《深入理解 eBPF 与可观测性》正式上架,龙蜥多位资深专家倾力打造

简介: 业内收本系统穿透性Linux内核观测技术指南。

编者按:在当今云原生、人工智能和大模型迅猛发展的时代,理解和优化操作系统性能变得尤为重要。龙蜥社区多位资深专家历时两年,联袂打造业内首本系统性穿透 Linux 内核观测技术指南-《深入理解 eBPF 与可观测性》(以下简称为“本书”)。它不仅深入剖析了 eBPF 的底层原理和开发框架,结合了网络、内存、I/O、调度等六大领域,提供了原理和代码级的深度解析,包含了丰富的生产级实践代码,助力读者快速掌握 eBPF 技术,应用于网络流量分析、故障排查、性能调优等实际场景。无论是内核开发者、运维工程师、eBPF 技术爱好者,还是可观测领域、操作系统领域专家,这本书都将成为您洞悉 Linux 系统的必备武器。


本书亮点

为专业开发者量身定制

本书专为从事可观测系统、云原生应用系统及操作系统、网络及安全领域开发的用户打造。我们将深入探讨 eBPF 的底层工作原理,详细介绍 Linux 各个子系统的关键技术和数据结构。结合 eBPF 技术,本书将帮助你解决系统运维中遇到的性能瓶颈和故障定位等问题,并提供丰富的实战案例。

满足现代开发需求

许多开发者使用 Java、Go 等高级语言构建上层应用,但往往忽略了底层系统的重要性。面对 CPU 性能瓶颈等问题时,常常感到无从下手。本书假定你已初步了解 eBPF,但希望通过深入学习,不仅明白“怎么做”,更能理解“为什么”。本书将帮助你在开发可观测性系统时,更好地定位和解决内核层面的问题。

深入内核,掌握核心技术

本书不仅深入探讨 eBPF 的指令架构和开发方式,还将结合操作系统领域的网络、I/O、内存和调度子系统进行实践。你不仅能深入了解操作系统内核的数据结构,还能通过 eBPF 掌握解析内核状态和行为的方法,特别是复杂的定位和性能分析技巧。

理论与实践相结合

本书不仅介绍 eBPF 的底层原理,还提供了大量实际项目应用的例子。从内核层面出发,详细讲解了 Linux 四大子系统及其在应用层和安全领域的使用。这是一本难得的既能让你理解内核,又能教会你如何分析内核的深度之作。

助力现代技术应用

本书旨在深入探讨 eBPF 在云计算、大数据和人工智能等新兴领域的实际应用。通过 eBPF,你无须修改内核代码即可实时捕获内核事件、网络流量和性能数据,甚至实现复杂的安全策略。这使得 eBPF 成为开发人员、系统管理员和安全工程师不可或缺的利器。

结合实际案例,提升系统效能

在探索 eBPF 时,我们将不仅限于技术层面的介绍,还会结合实际案例展示如何利用 eBPF 监测和优化 Linux 内核的性能,进而支持大模型的高效运作。随着模型规模的不断扩大,底层系统的良好运作成为实现高效人工智能的基础。

勘误和支持

因写作时间有限,作者难免存在技术认知不足或者些许疏忽,如果读者在阅读过程中发现一些疏漏,或者遇到难以理解的知识点,可以发电子邮件到 maowawilliam@gmail.com 联系我们。当然您也可以扫描海报末二维码加入“龙蜥社区钉钉群”或“ eBPF 技术钉钉群”,一起探讨分享您的前沿洞见。



附本书购买链接:

京东:https://item.jd.com/10140679126360.html


活动:

欢迎大家扫描上方海报二维码,加入龙蜥钉钉社群,或添加社区助理-龙蜥社区小龙(微信号:openanolis_assis),备注“进群”,可在龙蜥社群获取抽奖链接,即可参与免费抽取《深入理解 eBPF 与可观测性》新书的活动,共有 8 个幸运名额等你来拿!本次活动时间为 3 月 25 日至 3 月 28 日 18:00,届时自动开奖,欢迎大家进群参与本次抽奖哦。


—— 完 ——

相关文章
|
算法 数据处理 C++
【C++ 20 新特性 算法和迭代器库的扩展和泛化 Ranges】深入浅出C++ Ranges库 (Exploring the C++ Ranges Library)
【C++ 20 新特性 算法和迭代器库的扩展和泛化 Ranges】深入浅出C++ Ranges库 (Exploring the C++ Ranges Library)
1985 1
|
11月前
|
存储 运维 监控
云原生NPM与传统NPM的差异
本文对比传统NPM与云原生NPM在部署、流量采集、资源影响等方面的差异,聚焦Packet处理,分析二者优劣。随着eBPF等新技术应用,云原生NPM正加速发展,助力高效网络监控与故障定位。
|
存储 人工智能 运维
阿里云联合信通院发布《面向LLM应用的可观测性能力要求》
随着大模型技术的广泛应用,大语言模型(LLM)在对话系统、检索增强生成(RAG)、智能体(Agent)等场景中展现出无限的想象力与创造力。同时,基于 LLM 以及 AI 生态技术栈构建的应用以及业务场景也如雨后春笋般不断涌现。然而,LLM 应用在生产落地过程中面临着模型不确定性大、架构链路复杂、用户体验难以评估等诸多痛点。如何构建 LLM 应用的全链路可观测性体系以及如何评估可观测性能力是否完善,业界缺乏统一且完整细致的标准。
|
前端开发 JavaScript 关系型数据库
如何开发一个ERP系统:从零开始构建
【9月更文第4天】企业资源计划(ERP)系统是现代企业管理不可或缺的一部分,它集成了公司的关键业务流程,并提供了统一的数据管理平台。本文将探讨如何从零开始构建一个简单的ERP系统,并提供一些基本的代码示例来演示关键组件的开发过程。
2674 3
|
存储 机器学习/深度学习 人工智能
告别OOM!这款开源神器,如何为你精准预测AI模型显存?
在 AI 开发中,CUDA 显存不足常导致训练失败与资源浪费。Cloud Studio 推荐一款开源工具——AI 显存计算器,可精准预估模型训练与推理所需的显存,支持主流模型结构与优化器,助力开发者高效利用 GPU 资源。项目地址:github.com/st-lzh/vram-wuhrai
|
XML 人工智能 文字识别
Mobile-Agent:通过视觉感知实现自动化手机操作,支持多应用跨平台
Mobile-Agent 是一款基于多模态大语言模型的智能代理,能够通过视觉感知自主完成复杂的移动设备操作任务,支持跨应用操作和纯视觉解决方案。
7705 10
Mobile-Agent:通过视觉感知实现自动化手机操作,支持多应用跨平台
|
数据采集 人工智能 监控
从 Agent 到模型推理:端到端的可观测性实践
本文探讨了AI领域的最新发展趋势及应用挑战,详细分析了模型、框架与应用场景的进展,并针对如何用好AI、节省资源与确保合规提出了见解。同时,文章深入剖析了AI应用的典型架构,强调实现端到端可观测性的关键步骤,包括全链路追踪与数据平台构建。此外,还介绍了阿里云提供的全栈可观测解决方案,以及Tracing技术的具体实现细节。通过对关键性能指标(如TTFT和TPOT)的监控,优化数据采集与探针性能,解决了Dify等平台的实际问题。最后,阐述了模型质量评估与Token黑洞监控的重要性,并展示了阿里云监控平台的统一观测能力,助力用户全面掌握AI应用表现。
|
网络安全 Windows
查看SSH配置文件
查看SSH配置文件
2614 1

热门文章

最新文章