#1 增加第六次实验课内容

Closed
林以任 wants to merge 5 commits from xslu_dase_ecnu_edu_cn:master into master
  1. +171
    -0
      Assignment6.md
  2. +259
    -0
      Assignment7.md

+ 171
- 0
Assignment6.md View File

@ -0,0 +1,171 @@
# Assignment 6 指南
## `******注意,实验结束请立即删除负载均衡器和所有云主机,节省费用******`
## `******注意2,实验未结束且短期内不会继续实验,也请删除负载均衡器和所有云主机。下次实验时重新创建******`
## `******提示:勤用保存镜像******`
## 实验内容
- 创建负载均衡器: `实验步骤 一)`
- 创建Flask App服务实例,并连接负载均衡器:`实验步骤 二)`
- 进行服务器压力测试: `实验步骤 三)`
## 实验要求
- 完成所有步骤,并在实验报告([模板下载](file/assignment6/学号-实验六.docx))中完成穿插在本指南中的作业1~作业4)。实验报告上传至https://send2me.cn/pSb59vYk/RkOYSxHhtc4fig
- 实验报告上传deadline: `11月3日23:59`
## 使用UCloud产品
云主机UHost、负载均衡ULB、私有网络VPC、基础网络UNet
## 需要权限
云主机UHost、负载均衡ULB、基础网络UNet
## 基础知识
`负载均衡:` load balancing,是指将用户请求按照一定的规则,分流到提供相同服务的多个服务实例上,从而减轻单点服务器的压力,是保证服务高并发高可用的技术手段之一。用户、负载均衡器和服务器实例的关系可以简化为下图。这种架构的另一个好处是可以把服务器隐藏在局域网防火墙背后,因为外网直接访问的是负载均衡器。
<kbd>
<img src="img/assignment6/ass6-lb.jpeg">
</kbd>
负载均衡的算法有很多,常见的如轮询,ip地址哈希,最小连接数等,应对不同的需求,感兴趣的同学可以去了解一下。
`压力测试:` 测试一个系统的最大抗压能力,在强负载、高并发的情况下,测试系统所能承受的最大压力,预估系统的瓶颈。例如天猫双11之前,阿里内部会对整个淘宝平台进行全链路压测,预估应对峰值交易的能力。压力测试的工具有很多,今天我们练习使用非常简单的ApacheBench(ab)对http服务器进行压测。
好,废话少说,咱们书归正传!
## 实验步骤
### 一)使用ULB创建一个外网负载均衡器。
#### 1)在产品->网络中选择负载均衡ULB,然后点击创建负载均衡。
#### 2)根据下图配置,选择按时付费。因为我们一会需要从外网访问Flask App,所以选择外网负载均衡。后面涉及默认开放端口5000,请配置开放此端口的防火墙。
<kbd>
<img src="img/assignment6/ass6-createlb.png">
</kbd>
#### 3)创建完毕后,记住ULB的IP地址,点击详情->VServer管理->添加VServer。这里VServer就可以看成是一个负载均衡服务器,负责分流。取任意VServer名称,其他保持默认设置,点击确定。
<kbd>
<img src="img/assignment6/ip.png">
</kbd>
<kbd>
<img src="img/assignment6/ass6-vs.png">
</kbd>
#### 4)点击“服务节点”标签页,当前没有任何实际的节点提供服务。我们接下来创建一些服务节点。
### 二)使用云主机创建Flask App服务实例,并连接负载均衡器。
#### 1)创建一个1核1G的云主机,绑定弹性IP,选择web型防火墙,按时付费(已经很熟练了吧 :dog: :dog:)
#### 2)使用docker file创建一个Flask App的image(比如实验2中的hello world),并且暴露docker容器的5000端口(因为Flask开发模式默认端口就是5000)。创建完毕之后运行docker,将5000端口映射到云主机的80端口。
```
docker run -d --rm -p 80:5000 --name myflask luxuesong/myflaskapp
```
请同学们复习一下docker的安装和使用,以及通过dockerfile创建镜像。如果你意外保存了实验二的镜像,可以从镜像创建云主机,然后直接启动并docker run。
> 如果你在创建镜像的过程中遇到下图报错:
<kbd>
<img src="img/assignment6/error.png">
</kbd>
> 可尝试在命令`docker build`之前运行`DOCKER_BUILDKIT=0`,如下所示
```
DOCKER_BUILDKIT=0 docker build -t sll/myflaskapp .
```
#### 3)打开浏览器,输入 `http://你的云主机外网ip`,测试app是否正常运行。正常则进入下一步。
<kbd>
<img src="img/assignment6/ass6-llq.jpeg">
</kbd>
#### 4)将云主机连到负载均衡器。回到前面添加服务节点的界面,输入端口80,则所有可添加的节点都会出现(以内网ip形式)。将你的云主机对应的内网ip,转移到待添加节点,点击确定。这时候显示健康检查“失败”,不用管它,我们在浏览器中输入 `http://你的负载均衡器ip`,奇迹发生了!我们也能访问flask app!!并且这时候健康检查也变成“正常”。
<kbd>
<img src="img/assignment6/select_node.png">
</kbd>
<kbd>
<img src="img/assignment6/select2.png">
</kbd>
## `**************作业1:请将浏览器中通过负载均衡ip访问flask app的界面,以及负载均衡器中服务节点界面截图,并插入实验报告***************`
#### 5)此时负载均衡器只连接了一个服务实例,等同于单机访问。`为步骤三做准备,请在这一步制作当前云主机的镜像`。
### 三)使用ab进行http服务器压力测试
#### 1)使用步骤二)中制作的镜像,创建三个最低配置的云主机(`和之前一样,只是在云主机创建界面用“自制镜像”,并且不需要弹性ip,取消勾选“购买并绑定”`),可以选择三台主机一次性创建
<kbd>
<img src="img/assignment6/ass6-createuh.png">
</kbd>
<kbd>
<img src="img/assignment6/nei.png">
</kbd>
#### 2)创建完毕后,使用有外网ip的那台云主机,逐个ssh到三台内网机器上(通过内网ip),然后每台机器直接启动docker服务,并运行flask app容器(因为已经全都安装并且build好了 :smiley_cat: :smiley_cat: :smiley_cat:)
<kbd>
<img src="img/assignment6/ass6-intra.jpeg">
</kbd>
<kbd>
<img src="img/assignment6/ass6-intrassh.jpeg">
</kbd>
#### 3)现在让我们把这三个云主机连接到负载均衡器,并且从负载均衡器中删除刚才的具有外网ip的节点(接下来我们要用外网ip节点做压测)。首先我们禁用掉其中的两个节点,只保留一个节点在启用状态。如下图所示。
<kbd>
<img src="img/assignment6/ass6-3s.jpeg">
</kbd>
## `**************作业2:请将此时连接到负载均衡的服务节点(三个)截图,并插入实验报告***************`
#### 4)登录具有外网ip的云主机,安装ApacheBench
```
sudo yum -y install httpd
```
#### 5)运行压测命令。`-c`表示并发数,即同时发生的请求数,`-n`表示请求总数,`http://106.75.216.169/`替换成你的负载均衡器ip。所以这里对我们的flask app并发1000个请求,总共发出10000个请求。结果如下图所示。
```
ab -c 1000 -n 10000 http://106.75.216.169/
```
<kbd>
<img src="img/assignment6/ass6-ab.jpeg">
</kbd>
> 这里我们关注几个重要结果
> 1) Time taken for tests:压测总时间
> 2) Requests per second: 平均每秒处理请求数
> 3) Time per request: 平均每个请求处理时间
#### 6)接下来,请逐渐启用第2和第3个服务器节点,然后再运行上面的压测命令。
## `**************作业3:请将启用一个节点、两个节点、三个节点时的压测结果分别截图,并插入实验报告***************`
注意,由于有网络因素干扰,每个实验你可以多进行几次压测,得到比较正常的结果再截图。
## `**************作业4:假设现在压测结果显示单台机器的Requests per second为30,一天中的请求峰值时间是2个小时,峰值期间总共需要处理5千万个请求,请问需要至少准备多少台机器才可能平稳度过峰值请求?***************`

+ 259
- 0
Assignment7.md View File

@ -0,0 +1,259 @@
# Assignment 7 指南
## `******注意,实验结束请立即删除云主机、UFS文件存储,节省费用******`
## `******注意2,实验未结束且短期内不会继续实验,也请删除所有上述资源。下次实验时重新创建******`
## 实验内容
- 创建文件存储: `实验步骤 一)`
- 创建云主机,并挂载文件存储:`实验步骤 二)`
- 在水杉码园创建一个仓库,并下载至文件存储:`实验步骤 三)`
- 拉取python镜像,在容器内测试环境: `实验步骤 四)`
- 使用python容器训练识别MNIST手写数字的神经网络,并将所有内容同步到水杉码园:`实验步骤 五)`
## 实验要求
- 完成所有步骤,并在实验报告([模板下载](file/assignment7/学号-实验七.docx))中完成穿插在本指南中的作业1~作业5)。实验报告上传至https://send2me.cn/WHPPHFRE/S4-CtxqCKQ6qig
- 实验报告上传deadline: `11月10日23:59`
## 使用UCloud产品
云主机UHost、文件存储UFS、镜像库UHub、私有网络VPC、基础网络UNet
## 需要权限
云主机UHost、文件存储UFS、镜像库UHub、基础网络UNet
## 基础知识
`MNIST:` MNIST是一个手写数字数据库,包含60000个训练样本和10000个测试样本,是一个能够快速上手的、用于尝试机器学习和模式识别技术的数据集。
## 实验步骤
### 一)创建一个文件存储
#### 1)在产品->存储中选择“文件存储UFS”,然后点击创建文件系统。
#### 2)如下图,存储类型选择SSD性能型,100GB(新版本最低只能设置为500G),按时付费。
<kbd>
<img src="img/assignment7/ass7-createufs.png">
</kbd>
#### 3)创建完毕后,如下图所示在弹窗中点击确定设置挂载点,接着选择一个VPC网络,使得相应的子网是DefaultNetwork,点击确定。这样我们等一下在DefaultNetwork下面创建一个云主机,就能把这个文件存储挂载到云主机上。
<kbd>
<img src="img/assignment7/setGuazai.png">
</kbd>
<kbd>
<img src="img/assignment7/vpc.png">
</kbd>
#### 4)点击“管理挂载”,查看挂载信息,记住文件存储所在的ip地址,第二)步中我们把这个文件存储挂载到云主机上。
<kbd>
<img src="img/assignment7/guazai.png">
</kbd>
<kbd>
<img src="img/assignment7/guazaiIP.png">
</kbd>
## `**************作业1:请将含有文件存储ip地址信息的页面截图,并插入实验报告***************`
### 二)将文件存储挂载到云主机上,使得它在逻辑上成为云主机的一个分区
#### 1)创建一个1核2G(1G可能不够!!!)的云主机(后续需要用到docker,可从带docker的镜像创建主机),绑定弹性IP,按时付费(这个云主机必须在文件存储所挂载的子网中,否则无法和文件存储通信)
#### 2)登录云主机,安装NFS
```
sudo yum install -y nfs-utils
```
NFS(Network File System)是一个能够使得本地主机访问远程主机文件系统的应用程序。因为步骤一)创建的文件存储对于当前的云主机来讲是一个远程存储(网络存储),使用NFS协议才能将其挂载到当前云主机上。
#### 3)在云主机上挂载文件存储,挂载点为/mnt
```
sudo mount -t nfs4 你的文件存储IP地址:/ /mnt
```
#### 4)运行如下命令查看当前云主机的文件系统
```
df -hT
```
你应该看到如下图所示内容
<kbd>
<img src="img/assignment7/ass7-df.png">
</kbd>
## `**************作业2:请将df -hT的运行后界面截图,并插入实验报告***************`
### 三)在水杉码园创建一个仓库,并下载至文件存储
#### 1)登录[水杉在线](https://www.shuishan.net.cn/),并从水杉在线门户进入“水杉码园”。创建一个仓库mnist(你也可以用其他命名,但后续操作请做相应修改),创建完毕后,找到你的仓库ssh地址,备用
<kbd>
<img src="img/assignment7/ass7-createrepo1.png">
</kbd>
<kbd>
<img src="img/assignment7/ass7-createrepo2.png">
</kbd>
#### 2)在云主机上安装git,并配置一下,对应于自己水杉码园的用户名和邮箱
```
sudo yum install -y git
git config --global user.name "51255903039"
git config --global user.email "51255903039@stu.ecnu.edu.cn"
```
#### 3)生成云主机密钥,使用密钥访问水杉码园
```
ssh-keygen -t rsa -C '51255903039@stu.ecnu.edu.cn'
```
不用在提示符中输入任何内容,连摁回车,密钥即生成。可以在~/.ssh/下看到你生成的两个密钥,id_rsa是私钥,id_rsa.pub是公钥。如果你使用root账号,密钥在/root/.ssh/目录下。接下来我们要把公钥给码园,以后从这台云主机访问码园,云主机会把私钥提供给码园进行身份验证。
#### 4)打印并复制公钥的全部内容
```
cat ~/.ssh/id_rsa.pub
```
复制屏幕上出现的公钥内容
#### 5)在码园中创建公钥,并粘贴上述公钥内容
<kbd>
<img src="img/assignment7/ass7-key1.png">
</kbd>
<kbd>
<img src="img/assignment7/ass7-key2.png">
</kbd>
<kbd>
<img src="img/assignment7/ass7-key3.png">
</kbd>
#### 6)在云主机上运行如下命令,取消码园密码访问
```
eval 'ssh-agent -s'
exec ssh-agent bash
ssh-add ~/.ssh/id_rsa
ssh -T git@gitea.shuishan.net.cn
```
如果你看到类似如下输出,说明密钥访问设置成功
<kbd>
<img src="img/assignment7/ass7-key4.png">
</kbd>
#### 7)将mnist仓库下载到文件储存
```
cd /mnt
sudo mkdir mnist
sudo chown xuesong:xuesong mnist //更改mnist文件夹拥有者(即你的云主机登录账号)。假如你使用root账号,这步不需要
cd mnist
git init
git pull git@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git //将pull后面的内容替换成你仓库的ssh地址
```
#### 8)在mnist下面新建三个目录code,data,output,下一个步骤中会使用。创建完毕后,你的mnist文件夹应该有如下结构。
<kbd>
<img src="img/assignment7/ass7-tree.png">
</kbd>
在步骤四)和五)中,我们将代码放在code文件夹中,数据放在data中,模型放在output中
## `**************作业3:请在mnist目录下运行ls -la命令并截图,插入实验报告***************`
### 四)使用docker拉取python镜像,并进入容器运行python
#### 1)运行docker,登录ucloud的镜像仓库,输入ucloud密码
```
docker login uhub.service.ucloud.cn -u 707661163@qq.com //换成你的ucloud登录邮箱
```
#### 2)拉取python镜像
```
docker pull uhub.service.ucloud.cn/cloud_computing/python:latest
```
#### 3)运行容器,并进入bash
```
docker run -it uhub.service.ucloud.cn/cloud_computing/python /bin/bash
```
#### 4)测试python环境,查看已有包
```
python -V
pip list
```
## `**************作业4:请将进入容器测试python页面截图,插入实验报告***************`
### 五)使用python容器训练MNIST识别模型,最后将所有内容同步到水杉码园
#### 1)按ctrl+d可退出容器,进入主机/mnt/mnist/data目录,下载mnist数据集。
```
wget https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
```
#### 2)此时让我们先把UFS中的这些文件push一把,同步到码园中。在/mnt/mnist下,运行
```
git remote add origin git@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git //替换成你的码园仓库
git add .
git commit -m "xuesong's first commit"
git push origin master
```
没有报错则成功push,去水杉码园查看你的仓库验证。
#### 3)下载mnist训练代码[mnist.py](file/assignment7/mnist.py),把它放在/mnt/mnist/code/目录下。
#### 4)进入python容器依次安装训练所需的包。
```
pip install -U numpy==1.16.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
```
#### 5)准备好数据、代码、环境,开始训练。因为/mnt/mnist目录在容器外部,所以运行时需要将此目录与容器内部的目录进行映射。
```
docker run -v /mnt/mnist:/home/mnist -it uhub.service.ucloud.cn/cloud_computing/python /bin/bash
```
## `**************作业5:上述代码训练的模型,在测试集上精度较低(如下图),请把测试集上的精度提升到95%以上(即运行model.evaluate(x_test, y_test)后,accurray在95%以上),将运行结果截图并插入实验报告***************`
> 提示:你可以尝试增加epoch,也可以尝试更换优化器,其他优化器有Adagrad, RMSprop, Adam等
#### 6)保存训练代码,并push到水杉码园中。
```
git add .
git commit -m "commit source code and model"
git push origin master
```

Loading…
Cancel
Save