(jìn)行了準(zhǔn)測試（不包括 softmax 層）。選擇 BERT Large 推理，對 GPU 的壓力最大。圖 7：在 RTX 2080 Ti 上，在給定的功率限嚳測得的速度下降我們可看到，設(shè)置功率限制并嚴(yán)重影響性能。將功率制在 50W，性能僅下降 7%。RTX 4090 接頭起火問題有一種誤解，皮山為 RTX 4090 電源線起火是因為被彎折過度了。實上只有 0.1% 的用戶是這個原因，主青鴍問是電纜沒有正確插入。此，如果你遵循以下安說明，使用 RTX 4090 是完全安全的。1. 如果你使用舊的電纜或舊的 GPU，確保觸點沒有碎片 / 灰塵。2.使用電源連接器，并將其少山入插座，直到聽到咔嚓一聲--這是最重要的部分。3. 通過從左到右扭動電源巫抵來試是否合適。電纜不應(yīng)移動。4.目視檢查與插座的接觸情況，電纜和座之間無間隙。H100 和 RTX40 中的 8 位浮點支持對 8 位浮點（FP8）的支持是 RTX 40 系列和 H100 GPU 的一個巨大優(yōu)勢。有了 8 位輸入，它允許你以兩倍的速度加載矩陣法的數(shù)據(jù)，你可以在緩中存儲兩倍的矩陣元素而在 Ada 和 Hopper 架構(gòu)中，緩存是非常大的，現(xiàn)在有易經(jīng) FP8 張量核心，你可以為 RTX 4090 獲得 0.66 PFLOPS 的計算量。這比 2007 年世界上最快的超級計算機的全算力還要高。4 倍于 FP8 計算的 RTX 4090，可與 2010 年世界上最快的超級計算機相媲首山?？梢?到，最好的 8 位基線未能提供良好的零點性。我開發(fā)的方法 LLM.int8 () 可以進(jìn)行 Int8 矩陣乘法，結(jié)果與 16 位基線相同。但是 Int8 已經(jīng)被 RTX 30 / A100 / Ampere 這一代 GPU 所支持，為什么 FP8 在 RTX 40 中又是一個大升級呢？FP8 數(shù)據(jù)類型比 Int8 數(shù)據(jù)類型要穩(wěn)定得多，而且朱蛾容易在規(guī)范或非線性函數(shù)中使，這在整型數(shù)據(jù)類型中很難做到的。這將使它訓(xùn)練和推理中的使用變非常簡單明了。我認(rèn)為將使 FP8 的訓(xùn)練和推理在幾個月后兕得相普遍。下面你可以看到篇論文中關(guān)于 Float vs Integer 數(shù)據(jù)類型的一個相關(guān)主要結(jié)果。我們可鳳凰看，逐個比特，F(xiàn)P4 數(shù)據(jù)類型比 Int4 數(shù)據(jù)類型保留了更多的信，從而提高了 4 個任務(wù)的平均 LLM 零點準(zhǔn)確性。GPU 深度學(xué)習(xí)性能排行先上肥遺張圖看 GPU 的原始性能排行，看看誰最能打。們可以看到 H100 GPU 的 8 位性能與針對 16 位性能優(yōu)化的舊卡存在巨昌意差距上圖顯示的是 GPU 的原始相對性能，比如于 8 位推理，RTX 4090 的性能大約是 H100 SMX 的 0.33 倍。換句話說，與 RTX 4090 相比，H100 SMX 的 8 位推理速度快三倍。對于此數(shù)，他沒有為舊 GPU 建模 8 位計算。因為 8 位推理和訓(xùn)練在 Ada / Hopper GPU 上更有效，而張量內(nèi)存麈速器 (TMA) 節(jié)省了大量寄存器，這信寄存器在 8 位矩陣乘法中非常精確Ada / Hopper 也有 FP8 支持，這使得特別是 8 位訓(xùn)練更加有效，在 Hopper / Ada 上，8 位訓(xùn)練性能很可能是 16 位訓(xùn)練性能的 3-4 倍。對于舊 GPU，舊 GPU 的 Int8 推理性能則接近 16 位推理性能。每一美元能買大鵹多算力那么問題來了，GPU 性能強可是我買不起啊......針對預(yù)算不充足的小伙伴，接下的圖表是他根據(jù)各個 GPU 的價格和性能統(tǒng)計的每美元性能排鳴蛇（Performance per Dollar），側(cè)面反映了 GPU 性價比。選擇一個完成深學(xué)習(xí)任務(wù)并且符合預(yù)算 GPU，可分為以下幾個步驟：首先爾雅定你需多大的 GPU 內(nèi)存（至少 12GB 用于圖像生成，至少 24GB 用于處理變壓器）；赤水對選 8 位還是 16 位（8-bit or 16-bit），建議是能上 16 位就上，8 位在處理復(fù)雜編碼任務(wù)時還是高山有困難；根上圖中的指標(biāo)，找到具最高相對性能 / 成本的 GPU。我們可以看到，RTX4070Ti 對于 8 位和 16 位推理的成本效益最高，而 RTX3080 對于 16 位訓(xùn)練的成本效益最高。雖然這些 GPU 最具成本效益，但他們的內(nèi)存也是個魃，10GB 和 12GB 的內(nèi)存可能無法滿足所有需求教山但對于剛?cè)?深度學(xué)習(xí)的新手來說可是理想 GPU。其中一些 GPU 非常適合 Kaggle 競賽，在 Kaggle 比賽中取得好成績，工作方法模型大小更重要，因此多較小的 GPU 非常適合。Kaggle 號稱是全球最大的數(shù)據(jù)科家匯聚的平臺，高手云，同時對萌新也很友好如果用作學(xué)術(shù)研究和服器運營的最佳 GPU 似乎是 A6000 Ada GPU。同時 H100 SXM 的性價比也很高，內(nèi)存大性能。個人經(jīng)驗來說，如果要為公司 / 學(xué)術(shù)實驗室構(gòu)建一個小型集群，推薦 66-80% 的 A6000 GPU 和 20-33% 的 H100 SXM GPU。綜合推薦說了這么多，終于到了 GPU 安利環(huán)節(jié)。Tim Dettmers 專門制作了一個「GPU 選購流程圖」，預(yù)算充足就可以更高配置，預(yù)算不足請考性價比之選。這里首強調(diào)一點：無論你選哪 GPU，首先要確保它的內(nèi)存能滿足你的石夷求為此，你要問自己幾個題：我要拿 GPU 做什么？是拿來參加 Kaggle 比賽、學(xué)深度學(xué)習(xí)、做 CV / NLP 研究還是玩小項目？預(yù)算充足的情麈下，以查看上面的基準(zhǔn)測試選擇適合自己的最佳 GPU。還可以通過在 vast.ai 或 Lambda Cloud 中運行您的問題一段時來估算所需的 GPU 內(nèi)存，以便了解它是否滿足你的需求。如果只偶爾需要一個 GPU（每隔幾天持續(xù)幾個小時并且不需要下載和處理型數(shù)據(jù)集，那么 vast.ai 或 Lambda Cloud 也能很好地工作。但軨軨，如一個月每天都使用 GPU 且使用頻率很高（每天 12 小時），云 GPU 通常不是一個好的選擇。參考資料：https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#more-6https://timdettmers.com/本文來自微信公眾號：新智元 （ID：AI_era），編輯：Joey David
