针对ARM64嵌入式系统的Linux内核参数优化

2024-06-23 22:52

本文主要是介绍针对ARM64嵌入式系统的Linux内核参数优化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

      • 0. 概要
      • 1. 网络性能优化
        • 开启TCP连接重用
        • 减少TCP连接超时时间
      • 2. 文件系统和I/O优化
        • 提高文件描述符限制
      • 3. 内存管理优化
        • 提高内存可用性
      • 4. 内核调度优化
        • 调整CFS调度器的调度周期
      • 5. 完整配置文件

0. 概要

在ARM64架构的嵌入式系统中,系统性能和资源优化至关重要。这类系统通常在资源受限的环境下运行,如物联网设备、移动设备等。合理配置Linux内核参数可以显著提升系统响应速度和运行效率。本文探讨如何通过调整 /etc/sysctl.conf 文件中的参数,优化ARM64嵌入式系统的性能。

1. 网络性能优化

在网络通信频繁的嵌入式系统中,优化网络参数可以提升数据处理能力并减少延迟。

开启TCP连接重用
  • 参数net.ipv4.tcp_tw_reuse
  • 设置1
  • 效果:允许将处于TIME-WAIT状态的sockets重新用于新的TCP连接,减少TIME-WAIT状态的连接数量,适合高并发短连接应用。
减少TCP连接超时时间
  • 参数net.ipv4.tcp_fin_timeout
  • 设置30
  • 效果:加快TCP连接在FIN-WAIT状态的超时处理,快速回收和重新利用资源。

2. 文件系统和I/O优化

对于涉及大量文件操作的嵌入式系统,如数据记录设备或多媒体设备,优化文件系统和I/O参数可以提高性能。

提高文件描述符限制
  • 参数fs.file-max
  • 设置65536
  • 效果:增加系统可以同时打开的文件描述符最大值,支持更多并发文件操作,特别是在文件访问请求高的场合。

3. 内存管理优化

在内存资源有限的嵌入式系统中,高效的内存管理至关重要。

提高内存可用性
  • 参数vm.swappiness
  • 设置10
  • 效果:降低系统对交换空间的依赖,优先使用物理内存,提高系统的响应速度和运行效率。

4. 内核调度优化

对于需要高度实时性的嵌入式应用,如实时数据处理或机器人控制,内核调度优化是关键。

调整CFS调度器的调度周期
  • 参数kernel.sched_latency_ns
  • 设置10000000
  • 效果:增加调度延迟,减少调度频率,从而降低调度开销,提升实时性能。

5. 完整配置文件

# /etc/sysctl.conf# Enable TCP connection reuse
net.ipv4.tcp_tw_reuse = 1
# Allows reusing sockets in TIME-WAIT state for new connections, reducing TIME-WAIT connections, suitable for high-concurrency short connections.# Reduce TCP connection timeout
net.ipv4.tcp_fin_timeout = 30
# Accelerates the timeout handling of TCP connections in FIN-WAIT state, enabling faster resource recovery and reuse.# Increase file descriptor limit
fs.file-max = 65536
# Increases the maximum number of file descriptors that can be opened simultaneously, supporting more concurrent file operations, especially in high file access scenarios.# Decrease swappiness
vm.swappiness = 10
# Reduces the system's dependence on swap space, prioritizing the use of physical memory, thus improving system response speed and operational efficiency.# Adjust CFS scheduler latency
kernel.sched_latency_ns = 10000000
# Increases scheduling latency to reduce scheduling frequency, lowering scheduling overhead, and improving real-time performance.# Apply changes
# After modifying the /etc/sysctl.conf file, apply the changes with:
# sysctl -p
# This command makes the changes take effect immediately and permanently.

完成参数配置后,通过执行 sysctl -p 命令激活上述设置,使其永久生效。

这篇关于针对ARM64嵌入式系统的Linux内核参数优化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1088511

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

linux-基础知识3

打包和压缩 zip 安装zip软件包 yum -y install zip unzip 压缩打包命令: zip -q -r -d -u 压缩包文件名 目录和文件名列表 -q:不显示命令执行过程-r:递归处理,打包各级子目录和文件-u:把文件增加/替换到压缩包中-d:从压缩包中删除指定的文件 解压:unzip 压缩包名 打包文件 把压缩包从服务器下载到本地 把压缩包上传到服务器(zip

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设