ARM 主机的 Linux 和普通的 Linux 有什么区别吗（用途：跑 Jupyter Notebook 做数据分析）

[daweii]

最近从甲骨文那里薅了一台 ARM 的主机。想用来远程 Jupyter Notebook 。 这个可以直接像普通 Linux 一样使用吗？还是需要上 docker ？

亲测有至今为止不能用的有两点。
1. MKL （英特尔数学核心函数库） 我还以为 Anaconda 会自带这个包，结果 ARM 不支持。在安装贝叶斯统计库 PYMC 的时候提示出错。
2. R 语言 4.0 版本，我只能安装到 3.0, 4.0 提示的话提示没有 R-core 依赖的两个包，具体哪两个忘了。
如果还有其他的坑的话我会继续更新。

另外说句题外话，甲骨文的 ARM 主机性能真是高。
不愧是 4 核 24G 内存的主机。Unixbench 测得分数高达 3800 分。
GCP 的免费 VM 只有 400 分不到。

[villivateur]

常用的软件都有 ARM 版，如果你的工作不涉及 CPU 底层的话，ARM 跟 x86 没有区别

[nevin47]

如果只是数据分析，那基本感知不到太大的区别

ARM 和 X86 服务器的差异越靠近上层越不明显

[nyfwan123]

@daweii 楼主 怎么薅的啊？

[interim]

一直信用卡通不过验证...

[e9pWeUbh9PGCnp95]

Do you know the memory order?

[nothingistrue]

别的不知道，但是如果不一样的话，你不管是上 docker 还是上虚拟机都没用，跨架构的虚拟化，性能损耗非常大。

[iotbase]

测试回复

[leimao]

@nyfwan123 甲骨文提供若干台 ARM 免费 instance

[nyfwan123]

@leimao 感谢

[nevin47]

@nothingistrue #6 ARM 的容器和 KVM 非常的成熟，不存在 ARM 模拟 X86 的这种用法。。。

另外，docker 依赖容器技术，基本上和虚拟化是两码事儿

[nothingistrue]

@nevin47 #10 不管是容器，还是分区，这都是在不改变 CPU 架构的情况下搞的。垮了 CPU 架构，因为指令集不同，必须要搞虚拟化或者指令模拟。跨架构虚拟化肯定损耗很大性能，指令模拟需要很大的投入成本，做得要不好还不如虚拟化。说个简单的例子，windows 下的 docker ，是要先用 hyper-v 搞个 linux 虚拟机的，这还只是跨系统没跨 CPU 架构。

[duke807]

linux 是跨架構最無痛的系統，沒有之一

[princelai]

跑都能跑，但是我说一个可能影响的因素，MKL,Jupyter Notebook 通常配合 numpy 和 pandas,甚至 numba,如果有 MKL 速度会快很多

[lithiumii]

远程 jupyter 没问题，大多数 python 库都能用，底层的依赖其实有区别但是开发者已经处理好了

[dawe]

@lithiumii 感谢。第一次听说 MKL ，刚搜了一下发现现在 Anaconda 都自带 MKL 了

[jessun1990]

我这里工作偶尔会有 arm 的环境，能感受到的区别就是：

1. 同版本的 centos 的 arm 版和 x64 版中的 glibc 版本号可能会不一样，倒是部分二进制可能需要重新编译。
2. 某些时候，同样的二进制可执行文件，在两个平台上要求的依赖有一些差异，不过 yum install 一下就好了。
3. 华为云的 arm 环境下，编译 mysql 必须要遵循华为的官方文档的步骤。如果按照 mysql 文档走，一定会出现意外错误。例如： https://support.huaweicloud.com/prtg-kunpengdbs/kunpengmysql5727_02_0012.html 。

[dayeye2006199]

Numpy 底层也都是调用各种矩阵运算库来加速的，例如 blas lapack 。这些矩阵运算库为了性能，需要专门针对不同的 CPU 架构的指令集进行实现。所以 arm 架构需要专门编译这些底层库。

这些库还有商用实现，例如 Intel mkl ，由于 intel 是专门卖 x86 处理器的，所以可想而知不会主动去支持 arm 。

但一般用户使用可能不会接触这些细节，一些包管理软件例如 conda 已经可以很好的管理不同架构下的包，这些编译工作也已经有人做好了。

[3dwelcome]

arm 适合小而美的 web 集群服务器。

你拿它来做密集型计算和数据分析，估计有点悬。

当然 x86 也未必行，现在科学计算都是 gpu 的天下了。

[nevin47]

@nothingistrue #11 这位同学……你在说啥啊，你这说法感觉你根本就不懂 Hypervisor 和 Container 的基本原理和区别

Windows 用 Docker 需要虚拟机，是因为 Docker 依赖 Linux Kernel 的 namespace 和 cgroup 啊😂Windows 自己又没有容器能力。另外

我印象中，docker 是没有调用 VMX/EL2 的，这本身就是一个跑在 Kernel 之上的一个应用层，根本不需要翻译啥指令，现在 cgroup 本身就是一个 arch 不敏感的东西。

我建议你如果想细致学习的话，可以读一下 cgroup v2 v3 两个 patch ，然后再看看 Intel 的 IA32/64 3C 卷的 VMX 章节，基本上就清楚容器技术和虚拟化技术的本质区别了……

[nevin47]

@dayeye2006199 #17 我印象中 ARM 版本的 numpy ，是有用 ARMPL 做底层库编译了的，替代了 MKL 来编译 BLAS

[lovestudykid]

不要依赖甲骨文这个机器，随时无通知删机

[nothingistrue]

@nevin47 #19 我建议你还是先去仔细区分下 CPU 架构 /指令集，操作系统，虚拟化，容器化的区别。

[MaxTan]

@nevin47 #19 这里要杠一下，windows 还真有容器😅 跑的都是 windows 那一套东西。

不过这东西不好用，也没什么人用，还不如用 hyper-v 套一层用 linux container

[nevin47]

@nothingistrue #22 我拒绝和你继续交流，容器本身就是一个 Arch less 的东西，你非要把 arch sensitive 的 docker image 搅进来，你开心就好……而且绕回 OP 的最初需求，OP 的需求不需要上 Docker ，这个讨论本身就是和问题无关的无意义讨论

[jim9606]

你没具体说分析用啥软件库。
目前比较有可能有差别的是 numpy ，默认链接 openBLAS ，但 x86 还可以找到链接 intel mkl 的二进制包。
不过应该没有性能以外的差距。

[ryd994]

1. 可以，但是需要 arm 的软件包 /库。debian 官方源已经有很多软件了。其他一些软件需要你自己编译。另一些软件完全不支持 arm 。
2. 不需要。你要用也可以用，但是需要 arm 的 image 。原因同上。

[libook]

不知道具体是什么硬件，但主流 ARM 架构的计算机是受到了广泛支持的，大多主流应用程度应该都可以跑，只要确保你跑的是专门为 ARM 架构的计算机编译的程序，包括专门为 ARM 构建的 Docker 镜像。

区别应该就是性能上，ARM 没有 x86 的部分复杂指令，也就是说某些计算用 x86 可以一个指令搞定，但是用 ARM 需要很多个指令组合才能完成，如果你的程序是对 x86 特有指令进行优化的，那么 ARM 计算机可能性能会稍差。

[w4087]

我的 mastercard 信用卡一直过不去，朋友中行 visa 双币的没啥问题，草了

[aneostart173]

主要看一些依赖库有没有 ARM 版本。尤其在高性能计算方面，arm 生态差一些。

[BrettD]

@nothingistrue ARM 也有原生的 Docke 镜像……运行原生 Docker 不会涉及到跨指令集的问题

[BrettD]

大部分开源软件在 Oracle Linux 上已经有打好的 ARM 二进制包，没有打包的话绝大部分软件从源码编译一下就能跑了，比较头痛的只有一些用到 x64 汇编的开源软件和不提供源码也不提供 ARM 二进制的闭源软件

[redsonic]

要看是跑在什么 ARM 处理器上，国产的那一堆 ARM 折腾的够呛，IO 太孱弱。oracle 的 Ampere A1 不太了解。