且看龙蜥社区如何联合浪潮信息向更高层次的操作系统智能化迈进？

该白皮书详细阐述了龙蜥社区在技术创新、生态建设等多方面的成果与规划。

面对多元算力优化与操作系统 AI 双向融合的技术趋势，浪潮信息如何联手龙蜥把握产业机遇，共同推动中国操作系统产业的可持续发展，向更高层次的操作系统智能化迈进？

阿里云在百万服务器运维领域的丰富经验打造。

参与即抽奖。

DeepSeek部署教程手把手教学。

本文介绍了在Anolis 8操作系统使用cryptsetup对磁盘进行分区、加密和挂载的过程。采用SM4加密算法。具体步骤包括：初始化加密卷、解锁加密分区、格式化并挂载设备。最后，展示了如何取消挂载并关闭加密卷以确保数据安全。整个过程确保了磁盘数据的安全性和隐私保护。

龙蜥社区祝大家新年快乐，巳巳如意。

使用操作系统智能助手OS Copilot，从文件中读取复杂任务并进行处理，助您高效运维。

Apache Spark是当前流行的开源数据处理引擎，Spark SQL为用户提供可靠的查询计算解决方案。近期，Gluten项目作为基于Apache Arrow的原生SQL引擎正式亮相，旨在增强Spark SQL计算性能。与此同时，多个向量化SQL引擎和更加活跃的开源社区也纷纷涌现。其中Velox项目尤为引人注目，它提供了向量化数据库加速库。本议题简要介绍了Gluten-Velox框架的概况和原理，同步Gluten-Velox社区在AArch64平台上的使能状态，并通过一个 Velox的优化案例，展示此Spark SQL向量化执行引擎框架在AArch64上的潜力。

SPE是Armv8.2引入一种性能剖析机制，可以提供更加细节的CPU运行时采样信息。本次分享主要介绍如何在倚天710平台上利用Arm SPE特性定位伪共享问题、分析内存访问、分析指令延时以及监控访存延时等功能。

在Arm成熟的软硬件生态支持下，Arm架构处理器走进数据中心。应用的跨平台迁移及处理器设计研发均依赖于处理器微体系结构的性能数据，准确、可靠的性能测量是性能工程的重要基础。本次演讲围绕性能测量，着重分享了两项工作。第一项工作是关于如何高效地复用硬件性能计数器进行可靠测量，此项工作主要针对现有工具在复用硬件性能计数器测量时存在的低效行为，通过研究Linux内核性能事件的调度机制，提出一种自适应的性能事件分组方法提高性能计数器的复用效率。第二项工作是关于Arm架构处理器实时内存带宽的通用测量方法，Arm架构的灵活性赋予了各硬件厂商定制处理器的能力。此项工作探索了Arm架构下实时内存带宽测量通用方案的可能性。

云计算服务的主营业务之一便是资源售卖，云厂商会采购不同平台、不同型号的服务器，通过池化技术整合机器资源，再将不同规格的资源弹性售卖给开发者。对开发者而言，是否能够在这众多的云服务器产品中选择出能运行目标程序最佳性能的产品，同时能够在此基础上进一步优化程序性能从而充分利用云资源的性能，是提升上云性价比的第一要务，而FrameScope可以协助用户快速应对上述场景。在应用性能评估中，事务执行延迟是重要指标之一，随着分布式架构的广泛应用，厂商可通过分布式链路跟踪技术（例如Dapper）将延迟瓶颈定位到单节点上（物理机、虚拟机、容器），然而深入分析单节点上复杂的事务延迟时，现有工具往往显得不足。针对以上问题，阿里云自研了一套工具，通过采集事务关键事件以及内核系统事件，重建事务执行过程、分析依赖关系、量化各影响因素对整体延迟的贡献占比，从而定位延迟瓶颈。

调用链 (Callchain) 是软硬件事件上下文信息之一，对性能优化和故障排具有非常重要的作用。如著名的火焰图 (Flamegraph) 就是对调用链信息汇总统计和可视化的结果。但是在调用链收集的过程中，工程师往往因为不了解底层的采集原理导致调用链收集不完整，采集开销不可控等问题。本议题核心介绍了在AArch64架构下调用链采集的原理，比较它们之间的不同和阐述适用场景。同时对Linux内核态和eBPF调用链采集做了一些简单介绍。

Arm作为最为普遍使用的架构，吸引了广大开发者的兴趣。最近阿里巴巴生态核心应用在Arm平台上部署后显示较大的性能差异，通过分析发现主要是CPU前端瓶颈，因此我们在JVM层面进行了针对性优化，提出的代码压缩、热代码集中分配等技术方案在落地后进一步完善性能，给后续更大规模的部署提供了信心；同时，Arm平台也拥有丰富的性能分析工具，比如CoreSight提供了指令流分析的能力，基于这些信息阿里云发现了JVM中编译阈值对profile采集准确性的影响，针对性调整后达到了更佳的性能效果。

随着大语言模型（LLM）的普及与应用，AI计算需求快速增长。许多LLM模型运行在基于GPU的硬件上，而随着Arm架构不仅在边缘设备，而且在数据中心领域也愈发流行，如何让RTP-LLM（实时推理框架）有效支持Arm CPU平台变得尤为重要。通过优化LLM在Arm平台的推理性能，可以进一步提升功耗效率和模型部署的灵活性。

为缓解用户对 AI 模型上云产生的隐私与合规问题，阿里云 Confidential AI（CAI）实现了一种覆盖模型数据生命周期的端到端通用框架，揭示了机密计算在 AI 系统安全方面的重要价值。未来，CAI 将利用远程证明体系提供基于软件供应链的可验证代码透明度，为用户提供独立验证 CAI 隐私和安全保证的能力。

CentOS 停止更新，企业和用户面临着系统安全和稳定性的双重挑战。而国内对于自主可控操作系统的需求日益增加，在此背景下，操作系统迁移已成为势在必行的选择。KOS 团队立足于国产化需求，提出了浪潮的操作系统迁移方案，并经过多个行业的实战落地，形成一套成熟方案，迁移技术自主可控，助力企业在数字化转型中稳步前行。

密码技术在操作系统合规性、安全性建设以及操作系统为密码技术带来的便捷性。

操作系统升级迭代过程中，如何保障不影响用户的业务系统，如何让“更新"对用户透明，又能持续增强系统的能力。本次 MeetUp 上，方德分享了他们的方案。

针对 OS 迁移升级，龙蜥社区及其理事长单位阿里云均推出了相应的一站式解决方案。通过迁移平台提供的操作系统迁移能力，覆盖操作系统迁移全流程，确保广大用户高效、有保障的升级到龙蜥/阿里云操作系统。

操作系统生态的发展离不开兼容性与创新的平衡，这是一项复杂的技术挑战。版本隔离、符号版本化等技术解决了版本迭代中的兼容性问题，保障新旧软件共存；通过同源异构和仿真执行，实现了多平台的统一性；通过兼容层和跨平台框架等技术实现了多系统融合，突破了操作系统之间的隔阂。这些技术的实现不仅依赖于工程能力，更需要面向未来的生态思维。兼容性是基础，创新是动力，平衡是关键。唯有技术与生态协同发展，才能构建稳定且充满活力的操作系统生态。