Ubuntu User Blog

記事の更新日：2026/09/30　評価を加筆 1.概要 GPU(Graphics Processing Unit)はAI処理で注目を浴びています。CPU(central processing unit)内にもGPUは存在しています。内蔵VGAと呼ばれるものです。それに対してnvidiaなどのVGAは外付けVGAと呼ばれます。一般的な用途でどの程度の差があるか気になったので調べてみました。 GPUはある意味のベクトルプロセッサです。以前ならばスーパーコンピュータと言えます。１万円前後のGPUでも内部に1000個程度のプロセッサがあるベクトル演算装置です。画像処理は表示する点を制御しますが、同時に処理をする必要があり、内蔵するプロセッサを並行稼働させる必要があったことに気がついた方がGPUとして利用を始めました。 私の評価は以下の通りです。 (1) 内蔵GPUとはCPUに存在するVGA機能ですが、十分な機能と性能があります (2) 内蔵GPUをVGAとして利用すると、外付けGPUのVRAMを計算処理に全て使えます (3) 内蔵GPUと外付けGPUを両方使うにはBIOSの調整の設定が必要になります (4) 設定に苦労しますが、内蔵VGAで表示、外付けGPUで計算処理は合理的です 2.詳細 ネットの情報では、ゲーム、動画制作、3DCAD、VR、機械学習・ディープラーニングが外付けGPUを必要とするようです。一般的な文書、表計算、ブラウザなどでは内蔵GPUで十分な範囲と考えられます。 ゲームと言っても3Dを利用するゲームとWindows98時代の平面的なゲームでは当然異なると思います。また、利用しているubuntu+dosbox-x+windows98se上の環境にはnvidiaドライバは設定できないので外付けGPUは意味がないような気がしてきたので、実際に試してみました。 環境はAMD Athron II環境で、内蔵GPU(chipset内蔵)とnvidia-GT9500環境をWindows98se上のgameを３種類動かして比較しました。結果は体感速度では何も変わらない気がします。 多分、ubuntuではnvidaを認識(nouveau)しているのですが、dosbox-x上のwindows98seにnvidiaのドライバは無いので使えていないと思われます。また、使えてい...

記事の更新日：2026/09/30　評価を加筆 1.概要 Windows7の頃から圧縮ファイルはzip形式を標準で利用するようになり、以前利用していたlhz形式のアーカイブは見かけることが少なくなりました。Linux環境はzip形式よりもtar.gz形式が多いと感じています。WindowsXPの頃までは必ずlhzを解凍できるツールを導入していたと思います。 Windows98のGameとしてsisen2を利用しようとしたのですが、アーカイブがlhz形式でした。このアーカイブをubuntu環境での解凍に手間を要したので、その内容を記述します。 LinuxMintで新たに試してみるとアーカイブマネージャーで簡単に解凍できました。 私の評価は以下の通りです。 (1) lhaはWindowsXP頃まで主流でした。今では利用され方法も変わってしまいました (2) Windows7以降ではzip形式が広く利用されるようになったと思います (3) lhaをLinuxに導入するだけと安易に考えたのですが、手間がかかりました (4) 後でわかったことですが、アーカイブマネージャーで完結します 2.詳細 (1) LinuxMint 22.3の場合 参考資料の四川省 2.0(sisen2)をDownloadしました。ファイル名はsisen2.lzhです。 LinuxMint 22.3ではsisen2.lzhをダブルクリックするとアーカイブマネージャーが起動して解凍できます。とても便利です。 (2) Ubuntu 20.04の場合 参考資料の四川省 2.0(sisen2)をDownloadしました。ファイル名はsisen2.lzhです。このGameをWin98SE環境で動かすためにubuntu-20.04環境で解凍をするのに手間取りました。 最初に下記コマンドを実行 $ sudo apt install lha-sjis E: パッケージ lha-sjis が見つかりません 次に下記コマンドを実行 $ sudo apt install jlha-util E: パッケージ jlha-util が見つかりません うまくいかないので、lhaは存在するのかもと考えて下記コマンド実行 $ lha コマンド 'lha' が見つかりません。次の方法でインストールできます: sudo a...

記事の更新日： 2026/09/06 1.概要 この記事は2025年なので昨年の記事です。ubuntu 22.04とubuntu 24.04の評価を実施していたのですが、Loginした直後から表示が壊れたり、フリーズする事態が起きていました。ネットを調べて、Wayland, Xwayland, nvidaのドライバnouveauの組合せ障害とわかり、nvidiaのVGAを取外して、CPU内蔵VGAに切替えました。その決断をした時の記事で、備忘録に必ず残したいと考えて、少し修正をしました。 ubuntu 22.04の評価環境ではディスプレイ表示に関する問題が多数発生しました。後でわかったことですが、標準のWaylandと互換性を維持するためのXwayland、更にnvidaの旧型VGAを制御する部分のnouveauドライバの問題でした。 ubuntu-22.04の試験環境では、nouveauドライバ問題が判明したので、旧型nvidiaのVGAを取外して、CPU内蔵のVGAを利用しています。ubuntu-22.04の更新を参照するとxwaylandのモジュール更新が頻繁していたので、気になったので調べてみました。その内容を記述します。 私の認識は以下の通りです。 (1) 旧型nvidiaとは、NVIDIA GeForce GTX以前の製品と考えました (2) NVIDIA GeForce GTXとnouveauは相性が良くない (3) Xwayandを利用してX-WindowsアプリをWaylandで動かすのは無理があります (4) CPU内蔵VGAは十分使えます  2.詳細 参考資料によると、Waylandは新しいディスプレイサーバでX-Windowsを置き換えるものでした。WaylandとX-windowsはアプリーションに互換性がないため、従来のX-windowsのアプリケーションを動作させるための互換機能として、xwaylandが用意されていたようです。xwaylandが規定値になっているので、私は、長い間、問題のある環境で試験をしていたことのようです。 xwaylandとX-windowsの切替は、login時に実施できます。参考資料を参照してください。ubuntu-20.04は既定値がX-windowsでWaylandを選択することができます。ubu...

記事の更新日：2026/10/14　SSDで似たような問題が発生 1.概要 去年のことですが、500GBのディスクがクラッシュのメッセージを出力して、grubによるブートができなくなりました。しかし、不思議なことにfsckを実行するとエラーなし、各パーティション内のファイルも参照できます。パーティションテーブルを再構築して、再度試しても状況は同じになります。 ディスクのクラッシュは何度も経験し、PCから取り外してUSB接続で確認する機器を利用して検査をしています。クラッシュした場合は異音がするのですぐにわかります。異音がない場合でもディスクを認識できなくなり、異常なことに気が付きます。 今回のケースは異音もなく、ディスクも正常に認識され、fsckの実行やgpartedによる初期化も問題ないのですが、OSを再導入してGrubブートを実行するとエラーになり止まってしまいます。 この問題に関して、私は以下のように認識をしました。 (1) ディスクの先頭1MB（0〜2047セクター）の物理エラーを検出・修復できません (2) 上記領域にはMBR以外にbootに必要なモジュールが保管されています (3) ddコマンドを利用すると内容の確認や修正も可能ですが、とても難しい (4) 通常ツールでは問題ないディスクでも使えなくなる場合があることを理解しました 2.詳細 障害を解析した訳ではないので、詳細に関しては不明瞭な点が多数あります。grubを利用したbootだけがだめになってしまたディスクのようです。別の代替ディスクに交換して、環境を再構築すると問題はなくなりました。つまり、ディスクはクラッシュしていたと言うことですが、gparted, fsck, fdisk, mkfsでエラーにならない故障でした。 fdiskでディスクを調べていて、2048セクター以前の領域はユーザ側で利用できないことに気が付きました。0〜2047セクターなので、2048 * 512 = 1MBの領域です。ここには、パーティションテーブル以外にもbootに必要な情報が保管されていると認識しています。 Grubの詳細な仕様はわかっていませんが、2048セクター以前の領域を利用すると理解していました。Grubでエラーが発生して、2048セクター以降では何も問題が発生しない。更に、Gpartedでパーテ...

記事の更新日：2026/09/30　評価を加筆 1.概要 aws環境をlocalPC上に実現できるloaclstackを試してみました。これは製品版があり、awsが提供しています。awsのクラウド環境とオンプレミスの環境を透過に接続する方法です。バックアップ用途が多いのではないかと思っています。 今回はLocalPC環境では評価や試験が難しいs3に関して調べてみました。aws上のs3で実施する前に、LocalPCで確認することでミスがなくなります。s3の本番環境でミスをすると復旧作業に影響が出ることも考えられるので、localstack利用は選択肢になります。 私の評価は以下の通りです。 (1) aws学習には最適で、Dockerを利用してコンテナで試験でき、負担が少ない (2) S3環境のコマンドをLocalPCで実行でき、無償利用の価値がある部分です (3) LocalPC環境なので無理なことや無駄なことでも試すことができる点がとても良い (4) EC2の仮想マシンが利用できると応用範囲が拡大できるが有償版が必要になる 2.詳細 (a) 環境 HW: CPU i3-7100     Memory 16GB     SSD 250GB OS: Ubuntu-20.04.6 (b) 構築手順 参考資料の通りに構築できます。DockerはUbuntu-20.04の標準品利用。 docker-compose.ymlを以下のように作成 version "3" services:   localstack:     container_name: localstack     image: localstack/localstack:latest     ports:       - "127.0.0.1:4566:4566"            # LocalStack Gateway       - "127.0.0.1:4510-4559:4510-4559"  # external services port range ...

記事の更新日： 2026/08/10 1.概要 Stable Diffusionの記事をネットで見つけて、ubuntu-22.04で試しました。Stable Diffusionはテキストからの入力で画像やイラストを自動生成するAIモデルです。Deep Learning環境でpytorchになれた方ならばスムーズに実行できると思います。どの程度のことがPCで実現できるか試すために、GPU版とCPU版を試験しました。また、日本語テキスト入力による操作性も確認しました。 気になった点は、stable-diffusion-webui/launch.pyの実行でModuleNotFoundError: No module named 'torch'のエラーになります。Pytorchの導入手順がなく、Stable Diffusion導入時にインストールされても認識されていないのだと思います。stable-diffusion-webui/launch.pyを再実行すると問題は解消されました。その内容を記述します。 注意事項 権利侵害の禁止： 他人のイラストや写真を読み込ませたり、有名人の偽画像を作らないこと。 ライセンス確認： 商用利用や配布をする場合は、使用したモデルの規約を必ず確認すること。 禁止表現： 成人向け（NSFW）、暴力、差別、他人が不快になる画像の生成は厳禁。 ※ 生成した画像によるトラブルはすべて自己責任となります。 2.詳細 (1) GPU版の検証 環境は以下のとおりです HW環境は、core i3-7100, nvidia-1050Ti, memory 16GB, SSD 250GBです。 SW環境は、ubuntu-22.04です。当初、ubuntu-20.04で始めたのですが、python3 3.10が必要なため変更しました。 導入手順は以下のとおりです。 (a) nvidia driverインストール 標準のnouveauをdisableにして、下記ドライバーをインストール $ nvidia-driver-550 - distro non-free recommended (b) cudaインストール 準備として下記モジュールをインストールします $ sudo apt -y install curl $ sudo apt-get -y i...

記事の更新日：2026/09/30　評価を加筆 1.概要 NoSQLデータベースの中で、以前テストしたことがある「MongoDB」と、メモリベースで高速な「Redis」をDocker環境で動かし、その特徴を調査しました。実際に手を動かしてみることで、データの扱われ方や効率的な使い方のヒントが見えてきました。 調査内容はMongoDBとRedisです。これらは従来のRDB（関係データベース）とは異なり、複雑なテーブル結合（JOIN）などの処理がないため、非常に高速に動作します。しかし、項目間の関連性を持たせにくいため、複雑なデータ構造を扱う場合はアプリケーション側での処理負担が増えそうだと感じています。 私の評価は以下の通りです。 (1) Key Value Databaseは、単純な仕組みなので構造化不要なデータ管理に向いています (2) 逆に、PostgreSQLのようなRDBであれば、データ構造があり、汎用性があります (3) MongoDBがKey Value Databaseの一般的製品で機能を知るには十分です (4) Redisはオンメモリdatabaseで速度重視のシステム向け製品です 2.詳細 (1) Key Value DatabaseのmongoDB 最低限の動作試験を目指します。 (a) docker-compolse.yml 以下のようにdocker-compose.ymlを作成します version: '3.8' services:   mongo:     image: mongo:latest     container_name: mongo-container     environment:       MONGO_INITDB_ROOT_USERNAME: root       MONGO_INITDB_ROOT_PASSWORD: example     ports:       - "27017:27017" (b) 起動 $ docker-compose up -d (c) containerにloginして、mongoを操作します。 コンテナにログ...