博客
关于我
反馈问题需要收集哪些信息
阅读量:393 次
发布时间:2019-03-05

本文共 1483 字,大约阅读时间需要 4 分钟。

作者:瀚高PG实验室 (Highgo PG Lab)

目录

环境

文档用途

详细信息

环境

系统平台:Linux x86 Red Hat Enterprise Linux 6,Linux x86 SLES 10,Linux x86 SLES 11,Linux x86-64 Red Hat Enterprise Linux 7,Linux x86-64 Red Hat Enterprise Linux 6,Linux x86-64 SLES 11,Linux x86-64 SLES 12,中科方德(CPU兆芯),普华Linux(CPU龙芯),银河麒麟R系(CPU龙芯)4,银河麒麟U系(CPU飞腾)4,中标麒麟(CPU申威)7,中标麒麟(CPU海光)7,中标麒麟(CPU飞腾)6,中标麒麟(CPU龙芯)7,中标麒麟(CPU龙芯)6,中标麒麟(CPU飞腾)7,中标麒麟 (CPU x86-64) 6

版本:5.6.5,5.6.4,5.6.3,5.6.1,4.3.4.8,4.3.4.7,4.3.4.6,4.3.4.5,4.3.4.4,4.3.4.3,4.3.4.2,4.3.4,5.0.0_lite

文档用途

本文档适用于在瀚高数据库使用过程中,出现数据库运行及性能问题时,如何收集信息。

详细信息

1. 硬件信息

 

1.1  CPU信息

 

执行命令lscpu可以获得CPU的详细信息,执行结果如下

 

    [root@registry ~]# lscpu 

    Architecture:          x86_64

    CPU op-mode(s):        32-bit, 64-bit

    Byte Order:            Little Endian

    CPU(s):                4

    On-line CPU(s) list:   0-3

    Thread(s) per core:    1

    Core(s) per socket:    4

    Socket(s):             1

    NUMA node(s):          1

    Vendor ID:             GenuineIntel

    CPU family:            6

    Model:                 158

    Model name:            Intel(R) Core(TM) i7-9700K CPU @ 3.60GHz

    Stepping:              12

    CPU MHz:               3599.996

    BogoMIPS:              7199.99

    Hypervisor vendor:     KVM

    Virtualization type:   full

    L1d cache:             32K

    L1i cache:             32K

    L2 cache:              256K

    L3 cache:              12288K

    NUMA node0 CPU(s):     0-3

    Flags:                 fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush mmx fxsr sse sse2 ht syscall nx rdtscp lm constant_tsc rep_good nopl xtopology nonstop_tsc eagerfpu pni pclmulqdq ssse3 cx16 pcid sse4_1 sse4_2 x2apic movbe popcnt aes xsave avx rdrand hypervisor lahf_lm abm 3dnowprefetch fsgsbase avx2 invpcid rdseed clflushopt flush_l1d

    

1.2 内存信息

更多详细信息请登录【瀚高技术支持平台】查看 

转载地址:http://huowz.baihongyu.com/

你可能感兴趣的文章
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
nmap使用
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>