十天的学习围绕鲲鹏处理器生态与 BoostKit 工具链展开，从底层架构到上层加速技术，我逐步摸清了 “硬件 + 软件 + 工具” 协同优化的逻辑。以下结合每日具体内容，分享我的学习方法、遇到的困难及感悟。

一、分阶段学习：锚定核心，循序渐进

我将十天学习划分为 “基础生态认知 - 工具链实践 - 综合优化应用” 三阶段，避免碎片化学习：

前三天：基础生态认知

第一天，学习鲲鹏处理器架构与 openEuler 操作系统：用思维导图梳理鲲鹏多核架构（如 ARMv8 指令集）的优势，以及 openEuler 从开源到成为企业级服务器操作系统的发展历程，还标记了社区贡献的关键流程（如 PR 提交、代码评审）；通过浏览 openEuler 社区论坛，直观感受开源协作模式。

第二天，深耕 GCC for openEuler 的安装使用与反馈优化：

• 安装与验证：跟着教程在 openEuler 系统中执行 dnf install gcc gcc-c++ 完成部署，再用 gcc --version 验证安装（重点关注适配鲲鹏架构的版本特性）。
• 反馈优化原理与类别：理解 “反馈优化” 核心逻辑 —— 收集程序运行时的性能数据（如热点函数、分支预测信息），反馈给编译器以针对性优化代码。区分不同优化类别：
  • PGO（Profile-Guided Optimization，基于概要文件的优化）：需先 “生成训练概要文件”，再 “用概要优化编译”，是 “先训练后优化” 的两步走模式。
  • AutoFDO（Automatic Feedback-Directed Optimization）：更自动化，可直接从perf等工具采集的热点数据生成优化信息，减少手动步骤。
• 实验视频辅助实操：通过实验视频，复现 “用 PGO 优化简单计算程序” 的全流程 —— 先编译带概要采集的版本 gcc -fprofile-generate -o test_pgo test.c，运行程序生成 *.gcda 概要文件；再用 gcc -fprofile-use -o test_opt test.c 编译优化版；最后对比 test_opt 与普通编译版的执行时间，直观感受反馈优化的性能提升。我同步记录每一步的命令与输出，加深对 “反馈优化链路” 的理解。

第三天，学习 iSula 容器技术：了解 iSula 全量容器软件栈，重点掌握 iSulad 轻量化容器引擎的核心特点，以及 isula-build 等工具在镜像构建与管理中的作用，为后续容器化部署打基础。

中间四天：工具链与加速技术

第四天，学习 A-tune 智能调优：理解其 “解决手动调优效率低” 的背景，拆解架构（数据采集层、分析层、执行层），重点记忆数据采集的核心维度（CPU、内存、IO）。

第五天，初步接触 BoostKit 大数据使能套件：结合数据库场景，整理 “不同场景的应用性能优化方案与效果”（如读密集场景的缓存优化思路）。

第六天，深入 OmniRuntime 的 OmniData 特性：绘制架构图，对比传统存算分离与 “算子下推 + 存算协同” 的差异，理解其如何通过 “减少跨节点数据传输” 解决带宽浪费与计算低效问题。

第七天，学习分布式存储：梳理存储技术的架构演进，用表格对比 Ceph 中 filestore 与 bluestore 的存储差异（如读写性能、空间利用率），掌握 FCEPH 的场景分类与架构逻辑。

最后三天：综合优化应用

第八天，深化 BoostKit 分布式存储认知：结合前序知识，复习 Ceph 存储接口分类，总结 “从硬件（如 SSD 选型）、OS（如文件系统配置）到 Ceph（如池参数调整）” 的三层调优思路，还记录了部分调优命令（如 ceph osd pool set），为实操做准备。

第九天，学习 BoostKit 加速库套件：明确其 “解决传统开源软件在 ARM 平台性能瓶颈” 的核心定位，梳理其覆盖的关键场景（大数据、数据库、分布式存储等）与 “基础加速→应用优化” 的多层次能力。

第十天，综合实践：用 BoostKit 加速库优化简单数据库查询，并结合 A-tune 调优 CPU 参数，验证端到端的加速效果。

二、困难与解决：在卡点中深化理解

学习第一天理解 openEuler 社区贡献流程时，对 “CLA 签署”“代码评审标准” 困惑。我先看社区的 “新手指南”，再找已合并的 PR 案例（如简单的文档修改），跟着模拟提交一次测试 PR，逐步理清流程；

三、学习感悟：技术背后的 “底层逻辑”

十天学习让我收获远超技术本身：

• “硬件 - 软件” 协同的关键：GCC 的反馈优化是核心桥梁 —— 它把程序运行特征与鲲鹏架构特性深度结合，才能最大化性能。
• 实验驱动的重要性：跟着视频复现 GCC 优化实验，比单纯阅读文档更能理解 “每一步优化为什么有效”。
• 开源生态的协同价值：openEuler 上的 GCC 适配、BoostKit 的加速能力，都是生态中 “硬件、编译器、工具链” 等环节协同的结果。

十天的学习，不仅掌握了鲲鹏与 BoostKit 的核心技术，更学会了 “围绕工具链拆解知识、通过实验验证原理” 的方法，这对后续技术学习至关重要。