/lmp/test/prometheus/ 下的文件名比较奇怪

静态页面2 ：显示一条消息：“已成功开始提取数据”

（参考大师兄的仓库）

bpf generator需要生成一个python文件和一个c文件，所以需要制定一个代码规范，方便generator的生成，这个每种指标的代码都不一样，有些是统一的，有些是私有的。大家可以针对自己写过的bcc代码，提出自己的想法或者模板，近期需要确定下来。

lmp/test/grafana/hardirq && hardirq-1587457361065.json

#44 pr 提交了提取vfsstat5个指标的代码，这是目前提取指标里实现最简单的，先做一次尝试，由@X1ngx1ngzzZ 完成剩余的bpf generator的工作。

过程如下：
1、使用#18 pr的builder模式，完成现有的CBuilder接口，接口中方法可根据实际情况修改。
2、对接/api下handle.go中的execute协程，能够完成通路。
3、增加前端选项，vfsstat作为一个选项，包括5个指标(具体看代码)，后端注意修改ConfigMessage结构。
4、最终可以实现前端页面勾选vfsstat，后端进行提取，而不是调用静态bpf文件。

注：提交的pr与这个issue关联。

LMP架构优化

背景

lmp项目为用户提供将系统各项指标以dashboard的形式可视化的服务，涉及有业务应用层，数据库持久化层，内核提取指标层，业务应用层主要实现对用户浏览器传过来的请求进行解析和响应，如下图，用户可以请求查看runqlen指标，时间设置为几分钟，提交即可。

lmp后端收到请求，解析出参数，并开协程执行对应的插件，问题就在于这里执行插件的操作是：

func execute(filepath string, collectTime int, exitChan chan bool) {
    defer func() {
        if err := recover(); err != nil {
            zap.L().Error("error in execute routine, err:", zap.Error(err.(error)))
            fmt.Println("error in execute routine, err:", err)
        }
    }()

    cmd := exec.Command("sudo", "python3", filepath)
    cmd.SysProcAttr = &syscall.SysProcAttr{Setpgid: true}

    stdout, err := cmd.StdoutPipe()
    defer stdout.Close()
    go func() {
        scanner := bufio.NewScanner(stdout)
        for scanner.Scan() {
            line := scanner.Text()
            fmt.Println(line)
        }
    }()

    stderr, err := cmd.StderrPipe()
    defer stderr.Close()
    go func() {
        scanner := bufio.NewScanner(stderr)
        for scanner.Scan() {
            line := scanner.Text()
            fmt.Println(line)
        }
    }()

    err = cmd.Start()
    if err != nil {
        zap.L().Error("error in cmd.Start()", zap.Error(err))
        return
    }

    go func() {
        err = cmd.Wait()
        if err != nil {
            zap.L().Error("error in cmd.Wait()", zap.Error(err))
            return
        }
    }()

    ctx, cancel := context.WithTimeout(context.Background(), time.Duration(collectTime)*time.Second)
    defer cancel()

    for {
        select {
        case <-ctx.Done():
            syscall.Kill(-cmd.Process.Pid, syscall.SIGKILL)
            exitChan <- true
            return
        }
    }
}    

其中，exec.command函数是启动新的root进程执行插件的。

目前lmp模块设计

执行完以后还需要回收新创建进程的资源。在高并发的情况下，lmp项目必定不可用，因为创建进程的系统资源开销很重，创建进程过多资源不足时会导致lmp主进程奔溃。其次，就每个软件系统的设计目标而言：低耦合，高内聚，目前这个系统，功能集成了接收并解析请求，响应请求，开子进程执行插件，回收子进程，功能耦合性太高，可扩展性不强。

对于系统协程使用的个人观点：

协程的应用场景

协程的出现提高了对用户态的业务处理效率，我们有个计算任务，调用某个应用态函数，可以将这个业务扔给协程去处理，然后线程可以继续执行其他业务，能实现不阻塞这个计算任务这块而导致其他业务也停滞。在执行系统调用或者我们lmp项目的exec.command这种必须要开启进程的系统，使用协程基本上是没有发挥协程自身的优势。

解决方案

想过直接将lmp项目由go迁移成python项目，原框架功能设计可以不变，不过插件的形式应该改成线程执行bcc代码的形式。但是python多线程并没有goroutine的效率高，所以不用了。

如下图，简单明了地描述了新系统的架构设计构想：

待评估lmp模块设计

使用流程：

• lmp系统主要赋能：接收请求，响应请求，发送参数给pluginserver

• plugin server主要赋能：一个基于python语言实现的服务器，接收用户请求参数，定时执行bcc指标函数，持久化指标数据，定时清理数据库指标数据

优势分析

• 原来lmp项目功能耦合性过高的问题；
• lmp项目开协程主要处理业务逻辑，充分发挥了协程的优势，实现高并发；
• 避免了lmp开过多进程导致系统崩溃的隐患，plugin server可以部署到其他机器，对其他机器进行指标监控分析；
• plugin server执行bcc是交给线程执行，替换了原来插件执行，线程比进程更加轻量级，没有占用更多的系统资源；
• 对于GitHub上CI的效率会提升。

1. 架构介绍
2. 编译运行
3. 调测使用
4. 开发介绍

• Specify docker image tag explicitly (Which version we use for influxdb and grafana?)
• Document how to change configuration manually
• Create database if not exists rather than provide them as binary file in test folder

ping @LinkinPF

搭建gin框架，接收前端对127.0.0.1:9090/collectData的GET请求，并返回静态页面。

关于项目管理插件的方式欢迎大家在评论里给出方案~

问题1:plugins/db_writer/bufferImpl.py文件包引导问题，我使用相对路径也还是这个报错，只能将路径写死

问题2：plugins/db_writer/writerImpl.py未找到settings包

问题三：将虚拟机挂起再打开就会出现该错误，只能重启虚拟机解决

目前项目目录lmp/plugins下的api.py、dbmodules.py、lmp_influxdb.py三个文件是目前提供的api，但是目前并不完善，需要大家给出各种优化建议，在评论中给出即可，采用的建议单独做成任务卡。

该任务卡优先级最高，因为python层的API较为完善以后，才可以开始大量写BCC插件。

Traceback (most recent call last):
File "./plugins/oomkill.py", line 24, in
from db_modules import write2db
File "/home/ubuntu/lmp2/plugins/db_modules.py", line 7, in
from db_writer.writerImpl import writer_factory
File "/home/ubuntu/lmp2/plugins/db_writer/writerImpl.py", line 11, in
from settings.const import DatabaseType
ModuleNotFoundError: No module named 'settings'

1. 在index.html页面中目前是静态的内置了多个采集指标，每次新增指标需要动态维护页面，目前后端已经将指标存入数据库，前端需要通过接口获取后端的指标信息，做到动态展示。
2. 在index.html页面中，目前采用的是复选框罗列出现有的指标，用户选择进行下发，复选框可显示的信息量有限，需要将其修改为列表形式，列表形式可以展示更多的指标信息（如指标名称、介绍、状态等）。

目前所有的BCC插件中，关于influxdb的信息都是写死的字符串，这样不符合代码规范要求。

在项目目录lmp/plugins下的api.py、dbmodules.py、lmp_influxdb.py三个文件是目前提供的api，需要在这三个文件中增加python层读取yaml配置文件的功能，yaml配置文件位于lmp/config.yaml，需要读取的信息是：
user: "root"
password: "123456"
dbname: "lmp"
可以写成api函数，也可以保存为变量之后BCC中import，需要在评论中给出方案，之后粘贴代码的pr链接，并在Reviewers中@LinkinPF；

目前python部分存放在lmp/plugins下，直接将所有的文件保存在这了，没有做目录划分等工作。

现在需要完善python部分，当做一个python项目管理，划分API到单独的文件夹，插件到单独的文件夹；增加必要的其余文件。

完成后在评论中附加pr的链接，并在Reviewers中@LinkinPF；

README分为以下模块：

1. 项目简介
2. grafana结果展示（截屏）
3. 项目架构（目前还是单节点）
4. quickstart : 编译安装步骤
5. quickstart : 本地部署方法
6. quickstart : 云端部署方法
7. 卸载步骤
8. 给出doc/submit.md的链接
9. 感谢开源项目的支持

问题：在首页下发指令后报错。

asdfghjklertyui

lmp在物理机（实验室服务器）上安装的过程中遇到了一些问题：
1.在config.yaml中mysql的密码是123456，如果本机所安装mysql的密码不是123456，需要将config.yaml中的mysql密码改为自己的密码；
2.使用docker安装influxdb时，默认pull的镜像是最新的，但是运行readme中的docker run命令之后，在influxdb中并没有成功安装influxdb或者说influxdb是无法正常工作的。具体原因未知，但是将镜像版本降低之后这个问题就解决了，我使用的镜像版本是1.8：
相应的命令为：

sudo docker pull influxdb:1.8
 sudo docker run -d \
    -p 8083:8083 \
    -p 8086:8086 \
    --name influxdb \
    -v ${YOUR_PROJECT_PATH}/lmp/test/influxdb_config/default.conf:/etc/influxdb/influxdb.conf \
    -v ${YOUR_PROJECT_PATH}/lmp/test/influxdb_config/data:/var/lib/influxdb/data \
    -v ${YOUR_PROJECT_PATH}/lmp/test/influxdb_config/meta:/var/lib/influxdb/meta \
    -v ${YOUR_PROJECT_PATH}/lmp/test/influxdb_config/wal:/var/lib/influxdb/wal influxdb:1.8

目项目中留有存储插件信息的字段，但是并没有利用，每增加一个插件需要修改前后端代码；

增加mysql，项目启动后首先扫描所有插件并将每个插件信息存储到mysql，前端通过url访问插件信息，这样避免了增加插件修改前端代码，mysql中增加插件运行状态的字段，前端也可访问每个插件的运行状态。

需要在评论中给出方案，之后link pr，并在Reviewers中@LinkinPF；

运行lmp之后报错：
AttributeError: module 'yaml' has no attribute 'FullLoader'

原因：已存在pyyaml，且版本低于5.1

忽视错误升级：
sudo pip3 install --ignore-installed PyYAML

之后进入python检查pyyaml版本：

import yaml
yaml.version
'6.0'

bcc程序一般都有很多参数，在运行时可以根据需要指定，从而输出不同的结果，这些参数发改分为几类：

• 指定运行时间和输出间隔；
• 对输出结果分类：比如offcputime程序，指定-k输出内核进程的栈阻塞时间，-u输出用户进程的栈阻塞时间；
• 指定跟踪粒度：比如offcputime，默认追踪系统上所有进程的栈阻塞时间，-p则可以指定跟踪某一个进程；
• 等等...

在修改bcc程序时该如何处理这些参数，有如下解决方案：

1. 仅保留默认参数，这种方式不需要修改现有的后端代码；
2. 支持所有的三叔，这种方式首先需要修改前下发指标页面，后端可能也要做相应修改，数据展示页面则要根据对应的输出进行展示，这要求数据展示部分要非常灵活，因为不同的参数其输出结果可能不同，要做相应的处理；
3. 保留一部分，删除一部分，这种方式是一种折中，牺牲一部分工具的优势，缓解数据展示部分对灵活性的要求。

大家可以发表自己的看法，在接下来该指标的过程中做成一个标准，方便大家改指标。

项目后期分布式采用gRPC协议，感兴趣的同学可以提前学习。

文档或者代码输出，例如内部原理、用法简介、demo示例，api介绍等。

文档或者代码在TAPD中直接关联文档，方便大家查看

plugins中的文件进行梳理：把这个目录中的文件进行梳理归类
初步梳理：
common：公共库
cpu：
fs：
net：
。。。。

目前代码是一个标准的web脚手架，在考虑到项目未来的包容性，让更多同学的论文和功能能够加入到lmp项目中，决定增加go语言的命令行工具框架Cli；

这里对代码整体框架改动较大，需要增加较多代码，在评论区给出整体方案，并说明需要改动的go文件、增加的go文件，方便其余成员了解架构更新。

完成后在评论中附加pr的链接，并在Reviewers中@LinkinPF；

静态页面1 ：配置选项：调度延迟、运行队列长度、软中断时间、硬中断时间、（进程PID）的oncpu时间、采集数据的时长；设置一个名称是开始收集的按钮，需要点按开始收集按钮后，向后端发送配置选项的json格式数据。另外的信息：项目名称Linux microscope(LMP)。

（参考大师兄仓库）

目前lmp项目是一个传统的web项目，没有进行容器化改造，我们需要使用k8s对项目进行容器化。
改造优势：
部署安装简单，保证了测试环境与生产环境的强一致性
对分布式以及集群进行性能监测变得更加容易，并且更加灵活
极大程度节约机器的物理资源
启动迅速，并且可以实现更快的开发迭代
对齐云原生生态，可对接各个云原生项目

之前给大家描述的，目前的磁盘监控和网络监控的插件会触发死循环；

现在需要解决死循环的问题，即在BCC插件中写入数据库的时候，作出修改；

该任务卡目前是在评论中写上方案，不需要提交代码，最终的方案会转换成另一个任务卡；

实现接收127.0.0.1:9090/collectData的POST请求，接收到前端发送的json消息并解析，调用BPF generator

目前前端页面是用基本的Html + CSS实现的，比较简单，后期要实现复杂的功能比较困难，所以在这个基础上需要加上前端的框架，以便于更好的开发后期的功能。
目前主流的框架较多，如vue.js，react，angular等，建议使用vue.js框架，易于上手。
在vue.js基础之上Element实现了一套UI，提供了所有的界面组件，能够快速搭建一个风格统一美观的前端页面。
总结一下就是前端页面使用ElementUI去实现。

目前项目部署需要按照readme文件依次执行，基本的步骤都可以使用bash脚本实现自动化。

需要从代码clone到本地后，直接执行脚本，之后直接在bash中输入lmp即可执行。（需要将可执行文件安装到/usr/bin目录下）；

完成后在评论中附加pr的链接，并在Reviewers中@LinkinPF；

clone后make通过，运行程序，服务可以起起来，但是访问localhost:8080的时候一直404，直接访问其它URL也是一样的结果，不知道其他小伙伴们有这样的问题吗

关于plugin下的softirqs以及softirq_raise的问题讨论

实现下放 BPF code ，node成功提取数据并存放到influxdb中。（待细化）

Traceback (most recent call last):
File "huge.py", line 35, in
b.attach_kprobe(event="do_page_fault", fn_name="do_return")
File "/usr/lib/python3/dist-packages/bcc/init.py", line 803, in attach_kprobe
raise Exception("Failed to attach BPF program %s to kprobe %s" %
Exception: Failed to attach BPF program b'do_return' to kprobe b'do_page_fault'

目前核心路由//data/collect中，进入到logic层的DoCollect函数后，在logic层的DoCollect函数中会开启一些协程，每一个协程都会调用exec再产生一个系统线程。目前这些线程的PID号并没有存储，所以会导致一个bug，后台提取数据的过程中，如果突然kill掉lmp，那么这些线程会一直运行下去，只有使用ps -aux查看PID号后使用kill命令杀掉线程。现在需要改进这一点。

目前可以在两个地方修改，一个是go的web层，一个是每个BCC插件中设定提取的时间，到期结束；但是为了BCC插件开发的简化，并且想要达到在关闭lmp的同时无论如何要直接杀掉所有BCC线程的目的。决定在go的web层进行改进，该任务卡只需要将产生的线程的所有的PID号保存起来即可，不需要进一步处理。

该任务卡目前不是代码提交，先在评论中给出方案，例如使用共享切片管理，整体思路是...，这样做的原因是...，也可以使用其它类型的数据结构存储，要在评论区给出方案。

环境描述：
ubuntu 5.11.0-40

bug描述：
In file included from :1:
././include/linux/kconfig.h:7:10: fatal error: 'generated/autoconf.h' file not found
#include <generated/autoconf.h>
^~~~~~~~~~~~~~~~~~~~~~
1 error generated.
Traceback (most recent call last):
File "./plugins/vfsstat.py", line 36, in
b = BPF(text="""
File "/usr/lib/python3/dist-packages/bcc/init.py", line 347, in init
raise Exception("Failed to compile BPF module %s" % (src_file or ""))
Exception: Failed to compile BPF module
In file included from :1:

因为bug描述为缺少generated/autoconf.h，将同一个版本的ubuntu的generated/autoconf.h找来加到后面，出现新的bug：
In file included from :2:
In file included from /virtual/include/bcc/bpf.h:12:
In file included from include/linux/types.h:6:
In file included from include/uapi/linux/types.h:14:
In file included from ./include/uapi/linux/posix_types.h:5:
In file included from include/linux/stddef.h:5:
In file included from include/uapi/linux/stddef.h:2:
In file included from include/linux/compiler_types.h:80:
include/linux/compiler-clang.h:51:9: warning: 'HAVE_BUILTIN_BSWAP32' macro redefined [-Wmacro-redefined]
#define HAVE_BUILTIN_BSWAP32
^
:4:9: note: previous definition is here
#define HAVE_BUILTIN_BSWAP32 1

python依赖一直都是一个很蛋疼的问题，目前项目在python部分没有做依赖管理的事情。

增加python的依赖管理。
（周萌提出）第一种就是简单的requirement.txt 。规定好依赖格式类似于bcc==1.0.0
第二种用就是采用pipenv的方式管理。

完成后在评论中附加pr的链接，并在Reviewers中@LinkinPF；

目前统一使用python3作为python解释器
编码使用utf-8

#!/usr/bin/env python3
# -*- coding:utf-8 -*-

下发成功失败，组合为json返回

golang代码中增加log

bpf的部分中，python负责把提取到的内核数据写入influxdb，go部分负责管理database和measurements，bpf geneartor生成的python代码中应包含明确的measurement信息。python直接向该measurement写入数据。代码部分分为三个：
1、influxdb.py，该文件包含全局变量的定义、连接数据库等。
2、modules.py，该文件包含数据库方法，CRUD。
3、service.py，该文件包含数据结构定义。

目前插件中收集到性能数据后，会立即通过API将数据写入influxdb，这样不利于管理且会出现死循环问题；

现将提取数据和写入数据两个操作分开，所有插件以后只负责提取数据，写入数据交由另外的模块独立进行，依旧通过API传入数据至数据写入模块；

需要在评论中给出方案，之后link pr，并在Reviewers中@LinkinPF；

grafana连接influxdb时显示failed to fetch

（连接的用户名、密码为root、123456，与config.yaml中一致）

docker运行状态

目前项目采用influxdb数据库，虽然适用项目应用场景，但是分布式场景下influxdb并不开源，所以需要调研其它类型的数据库；

重点调研吴峰光老师采用的ES数据库，需要调研数据库基本信息，优势，和golang、python操作ES数据库的连接和CRUD的demo程序；

需要在评论中给出调研结果，之后将demo程序pr link到issue，并在Reviewers中@LinkinPF；

实现BPF generator，当前只需封装成空方法，产生的BPF code存放到一个特定位置。（待细化）