Merge pull request linuxkerneltravel#763 from albertxu216/develop

增加cpu_watcher可视化文档&& libbpf_sar文档

eBPF_Supermarket/CPU_Subsystem/cpu_watcher/docs/cpu_wacther_vis_guide.md

@@ -0,0 +1,168 @@
+# cpu_wacther的可视化
+
+## 1.配置环境
+
+在使用cpu_watcher可视化之前，请先配置docker、go的环境,具体配置方法可参考：
+
+### 1.1 docker
+
+先参考该链接进行docker-desktop的安装：
+
+* [在 Ubuntu 上安装 Docker Desktop |Docker 文档](https://docs.docker.com/desktop/install/ubuntu/#install-docker-desktop)
+
+在准备启动docker-desktop时，可能遇到打不开docker-desktop的情况，如下所示：
+
+![image1](image/image1.png)
+
+这是因为虚拟机暂时不支持虚拟化，可以先关闭虚拟机，重新编辑虚拟机设置，开启虚拟化引擎的两个选项，再开机配置kvm；
+
+* [在 Linux 上安装 Docker Desktop |Docker 文档](https://docs.docker.com/desktop/install/linux-install/)
+
+![image2](image/image2.png)
+
+### 1.2 go环境：
+
+本可视化功能对go的版本有要求，请安装go1.19+版本，具体安装流程可参考如下链接：
+
+* [go：快速升级Go版本，我几分钟就解决了_go 升级版本-CSDN博客](https://blog.csdn.net/m0_37482190/article/details/128673828)
+
+## 2.使用cpuwatcher 可视化
+
+* 首先先进入lmp目录下的lmp/eBPF_Supermarket/CPU_Subsystem/cpu_watcher文件夹
+
+	```BASH
+	cd lmp/eBPF_Supermarket/CPU_Subsystem/cpu_watcher
+	```
+
+	在该目录下 进行make编译
+
+	```bash
+	make -j 20	
+	```
+
+* 在lmp目录下的eBPF_Visualization/eBPF_prometheus文件夹下
+
+* 执行`make`指令，编译可视化的go语言工具
+
+	在执行make指令时，如果出现如下报错，是因为go包管理代理网址无法访问`proxy.golang.org`
+
+	```bash
+	go: golang.org/x/[email protected]: Get "https://proxy.golang.org/golang.org/x/exp/@v/v0.0.0-20190731235908-ec7cb31e5a56.mod": dial tcp 172.217.160.113:443: i/o timeout
+	```
+
+	只需要换一个国内能访问的2代理地址即可
+
+	```bash
+	go env -w GOPROXY=https://goproxy.cn
+	```
+
+* 执行`make start_service`指令，配置下载docker镜像并启动grafana和prometheus服务
+
+* 执行如下指令开始采集数据以及相关处理：
+
+	```bash
+	./data-visual collect /home/zhang/lmp/eBPF_Supermarket/CPU_Subsystem/cpu_watcher/cpu_watcher -s
+	```
+
+* 在网页打开网址：http://192.168.159.128:8090/metrics 此处为`localhost:8090/metrics`,便可以看到暴露在http网页中的数据；
+
+	![image3](image/image3.png)
+
+* 在网页打开网址：http://192.168.159.128:3000/ 即可进入grafana服务，使用初始密码登录（user:admin pswd: admin）进入管理界面：
+
+	- 点击【Home-Connection-Add new connection】，选择Prometheus，建立与Prometheus服务器的连接：
+
+		![image4](image/image4.png)
+
+		这个172.17.0.1表示docker0网桥的 IPv4 地址。在 Docker 中，通常会将docker0的第一个 IP 地址分配给Docker主机自身。因此，172.17.0.1是 Docker主机上Docker守护进程的 IP 地址，所以在Grafana数据源这块设置成[http://172.17.0.1:9090](http://172.17.0.1:9090/) ，然后点击下面的【Save & test】按钮
+
+- 进入可视化配置界面：
+
+	![image4.5](image/image4.5.png)
+	![image5](image/image5.png)
+
+- 在下方处进行如图所示的配置，点击Run queries即可以可视化的方式监控avg_delay字段的数据：
+
+	![image6](image/image6.png)
+
+## 3.cpu_watcher各子工具可视化输出
+
+本次可视化输出样例，是在对比系统正常运行和高负载运行时本工具的使用情况，使用stress加压工具对cpu进行持续5min的加压
+
+```bash
+stress --cpu 8 --timeout 300s
+```
+
+### 3.1 cpu_watcher -s
+
+**【irq Time】可视化输出结果**
+
+![image7](image/image7.png)
+
+**【softirq Time】可视化输出结果**
+
+![image8](image/image8.png)
+**【cswch】可视化输出结果**
+
+![image9](image/image9.png)
+**【proc】可视化输出结果**
+
+![image10](image/image10.png)
+
+**【Kthread】可视化输出结果**
+
+![image11](image/image11.png)
+
+**【idle】可视化输出结果**
+
+![image12](image/image12.png)
+
+**【sys】可视化输出结果**
+
+![image-20240411132742107](image/image-20240411132742107.png)
+
+**【sysc】可视化输出结果**
+
+![image-20240411132807253](image/image-20240411132807253.png)
+
+**【utime】可视化输出结果**
+
+![image-20240411132842070](image/image-20240411132842070.png)
+
+**【cpu处于不同状态对比图】可视化输出结果**
+
+![image-20240411132914396](image/image-20240411132914396.png)
+
+### 3.2 cpu_watcher -c
+
+**【cs_delay】可视化输出结果**
+
+![image-20240411133505763](image/image-20240411133505763.png)
+
+### 3.3 cpu_watcher -d
+
+**【schedule_delay】可视化输出结果**
+
+【max_delay】
+
+![image-20240411133841698](image/image-20240411133841698.png)
+
+【avg_delay】
+
+![image-20240411135159178](image/image-20240411135159178.png)
+
+【min_delay】
+
+![image-20240411135335523](image/image-20240411135335523.png)
+
+### 3.4 cpu_watcher -p
+
+**【preempt】可视化输出结果**
+
+![image-20240411142421440](image/image-20240411142421440.png)
+
+## 3.5 cpu_watcher -S
+
+**【syscall_delay】可视化输出结果**
+
+![image-20240411144331888](image/image-20240411144331888.png)

eBPF_Supermarket/CPU_Subsystem/cpu_watcher/docs/libbpf_sar.md

@@ -0,0 +1,81 @@
+# libbpf_sar功能介绍：
+
+libbpf_sar是cpu_watcher工具中的一个子工具，通过cpu_watcher -s使用；
+
+## 1.应用场景及意义
+
+libbpf_sar是一个基于eBPF的按照指定时间间隔（默认为1s）来统计特定事件发生次数和特定事件占用CPU时间的工具。使用它可以帮助您查看事件发生速率和CPU资源利用率，并提供CPU负载画像以剖析负载的来源及其占用比例。
+
+与传统工具相比，libbpf_sar可提供更为细致的指标，如：
+
+* 1.可把内核态时间剖析为内核线程执行时间sar和进程系统调用时间
+
+* 2.部分linux发行版可能由于内核编译选项确实而不能记录irq时间，本工具可以弥补这一缺陷，并且不需要对内核做出任何更改，可动态检测
+
+3.可附加到指定进程上，对该进程占用的CPU资源进行实时监测
+
+## 2.性能参数及观测意义
+
+在 Linux 中，与 CPU 相关的状态可以分为很多类，如用户态、系统调用、硬中断以及软中断等，同时还有一些内核线程执行的状态，如 kthread，idle 进程。 
+
+同时，也有一些对 CPU 相当重要的事件，如新进程创建，进程切换计数，运行队 列长度等，对这些细分事件进行准确的监测，有利于我们剖析出 CPU 负载根源， 并定位出性能瓶颈。 
+
+libbpf_sar主要是对 CPU 上的关键事件提供的具体信息参数与含义如表3-6所示：
+
+libbpf_sar 实例采集信息及含义
+
+| **性能指标** | **含义**                         |
+| ------------ | -------------------------------- |
+| Proc         | 新创建的进程数                   |
+| Cswch        | 进程切换计数                     |
+| runqlen      | 运行队列长度                     |
+| irqTime      | 硬中断时间                       |
+| Softirq      | 软中断时间                       |
+| Idle         | Idle 进程运行时间                |
+| Sysc         | 加上内核线程运行时间的系统态时间 |
+| Utime        | 用户态执行时间                   |
+| sys          | 系统调用执行时间                 |
+
+本实例采集到的信息将系统的 CPU 进行了精准分类，并且也统计了关键事件的触发频率，对于系统的性能分析有重要的意义
+
+## 3.输出格式：
+
+```bash
+  time    proc/s  cswch/s  irqTime/us  softirq/us  idle/ms  kthread/us  sysc/ms  utime/ms  sys/ms
+15:55:43       48     1389     1646       8866      6811      3243       688      717      691
+15:55:44       31     1089     1587       7375      6759      1868       659      707      660
+15:55:45       47     1613     1685       8885      6792      3268       796      828      799
+15:55:46        0     2133     5938       7797      7643      8106         8       20       17
+15:55:47        1     3182     5128      14279      6644      4883       314      363      319
+15:55:48        0     1815     1773      11329      6753      4286       282      313      287
+15:55:49       31     1249     1605       9859      6752      4442       545      585      549
+15:55:50       47     1601     1712      11348      6765      6249       210      242      216
+15:55:51        0     1238    10591      12709      6802     13896       238      262      252
+15:55:52        0     1145     1658      10000      6863      4593       308      333      313
+15:55:53        0     1317     1587       9090      6798      4699       383      414      387
+15:55:54       31     1254     1531       9570      6755      4252       381      414      385
+15:55:55       47     1547     1624      10985      6769      6516       344      373      350
+15:55:56        0     1064     2187       9892      6851      4585       189      212      194
+```
+
+* proc/s 列的数据表示 CPU 每秒新创建的进程数；
+* cswch/s 列的数据表示 CPU 每秒进程切换的数量；
+* runqlen 列的数据表示 CPU 运行队列的长度；
+* irqTime/us 列的数据表示 CPU 处理硬中断的时间，以 us 计时；
+* softirq/s 列的数据表示 CPU 每秒处理软中断的时间，以 us 计时；
+* idle/ms 列的数据表示 系统处于空闲态的时间；
+* kthread/us 列的数据表示系统中内核线程执行的时间； 
+
+* sysc/ms 表示系统中内核线程外加系统调用处理的总时间；
+* utime/ms 表示进程在用户态执行的总时间；
+* sys/ms 表示系统调用执行的总时间。 
+
+事件的统计方式是对每个CPU分开统计然后求和，因此有的项的占用时间可能超过1s。所有事件占用时间的和应当为1s * 总CPU核数。由于技术问题，输出的第一项可能偏差较大，可以不予理会。按Ctrl+C本程序将停止统计，并输出在程序运行的时间段内各表项的平均值按照2s的采样频率显示各事件的CPU占用率。数据是带颜色的，蓝色表示CPU占比小于30%，绿色表示占比大于30%小于60%，红色表示占比大于60%。
+
+
+
+## 4.数据可视化
+
+![image-20240411160509242](image/image-20240411160509242.png)
+![image-20240411170250839](image/image-20240411170250839.png)
+![image-20240411170311182](image/image-20240411170311182.png)