#Ubuntu16.04LTS

[sololinuxes]

Instalar Ganglia Monitoring Server en Ubuntu

Instalar Ganglia Monitoring Server en Ubuntu. Ganglia, es un sistema de monitoreo para sistemas y redes de alto rendimiento. Creado en 2002 bajo licencia BSD por la Universidad de Berkeley, es la base de muchos de los sistemas de monitorización que todos conocemos. Ganglia utiliza estructuras de datos y algoritmos especialmente diseñados para lograr un consumo mínimo del sistema, independientemente de los datos masivos a recolectar. Dado su carácter poderoso y robusto, actualmente se usa en miles de clusters de todo el mundo, también se admite en la mayoría de sistemas basados en Unix, y varias arquitecturas. En este articulo veremos como instalar y configurar un servidor Ganglia (especifico), para monitorizar varios servidores, vps o clusters.  

Instalar Ganglia Monitoring Server en Ubuntu

Nosotros instalamos Ganglia Monitoring en Ubuntu 18.04 LTS, pero también es valido para otros sistemas similares. Comenzamos. Instalar Apache Instalamos el servidor Apache. sudo apt update sudo apt install apache2 Iniciamos y habilitamos Apache con el inicio del sistema. sudo systemctl start apache2.service sudo systemctl enable apache2.service Ya tenemos Apache instalado y corriendo en nuestro servidor.   Instalar PHP 7.2 La versión 7.2 de php viene de manera predeterminada en los repositorios de Ubuntu 18.04 LTS, si instalas Ganglia en otras versiones como por ejemplo Ubuntu 16.04 LTS debes agregar el siguiente repositorio (si no es tu caso, omite). sudo apt-get install software-properties-common sudo add-apt-repository ppa:ondrej/php Actualizamos e instalamos PHP 7.2 con los módulos necesarios para el correcto funcionamiento de Ganglia. sudo apt update sudo apt install php7.2 libapache2-mod-php7.2 php7.2-common php7.2-gmp php7.2-curl php7.2-intl php7.2-mbstring php7.2-xmlrpc php7.2-mysql php7.2-gd php7.2-xml php7.2-cli php7.2-zip Ahora vamos a configurar php.ini. sudo nano /etc/php/7.2/apache2/php.ini La configuración que te propongo es correcta para Glanglia, aun así, puedes modificarla dependiendo de tus necesidades. file_uploads = On allow_url_fopen = On short_open_tag = On memory_limit = 256M upload_max_filesize = 100M max_execution_time = 360 max_input_vars = 1500 date.timezone = Europe/Madrid Reiniciamos Apache. sudo systemctl restart apache2.service La instalación de php a terminado, vamos a instalar el monitoring server.   Instalamos la herramienta Ganglia Nuestro servidor web ya está en marcha, continuamos con la instalación de Ganglia desde los repositorios oficiales predeterminados. sudo apt update sudo apt install ganglia-monitor rrdtool gmetad ganglia-webfrontend Una vez termine la instalación, iniciamos y habilitamos la herramienta para que arranque con el sistema. sudo systemctl start ganglia-monitor.service sudo systemctl enable ganglia-monitor.service Puedes verificar que se instalo correctamente y que está corriendo, con el comando... systemctl status ganglia-monitor.service ejemplo de salida valida... ● ganglia-monitor.service     Loaded: loaded (/etc/init.d/ganglia-monitor; generated)       Active: active (running) since Wed 2020-01-23 07:12:46 CST; 38s ago         Docs: man:systemd-sysv-generator(8)       Tasks: 2 (limit: 3927)    CGroup: /system.slice/ganglia-monitor.service                    └─20853 /usr/sbin/gmond --pid-file /var/run/gmond.pid Jan 23 07:12:46 ubuntu1804 systemd: Starting ganglia-monitor.service... Jan 23 07:12:46 ubuntu1804 ganglia-monitor: Starting Ganglia Monitor Daemon: gmond. Jan 23 07:12:46 ubuntu1804 systemd: Started ganglia-monitor.service. Perfecto... Ganglia ya funciona.   Configurar Ganglia El archivo de configuración predeterminado es "gmetad.conf", para que Glangios nos funcione bien debemos hacer algunas modificaciones. sudo nano /etc/ganglia/gmetad.conf Edita la ip de "my cluster". Esta IP debe ser del servidor que trabajara como nodo principal. # A list of machines which service the data source follows, in the # format ip:port, or name:port. If a port is not specified then 8649 # (the default gmond port) is assumed. # default: There is no default value # # data_source "my cluster" 10 localhost my.machine.edu:8649 1.2.3.5:8655 # data_source "my grid" 50 1.3.4.7:8655 grid.org:8651 grid-backup.org:8651 # data_source "another source" 1.3.4.7:8655 1.3.4.8 data_source "my cluster" 50 192.168.0.100:8655 Read the full article

[czp356]

Ubuntu16.04 LTS安装Qt Creator

开发需要，在 Linux下安装Qt Creator。我电脑装的是Ubuntu16.04LTS，其它的应该相同！ 1、Qt下载 关于Qt下载，比较机智的同学都回去官网直接download，但是步骤相当繁琐！大家可以打开下面的链接，里面有各版本Qt，操作简单，童叟无欺！ http://download.qt.io/archive/qt/ Linux最新版是5.9.1，大家根据需要下载x86或x64版本

2、安装 首先要cd进入软件安装包的目录，然后取得安装权限，进行图形化安装，如下：

root@jdu4e00u53f7:~# ls Desktop Downloads libEMQuantAPIx64.so libjson.so Linux_3 ServerList.json ServerList.json~ root@jdu4e00u53f7:~# cd Downloads/ root@jdu4e00u53f7:~/Downloads# ls qt-opensource-linux-x64-5.9.1.run root@jdu4e00u53f7:~/Downloads# chmod +x qt-opensource-linux-x64-5.9.1.run root@jdu4e00u53f7:~/Downloads#

3、安装过程几乎一路next，在选择时如果需要Assistant，想学习官方源码就select all就可以了。等待安装完成 4、Qt以C/C++为依托，用Python也可，先检查一下有没有gcc/g++编译器，没有的话动手安装，不多说了 5、如果系统没有自带openGL库时，在做带有3D效果的界面会报错，手动安装openGL

sudo apt-get install mesa-common-dev sudo apt-get install libglu1-mesa-dev -y

完成！ 运行官方示例程序如下： 

[how-to-wp]

カゴヤ・ジャパンから1時間340円～使える「Tesla GPUサーバー」提供開始のお知らせ - 時事通信

カゴヤ・ジャパンから1時間340円～使える「Tesla GPUサーバー」提供開始のお知らせ 時事通信 サーバー仕様 [CPU] E5-2637v4(3.5GHz)×2 8コア/16スレッド [メモリー] 128GB [ストレージ] SSD480×2(RAID1) [ネットワーク] 1Gb-T×4port&10Gb-T×2 [OS] Ubuntu16.04LTS（64bit） ▽「GPUサーバー」専用ページ http://ift.tt/2zdV0Bj 【株式会社カゴヤ・ジャパンの会社概要】 本社：〒604 ... and more »

http://ift.tt/2G9opwA

[coswata]

UnixBench: PentiumG3258 Ubuntu16.04LTS

======================================================================== BYTE UNIX Benchmarks (Version 5.1.3) System: ML110G6: GNU/Linux OS: GNU/Linux -- 4.10.0-38-generic -- #42~16.04.1-Ubuntu SMP Tue Oct 10 16:32:2 0 UTC 2017 Machine: x86_64 (x86_64) Language: en_US.utf8 (charmap="UTF-8", collate="UTF-8") CPU 0: Intel(R) Pentium(R) CPU G3258 @ 3.20GHz (6385.3 bogomips) Hyper-Threading, x86-64, MMX, Physical Address Ext, SYSENTER/SYSEXIT, SY SCALL/SYSRET, Intel virtualization CPU 1: Intel(R) Pentium(R) CPU G3258 @ 3.20GHz (6385.3 bogomips) Hyper-Threading, x86-64, MMX, Physical Address Ext, SYSENTER/SYSEXIT, SY SCALL/SYSRET, Intel virtualization 21:11:38 up 42 min, 2 users, load average: 0.39, 0.24, 0.10; runlevel 2017-11 -12 ------------------------------------------------------------------------ Benchmark Run: 日 11月 12 2017 21:11:38 - 21:39:52 2 CPUs in system; running 1 parallel copy of tests Dhrystone 2 using register variables 38698631.1 lps (10.0 s, 7 samples) Double-Precision Whetstone 4518.4 MWIPS (10.5 s, 7 samples) Execl Throughput 6907.6 lps (29.9 s, 2 samples) File Copy 1024 bufsize 2000 maxblocks 1197663.8 KBps (30.0 s, 2 samples) File Copy 256 bufsize 500 maxblocks 346498.5 KBps (30.0 s, 2 samples) File Copy 4096 bufsize 8000 maxblocks 2831766.0 KBps (30.0 s, 2 samples) Pipe Throughput 2431731.0 lps (10.0 s, 7 samples) Pipe-based Context Switching 442164.7 lps (10.0 s, 7 samples) Process Creation 17259.4 lps (30.0 s, 2 samples) Shell Scripts (1 concurrent) 12477.4 lpm (60.0 s, 2 samples) Shell Scripts (8 concurrent) 2426.7 lpm (60.0 s, 2 samples) System Call Overhead 4292286.1 lps (10.0 s, 7 samples) System Benchmarks Index Values BASELINE RESULT INDEX Dhrystone 2 using register variables 116700.0 38698631.1 3316.1 Double-Precision Whetstone 55.0 4518.4 821.5 Execl Throughput 43.0 6907.6 1606.4 File Copy 1024 bufsize 2000 maxblocks 3960.0 1197663.8 3024.4 File Copy 256 bufsize 500 maxblocks 1655.0 346498.5 2093.6 File Copy 4096 bufsize 8000 maxblocks 5800.0 2831766.0 4882.4 Pipe Throughput 12440.0 2431731.0 1954.8 Pipe-based Context Switching 4000.0 442164.7 1105.4 Process Creation 126.0 17259.4 1369.8 Shell Scripts (1 concurrent) 42.4 12477.4 2942.8 Shell Scripts (8 concurrent) 6.0 2426.7 4044.6 System Call Overhead 15000.0 4292286.1 2861.5 ======== System Benchmarks Index Score 2210.9 ------------------------------------------------------------------------ Benchmark Run: 日 11月 12 2017 21:39:52 - 22:08:08 2 CPUs in system; running 2 parallel copies of tests Dhrystone 2 using register variables 76967879.7 lps (10.0 s, 7 samples) Double-Precision Whetstone 9011.6 MWIPS (10.5 s, 7 samples) Execl Throughput 13011.8 lps (29.9 s, 2 samples) File Copy 1024 bufsize 2000 maxblocks 1516069.1 KBps (30.0 s, 2 samples) File Copy 256 bufsize 500 maxblocks 442759.5 KBps (30.0 s, 2 samples) File Copy 4096 bufsize 8000 maxblocks 4507390.6 KBps (30.0 s, 2 samples) Pipe Throughput 4858045.6 lps (10.0 s, 7 samples) Pipe-based Context Switching 878252.0 lps (10.0 s, 7 samples) Process Creation 26125.1 lps (30.0 s, 2 samples) Shell Scripts (1 concurrent) 17196.0 lpm (60.0 s, 2 samples) Shell Scripts (8 concurrent) 2728.9 lpm (60.0 s, 2 samples) System Call Overhead 6526172.4 lps (10.0 s, 7 samples) System Benchmarks Index Values BASELINE RESULT INDEX Dhrystone 2 using register variables 116700.0 76967879.7 6595.4 Double-Precision Whetstone 55.0 9011.6 1638.5 Execl Throughput 43.0 13011.8 3026.0 File Copy 1024 bufsize 2000 maxblocks 3960.0 1516069.1 3828.5 File Copy 256 bufsize 500 maxblocks 1655.0 442759.5 2675.3 File Copy 4096 bufsize 8000 maxblocks 5800.0 4507390.6 7771.4 Pipe Throughput 12440.0 4858045.6 3905.2 Pipe-based Context Switching 4000.0 878252.0 2195.6 Process Creation 126.0 26125.1 2073.4 Shell Scripts (1 concurrent) 42.4 17196.0 4055.7 Shell Scripts (8 concurrent) 6.0 2728.9 4548.2 System Call Overhead 15000.0 6526172.4 4350.8 ======== System Benchmarks Index Score 3527.6

[fuugetu]

SIM用サーバーを作り直します

サーバーが壊れてしまったけれど、めげてばかりいられないのでもういちどサーバーを作りなおすことにしました。

目標は出来る限り今までのサーバーの状態に戻すこと。

とりあえずOSを新しく取り替えたSSDにインストールし直しました。

Ubuntu16.04LTSです。いままではXbuntu14.04LTSだったのですが去年の4月にリリースされて5年間はこのまま使えるそうです。

行う作業

ファイアーウォールの設定　（UFW） SSHサーバーの導入 SSHクライアントの導入　（Linux版Putty） DDNSの設定　（Linux版DiCE）

OpenSimサーバーの導入

ストリーミングサーバーの導入　（Icecast2） ストリーミングフロントエンドの導入　（Wine＋Win版Foobar）

これに加えてOpenSimサーバー用に MySQLが使えるようにできたらなと・・・（きっと無理だとおもうけど）

あと、データーのバックアップが自動でできるようになったりラムディスクが使えるようにできたらもっといいんですけどね。

とりあえずは元の状態に戻せるように頑張ろう！

[kjunichi]

Python: Keras/TensorFlow で GPU のメモリを必要な分だけ確保する - CUBE SUGAR CONTAINER [はてなブックマーク]

Python: Keras/TensorFlow で GPU のメモリを必要な分だけ確保する - CUBE SUGAR CONTAINER

2017 - 06 - 07 Python: Keras/TensorFlow で GPU のメモリを必要な分だけ確保する DeepLearning Keras TensorFlow Ubuntu16.04LTS 機械学習 Keras のバックエンドに TensorFlow を使う場合、デフォルトでは一つのプロセスが GPU のメモリを全て使ってしまう。 今回は、その挙動を変更して使う分だけ確保さ...

kjw_junichi あとで試す, プログラミング

from kjw_junichiのブックマーク http://ift.tt/2sDeWYp