llmfit nimmt euch diese Recherche ab. Das Open-Source-Tool liest die vorhandene Hardware aus und stellt sie einer Datenbank mit Sprachmodellen gegenüber. Heraus kommt eine ziemlich konkrete Antwort darauf, was auf der eigenen Maschine überhaupt sinnvoll laufen kann.

Welche Modelle passen zu meiner Hardware?

Nach dem Start erfasst llmfit zunächst die eigene Hardware: Prozessor, Arbeitsspeicher, Grafikkarte und verfügbarer VRAM. Anschließend stellt das Programm die vorhandenen Ressourcen den unterstützten Modellen gegenüber und sortiert die Liste nach einem Score.

Praktisch ist das vor allem deshalb, weil nicht nur die reine Modellgröße zählt. Ein Modell kann theoretisch in den vorhandenen Speicher passen und in der Praxis trotzdem quälend langsam laufen. llmfit schätzt deshalb ab, wie gut ein Modell zur Hardware passt und welche Geschwindigkeit beziehungsweise welcher Speicherbedarf zu erwarten ist.

Wie sehr sich das je nach Rechner unterscheidet, sieht man schon an zwei Geräten aus meinem Fundus. Auf dem Notebook mit dedizierter GTX 1050 sind die 4 GByte VRAM die harte Grenze. Auf einem Rechner mit Iris-Xe-Grafik teilen sich Prozessor und Grafikeinheit dagegen denselben Speicher – plötzlich steht fast überall „Perfect“.

Dabei berücksichtigt das Programm auch unterschiedliche Quantisierungen. Gerade bei lokal betriebenen Modellen landet man schnell bei Begriffen wie Q4, Q5 oder Q8. Vereinfacht gesagt wird dabei die Genauigkeit der Modellgewichte reduziert, um Speicherplatz und Rechenleistung zu sparen. Dafür muss man je nach Stufe gewisse Einbußen bei der Qualität in Kauf nehmen.

Relevant ist das vor allem bei GGUF-Modellen, die bei lokaler Inferenz häufig zum Einsatz kommen. llmfit bezieht die verschiedenen Quantisierungsstufen in seine Bewertung ein und kann dadurch auch Modelle vergleichen, die in mehreren Varianten vorliegen.

Wer sich unter Linux bisher mit Werkzeugen wie Inxi einen Überblick über die eigene Hardware verschafft hat, kennt das Prinzip bereits. llmfit geht allerdings einen Schritt weiter und setzt die ermittelten Daten direkt in Beziehung zu möglichen KI-Modellen.

Installation unter Arch Linux

Update 29.09.2026: Das Rad der Zeit dreht sich konstant, und bei Arch dreht es sich bekanntlich immer ein wenig schneller. Als ich mit dem Schreiben des Artikels angefangen habe, gab es für Arch ein AUR-Paket von llmfit. Aufgrund der Turbulenzen und Angriffe auf das AUR versuche ich es inzwischen jedoch zu meiden.Inzwischen ist das llmfit-Paket in den offiziellen Arch-Paketquellen angekommen. Zur Installation genügt daher: sudo pacman -S llmfit

Unter Arch Linux liegt uv direkt in den offiziellen Paketquellen. Die Installation ist damit erfreulich unspektakulär:

sudo pacman -S uv

Anschließend lässt sich llmfit mit uv als Tool installieren:

uv tool install -U llmfit

Danach steht llmfit direkt als Kommando zur Verfügung.

Wer das Programm zunächst nur ausprobieren möchte, kann alternativ uvx verwenden. Dabei wird llmfit ausgeführt, ohne es dauerhaft als Tool zu installieren:

uvx llmfit

Damit ist unter Arch Linux also kein zusätzlicher Installer für uv notwendig.

Installation unter Ubuntu

Unter Ubuntu ist der Weg etwas anders. Hier lässt sich uv je nach Ubuntu-Version und verwendeten Paketquellen nicht einfach über apt installieren. Der von den uv-Entwicklern bereitgestellte Installer ist daher eine unkomplizierte Möglichkeit.

Mit curl geht das so:

curl -LsSf https://astral.sh/uv/install.sh | sh

Alternativ lässt sich das Installationsskript mit wget herunterladen und ausführen:

wget -qO- https://astral.sh/uv/install.sh | sh

Danach solltet ihr zunächst prüfen, ob uv verfügbar ist:

uv --version

Anschließend funktioniert die Installation von llmfit genauso wie unter Arch Linux:

uv tool install -U llmfit

Zum Ausprobieren ohne dauerhafte Installation steht auch unter Ubuntu uvx zur Verfügung:

uvx llmfit

Wer uv nicht verwenden möchte, kann alternativ die fertigen Binärdateien aus den GitHub Releases von llmfit herunterladen.

llmfit wieder loswerden

Falls euch das Werkzeug doch nicht überzeugt: Der Weg zurück ist kurz, hat unter Arch aber einen Haken. Das Tool selbst verschwindet mit

uv tool uninstall llmfit

und ob noch etwas übrig ist, verrät

uv tool list

Wer llmfit nur mit uvx ausprobiert hat, hat ohnehin nie etwas dauerhaft installiert. Die heruntergeladenen Pakete liegen dann trotzdem im Cache von uv. Den leert ihr mit

uv cache clean

Und jetzt zum Haken: Wer uv über die Paketverwaltung installiert hat, ist versucht, einfach

sudo pacman -Rns uv

zu tippen. Pacman räumt dabei aber nur das eigene Paket ab. Was uv selbst im Heimatverzeichnis angelegt hat, kennt die Paketverwaltung nicht – und ohne uv lässt sich uv tool uninstall auch nicht mehr aufrufen. Deinstalliert also erst das Tool und dann uv, nicht umgekehrt.

Wo die Reste liegen, zeigen euch

uv tool dir
uv cache dir

Üblicherweise sind das ~/.local/share/uv/tools und ~/.cache/uv. Ist uv schon weg und llmfit noch da, bleibt nur das Aufräumen von Hand:

rm -r ~/.local/share/uv

Vorsicht dabei: Damit fliegen alle mit uv installierten Tools und die von uv verwalteten Python-Versionen mit raus, nicht nur llmfit.

Unter Ubuntu, wo uv über das Installationsskript kommt, gibt es kein uv self uninstall. Dort räumt ihr nach dem uv tool uninstall die beiden Startprogramme selbst weg:

rm ~/.local/bin/uv ~/.local/bin/uvx

Die TUI ist mehr als eine einfache Modellliste

Die Terminal-Oberfläche ist für mich einer der interessanteren Teile von llmfit. Statt nur eine Liste auszugeben, kann man sich durch die Ergebnisse bewegen, suchen und zu jedem Modell weitere Informationen abrufen.

Mit / sucht ihr nach einem bestimmten Modell, die Pfeiltasten beziehungsweise j und k dienen zur Navigation, und h öffnet die Hilfe. Bei knapp 10.000 Einträgen in der Liste ist die Suche tatsächlich kein Luxus.

Interessant sind außerdem die integrierten Benchmark-Funktionen. Mit b lassen sich Community-Benchmarks aufrufen, während I einen Inference-Benchmark mit der eigenen Hardware startet. Damit wird aus einer reinen Schätzung langsam eine Messung mit echten Werten.

Das erinnert ein wenig an klassische Systemwerkzeuge. Wer beispielsweise Mission Center unter GNOME nutzt, bekommt dort CPU, RAM, GPU und weitere Ressourcen grafisch präsentiert. llmfit schaut dagegen gezielt auf die Frage, was sich mit diesen Ressourcen an lokaler KI anfangen lässt.

Schätzwerte statt Marketing-Versprechen

Natürlich sollte man die Angaben von llmfit nicht mit einem echten Benchmark verwechseln. Eine theoretische Berechnung kann nur abschätzen, wie schnell ein bestimmtes Modell auf einer bestimmten Hardware laufen könnte.

Ganz nett ist in dem Zusammenhang die Hardware-Simulation. Damit dreht man testweise an RAM, VRAM und Kernanzahl und sieht, wie sich die Bewertung verschiebt. Wer mit dem Gedanken an einen Speicherriegel oder eine neue Grafikkarte spielt, bekommt so zumindest eine Hausnummer.

Genau deshalb sind die mittlerweile integrierten Benchmarks interessant. llmfit kann ein Modell herunterladen, es über einen unterstützten Runtime-Provider starten und anschließend die tatsächliche Geschwindigkeit auf der eigenen Hardware messen. Die Ergebnisse werden lokal gespeichert.

Wer möchte, kann seine Messwerte anschließend über

llmfit bench --share

mit der Community teilen. Die Ergebnisse werden dabei als GitHub Pull Request eingereicht. Auf diese Weise entsteht nach und nach eine Datenbasis aus echten Messungen und nicht nur aus theoretischen Berechnungen.

Gerade bei lokaler KI finde ich diesen Ansatz sinnvoll. Denn die Angabe „passt in den VRAM“ sagt noch nicht besonders viel darüber aus, ob man mit dem Modell tatsächlich vernünftig arbeiten kann.

Auch als Kommandozeilenwerkzeug nutzbar

Wer mit einer TUI wenig anfangen kann, muss llmfit nicht interaktiv bedienen. Das Programm lässt sich auch komplett über die Kommandozeile verwenden.

Zum Beispiel liefert

llmfit recommend

eine Empfehlung für die vorhandene Hardware. Mit

llmfit recommend --json

lassen sich die Ergebnisse als JSON ausgeben. Das ist natürlich deutlich interessanter, wenn ihr llmfit in eigene Skripte oder andere Werkzeuge einbauen wollt.

Auch ein Webinterface beziehungsweise eine API lässt sich starten:

llmfit serve --host 0.0.0.0 --port 8787

Für Container gibt es außerdem ein fertiges Image:

ghcr.io/alexsjones/llmfit

Damit läuft llmfit beispielsweise auch auf einem Server oder in einer bestehenden Docker-Umgebung. Wer seine Container regelmäßig aktuell hält, kennt das Spiel vielleicht schon von Dockcheck.

Und womit läuft das Modell dann?

Eine Unterscheidung solltet ihr dabei im Hinterkopf behalten: llmfit ist selbst keine KI-Runtime. Das Programm hilft bei Auswahl und Bewertung eines Modells, die eigentliche Inferenz erledigen andere Werkzeuge.

Unterstützt werden unter anderem Ollama, llama.cpp, MLX, Docker Model Runner und LM Studio. Dadurch kann llmfit beispielsweise ein Modell über einen vorhandenen Ollama- oder llama.cpp-Stack benchmarken.

Für Linux ist Ollama sicherlich eine der einfacheren Möglichkeiten, lokale Modelle zum Laufen zu bekommen. Wer mehr Kontrolle über die eigentliche Inferenz haben möchte, landet dagegen schnell bei llama.cpp. Beide Projekte verfolgen etwas unterschiedliche Ansätze, lassen sich aber gut mit dem Hardware-Check von llmfit kombinieren.

Interessant für lokale KI

llmfit schließt für mich eine Lücke zwischen „Ich möchte lokale KI ausprobieren“ und „Ich muss mich erst einmal durch die Hardwareanforderungen von dutzenden Modellen arbeiten“. Das ist deutlich hilfreicher als eine allgemeine Liste der „besten“ lokalen Modelle. Denn am Ende zählt nicht, welches Modell auf irgendeinem Testsystem gut abschneidet, sondern welches auf eurer Hardware mit eurem Anwendungsfall vernünftig funktioniert.

Die Schätzungen ersetzen natürlich keinen eigenen Test. Genau dafür sind die integrierten Benchmarks da, und die will ich mir als Nächstes vornehmen: eigene Messungen auf verschiedenen Geräten, und dann der Abgleich, wie gut die Vorhersagen von llmfit mit der Realität zusammenpassen.

Gerade für Entwickler dürfte das Werkzeug interessant sein. Wer einen lokalen KI-Assistenten zum Programmieren einsetzen möchte, findet zuerst heraus, welche Modelle zur vorhandenen Hardware passen, und experimentiert anschließend mit den tatsächlich erreichbaren Geschwindigkeiten.

Weitere Informationen, die aktuelle Dokumentation und den Quellcode findet ihr auf GitHub.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Statistig: Minimalistisch und gut integriert

Statistig (Link geht zu den GNOME Extensions) ist ein schlanker Systemmonitor, der CPU- und RAM-Auslastung als kleine Symbole im Systemstatusbereich einblendet – dort, wo ihr auch Lautstärke, Netzwerk oder Akku seht. Die Anzeige bleibt dezent und ist farbcodiert: Gelb ab 70 %, Rot ab 90 % Auslastung. So erkennt ihr auf einen Blick, ob euer System ins Schwitzen gerät.

Das Design folgt den GNOME-Vorgaben und verzichtet bewusst auf grafischen Ballast. Ein kleiner Wermutstropfen: Statistig klinkt sich zusätzlich ins Systemmenü ein. Das wäre nicht nötig – Einstellungen lassen sich bequem über den Erweiterungsmanager vornehmen. Wirklich störend ist das nicht, aber es wirkt ein wenig überflüssig. Der Quellcode ist auf GitHub verfügbar.

TopHat: Mehr Daten, mehr Überblick

TopHat (Link geht zu den GNOME Extensions) richtet sich an alle, die etwas mehr Kontrolle und Transparenz schätzen. Die Erweiterung zeigt neben CPU- und RAM-Auslastung auch Netzwerk- und Festplattenaktivität – direkt oben in der GNOME-Leiste, mit kleinen animierten Graphen. Das Ganze bleibt übersichtlich, ohne den Desktop optisch zu überladen.

TopHat ist hilfreich, wenn ihr regelmäßig nachvollziehen möchtet, warum das System gerade träge wirkt oder wohin der Datenverkehr fließt. Die grafischen Anzeigen sind kompakt, aber informativ – und bieten deutlich mehr Kontext als einfache Prozentwerte. Wer tiefer einsteigen will, ist mit TopHat gut beraten. Auch hier gibt’s den Quellcode auf GitHub.

Wenn’s mehr sein darf: Mission Center

Falls ihr lieber mit einer klassischen Anwendung arbeitet statt mit einer Shell-Erweiterung, lohnt sich ein Blick auf Mission Center. Die App wurde kürzlich in Version 1.0 veröffentlicht und setzt auf GTK4 und Libadwaita – optisch modern, funktional umfassend. Ihr seht Prozesse, CPU-Kerne, Speicher, Netzwerk und mehr – alles in einem übersichtlichen Fenster.

Mission Center eignet sich vor allem dann, wenn ihr systematisch nach Engpässen oder ungewöhnlichem Verhalten suchen wollt. Im Unterschied zu den Erweiterungen braucht es dafür ein geöffnetes Fenster – dafür bietet es mehr Tiefe. Wer regelmäßig mit Systemanalysen arbeitet, bekommt hier ein starkes Werkzeug.

Welcher Monitor passt zu euch?

Ob Statistig, TopHat oder Mission Center – alle drei Werkzeuge haben ihre Berechtigung. Statistig ist ideal für alle, die eine minimalistische Anzeige bevorzugen und einfach nur im Blick behalten möchten, ob der Rechner gerade ausgelastet ist. TopHat geht einen Schritt weiter und bietet zusätzliche Einblicke, ohne dabei den schlanken GNOME-Desktop zu stören. Und wer einen vollwertigen Systemmonitor als eigenständige Anwendung sucht, findet mit Mission Center eine moderne Alternative. Rückblickend: Was ist eigentlich aus Conky geworden? Habt ihr den Klassiker noch im Einsatz?

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Was ist Mission Center?

Falls ihr Mission Center noch nicht kennt: Die Anwendung erlaubt es euch, verschiedene Systemressourcen wie CPU, Arbeitsspeicher, Datenträger, Netzwerk und GPU in Echtzeit zu überwachen. Dabei punktet sie mit einer schicken Oberfläche auf Basis von GTK4 und Libadwaita – also perfekt für aktuelle GNOME-Desktops. Besonders gefällt mir der Fokus auf Übersichtlichkeit und Performance: Alle Graphen werden hardwarebeschleunigt gerendert, was die CPU-Belastung minimiert.

Ein paar Highlights der Grundfunktionen:

• Überwachung der CPU-Auslastung pro Kern oder Thread
• RAM- und Swap-Nutzung, inkl. Speicherverteilung
• Datenträger- und Netzwerkaktivität, inkl. Schnittstelleninformationen
• GPU-Auslastung (über NVTOP), inklusive Video-Encoding/Decoding
• Anzeige laufender Prozesse und deren Ressourcenverbrauch
• Kompakte Übersicht für eine reduzierte Ansicht

Was ist neu in Version 1.0?

Mit dem 1.0-Release bekommt Mission Center nicht nur ein rundes Versionsnummern-Upgrade, sondern auch eine Menge sinnvoller Verbesserungen. Die wichtigste: Die Anwendung ist spürbar reaktionsschneller geworden und aktualisiert ihre Anzeigen jetzt deutlich präziser im Takt.

SMART-Daten dank UDisks-Integration

Mission Center 1.0 nutzt jetzt das verbreitete UDisks-Backend, um euch detaillierte Informationen zu euren Festplatten und SSDs zu liefern. Wenn eure Laufwerke SMART (Self-Monitoring, Analysis and Reporting Technology) unterstützen – was bei aktuellen SATA- und NVMe-Geräten üblich ist – seht ihr unter anderem:

• Temperatur
• Betriebszeit
• Fehlerstatistiken
• und mehr

Außerdem könnt ihr Datenträger direkt auswerfen – mit sinnvoller Fehlermeldung, falls etwas nicht klappt. Diese Integration bringt die Ansicht von Speichermedien innerhalb der App deutlich nach vorn und liefert noch einen gewissen Mehrwert gegenüber anderen Systemmonitoring-Tools.

Netzwerk-Nutzung pro Prozess

Endlich könnt ihr auch sehen, welcher Prozess wie viel Netzwerkverkehr verursacht. Diese Funktion setzt allerdings voraus, dass ihr nethogs installiert habt – unter Arch Linux zum Beispiel geht das mit:

$ sudo pacman -S nethogs
$ sudo setcap cap_net_admin,cap_net_raw,cap_dac_read_search,cap_sys_ptrace+pe $(which nethogs)
$ getcap $(which nethogs)

Danach wird in der Prozesse-Ansicht eine neue Spalte für die Netzwerkaktivität eingeblendet – sortierbar, versteht sich. In der aktuellen Version 1.0 fehlt an dieser Stelle noch die Übersetzung.

GPU-Monitoring auf dem Raspberry Pi

Besitzer eines Raspberry Pi 4 oder 5 dürfen sich freuen: Die GPU wird nun (vorausgesetzt, der richtige Kernel ist installiert) über NVTOP erkannt und überwacht. Voraussetzung ist allerdings mindestens Kernel 6.12 mit entsprechender Unterstützung – zum Beispiel in aktuellen Arch- oder Manjaro-Builds für den Pi.

Licht oder Dunkel? Ihr entscheidet!

Nicht jeder mag den systemweiten Dark Mode – oder will vielleicht tagsüber hell und abends dunkel arbeiten. Mission Center 1.0 erlaubt es euch jetzt, unabhängig vom Systemsetting zwischen Light- und Dark-Mode zu wählen.

Außerdem gibt es eine neue Option, die Graphen animiert „gleiten“ zu lassen – optisch hübsch, allerdings mit einem gewissen Performance-Tradeoff. Auf schwächeren Systemen – Mission Center funktioniert beispielsweise auch auf einem Raspberry Pi – solltet ihr die Funktion daher eventuell besser deaktivieren.

Weitere Neuerungen im Überblick

• Anzeige von nicht geladenen Diensten auf der Services-Seite
• Verbesserte Speicherberichterstattung
• Anzeige der Maximal-Bitrate aller Netzwerkinterfaces
• Konfigurierbare Einheiten: Bits vs. Bytes, Basis 2 vs. Basis 10
• Mehr Tastenkombinationen
• Neue Anordnung der Seitenleisten für bessere Übersicht
• Überarbeitete App- und Prozessseite mit mehr Informationen

Mission Center installieren

Mission Center ist freie Software und für verschiedene Linux-Distributionen verfügbar. Die einfachste und empfohlene Installationsmethode ist Flatpak über Flathub:

$ flatpak install flathub io.missioncenter.MissionCenter

Danach könnt ihr die App über den Anwendungsstarter öffnen oder direkt im Terminal mit:

$ flatpak run io.missioncenter.MissionCenter

Wer beispielsweise das GNOME Software Center nutzt, kann das Flatpak natürlich auch per Mausklick auf seinem System einspielen. Alternativ stehen euch folgende Optionen zur Verfügung:

• Snap Store – für Nutzer von Snap-basierten Systemen wie Ubuntu
• AppImage – portabel, keine Installation erforderlich

Der Quellcode ist offen und auf der Projektseite bei GitLab frei einsehbar.

Gute Alternative zum Systemmonitor

Natürlich gibt es unter Linux viele Monitoring-Tools – htop oder glances im Terminal, der GNOME Systemmonitor oder das neue Resources, um nur ein paar zu nennen. Aber Mission Center sticht für mich durch seine Kombination aus moderner Oberfläche, sinnvoller Funktionsvielfalt und guter Performance hervor. Die Nähe zum Windows-Taskmanager-Layout mag polarisieren – ich finde, das ist pragmatisch und benutzerfreundlich gelöst. Vor allem aber: Die App ist vollständig Open Source, aktiv entwickelt und fügt sich perfekt in den modernen GNOME-Desktop ein.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Netdata ist freie Software und wird aktuell sehr aktiv vorangetrieben. Das Projekt gehört seit Wochen zu den Trending-Repos auf Github. Aktuell lässt es sich jedoch noch nicht aus den Paketquellen der gängigen Distributionen installieren. Anwender mit Arch-Linux auf dem Rechner können es jedoch aus dem AUR relativ leicht einspielen (Wer der Entwicklung folgen möchte, kann alternativ auf die Git-Variante zurückgreifen). Anschließend kann man den Dienst entweder per Hand starten oder ihn per Systemd automatisch mit dem Rechner laden lassen. Für Debian/Ubuntu beziehungsweise Centos/Redhat gibt es auf der Homepage eine ausführliche Installationsanleitung. Ich habe sie auf einem RasPi mit Raspbian Jessie getestet.

Netdata unter Arch Linux installieren

$ pacaur -S netdata
### Zum Testen starten
$ sudo netdata   ### (Mit [Strg]+[C] abbrechen
### Als Dienst einrichten
$ sudo systemctl enable netdata.service
$ sudo systemctl start netdata.service

Netdata unter Debian/Ubuntu/Raspbian installieren

$ sudo apt install zlib1g-dev gcc make git autoconf autogen automake pkg-config
$ git clone https://github.com/firehol/netdata.git --depth=1
$ cd netdata
$ sudo ./netdata-installer.sh
[...]
Uninstall script generated: ./netdata-uninstaller.sh

Auf einem Raspberry Pi mit Raspbian meldete das Installationsskript am Ende noch, dass dem RasPi-Kernel Kernel Samepage Merging (alternativ kernel.org dazu) oder kurz KSM fehlen würde. Diese Funktion versucht identische Memory Pages im Arbeitsspeicher zu finden und diese zusammenzuführen, der Entwickler spricht davon, dass sich mit der Funktion etwa 30 Prozent des von Netdata in Anspruch genommenen Arbeitsspeichers einsparen ließen. Ohne den RasPi-Kernel neu zu bauen, wird sich das jedoch nicht lösen lassen. Aktuell gibt es bereits einen Bugreport zu diesem Thema, große Resonanz gab es bisher jedoch nicht.

I see you do not have kernel memory de-duper (called Kernel Same-page
Merging, or KSM) available.

To enable it, you need a kernel built with CONFIG_KSM=y

If you can have it, you will save 20-60% of netdata memory.

Netdata erreicht ihr nach der Installation (unter Debian und den diversen Debian-Derivaten startet der Dienst nach dem Ausführen der Installationsroutine automatisch) auf Port 19999 unter beispielsweise http://127.0.0.1:19999 oder alternativ der IP beziehungsweise unter dem Namen des jeweiligen Rechners, also etwa http://raspberrypi:19999. Das Programm muss nicht weiter eingerichtet werden, es zeigt sämtliche Informationen an, die es aus dem System extrahieren kann. Über die Seitenleiste springt ihr direkt zu den einzelnen Übersichten. Die Graphen könnt ihr per Drag&Drop verschieben, oder mittels gedrückter Shift-Taste Ausschnitte vergrößern. Auf Smartphones oder Tablets funktionieren Pinch&Zoom-Gesten.

Insgesamt wirkt Netdata wirklich durchdacht und sehr gut umgesetzt, besonders die Installation fällt leicht, da weder ein Webserver und Datenbanken aufgesetzt noch irgendwelche Konfigurationen vorgenommen werden müssen: Netdata ist quasi eine Fire-and-Forget-Lösung für Systemmonitoring. Das Programm selbst nimmt dabei relativ wenig Systemressourcen in Anspruch, sodass es auch auf einem Raspberry Pi gut funktioniert. Kleiner Tipp am Rande: Netdata gibt es auch für Synology-NAS-Systeme: Auf diesen muss man das Programm aus der Syno-Community installieren und dann noch ein paar Abhängigkeiten von Hand auflösen.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Pi Control stammt von Willy Fritzsche, der euch auf Willy’s Technik-Blog über das Programm informiert. Die Installation des Monitoring-Skripts funktioniert dank eines kleinen Installers recht leicht, allerdings gibt es unter Raspbian ein paar Vorarbeiten zu erledigen. Zum einen braucht ihr natürlich einen Webserver zur Darstellung der Daten, zum anderen benötigt Pi Control einen funktionsfähigen Root-Account. Verpasst daher zum Einstieg erst einmal Root ein Passwort und installiert dann einen Webserver mitsamt PHP. Für meinen Test habe ich den leichtgewichtigen Lighttpd gewählt.

Lighttpd mit PHP unter Raspbian einrichten

$ sudo apt-get install lighttpd php5-cgi php5-fpm php5-mcrypt libssh2-1-dev libssh2-php
$ sudo lighty-enable-mod fastcgi
$ sudo lighty-enable-mod fastcgi-php
$ sudo service php5-fpm restart
$ sudo service lighttpd force-reload
$ sudo passwd root

Danach könnt ihr euch mit Wget den Installer aus dem Netz herunterladen und ihn direkt im Terminal ausführen. Im Installer gebt ihr dann den von euch genutzten Webserver an, verratet dem Skript, wo es die Daten ablegen soll und gebt abschließend den Ordner für Pi Control an, unter dem ihr dann am Ende auch die Webapp aufrufen könnt. Üblicherweise solltet ihr die Vorgaben einfach unverändert übernehmen können.

Pi Control speichert das Root-Passwort zwar verschlüsselt unter /var/www/pic/ressources/config/config_ssh.php ab, doch mit dem geeigneten Wissen lässt sich aus dem gespeicherten Schlüssel wieder auf das Root-Passwort zurückrechnen. Ich würde daher Pi Control nur auf RasPis installieren, auf denen keine kritischen Funktionen laufen und ein individuelles Root-Passwort verwenden.

Nach Abschluss der Installation müsstet ihr Pi Control über http://raspberrypi/pic oder unter http://ip-adresse/installationsordner aufrufen können — Die IP des RasPi und den Pfad müsst ihr selbstverständlich an eure Installation anpassen. Ein kleiner Einrichtungsassistent klärt danach, ob euer System alles Nötige mitbringt und fragt auch das Root-Passwort ab. Dieses braucht Pi Control, um systemnahe Daten auslesen oder den RasPi über die Weboberfläche herunterfahren oder neu starten zu können.

$ wget http://picontrol.willy-tech.de/picontrol_installer
$ sudo bash picontrol_installer

Pi Control zeigt euch nun die für das Monitoring relevanten Daten wie CPU-Takt, Auslastung oder die Temperatur in der Übersicht an, darunter findet ihr Informationen zu den via USB an den RasPi angeschlossenen Geräten. Mit einem Klick auf Mehr anzeigen kommt ihr zu einer Übersicht mit weiteren Details. Über die seitlich im System-Widget angeordneten Buttons könnt ihr euren Raspberry Pi über den Browser gesteuert herunterfahren oder neu starten.

Monitoring für den Raspberry Pi

Im Reiter Netzwerk bekommt ihr Informationen zum kabelgebundenen Netzwerk des Raspberry Pi. Hängt ein zusätzlicher USB-WLAN-Adapter an eurem RasPi, dann zeigt Pi Control auch diesen mitsamt der in der Nähe gefundenen drahtlosen Netzwerke an. Tippt ihr auf eine der erkannten WLAN-SSIDs, dann habt ihr die Möglichkeit, die Zugangsdaten einzugeben und die Verbindung aufzubauen — in meinem Test meldet Pi Control allerdings, dass die IP-Adresse nicht abgerufen werden konnte.

Der Aufbau der Statistiken braucht am Anfang ein wenig Zeit. Sind genug Daten zusammengekommen, könnt ihr hier den Verlauf der CPU-Taktrate, der Auslastung und der Netzwerkschnittstellen eures mit Raspbian installierten Raspberry Pi in schicken HTML5-Charts herauslesen. Über Schieberegler unter jedem Graphen lässt sich der anzuzeigende Bereich auswählen. Pi Control lässt sich zudem mit Plugins um weitere Funktionen ergänzen, so könnt ihr zum Beispiel Status-Informationen einer Fritz!Box abrufen, die Cron-Jobs des Raspbian-Systems über Pi Control steuern oder Luftdruck und Temperatur über den GPIO auslesen oder das Webcam-Programm Motion in die Weboberfläche integrieren.

Neben der Weboberfläche hat Pi Control auch eine Android-App im Programm, mit der ihr die gesamte Funktionalität der Weboberfläche (bis auf die Plugins) in einer schicken App im aktuellen Material Design Androids präsentiert bekommt. Wie gewohnt findet ihr die Anwendung im Google Play Store, ihr könnt sie kostenlos installieren, allerdings liegt der Quellcode wohl nicht offen. Damit ihr über die App eine Verbindung aufbauen könnt, müsst ihr die komplette URL zu eurer Pi-Control-Installation angeben und nicht einfach nur die IP eures RasPis. Anschließend dürfte die Bedienung der Anwendung eigentlich selbsterklärend sein.

Alles in allem ist Pi Control ein richtig nettes und mit viel Liebe zum Detail gemachtes Projekt zum Monitoring eines Raspberry Pi. Von der gut gemachten Weboberfläche, bis hin zur mit aktueller Android-Technik gemachten App, gibt es an Pi Control wenig auszusetzen. In meinen Augen sollte allerdings ein Authentifizierungs-Mechanismus nachgerüstet werden. Wer nicht möchte, dass jeder Teilnehmer aus dem Netzwerk Pi Control und somit den RasPi ohne Zugangsdaten steuern kann, der kann allerdings auch eine Htaccess-Abfrage vor die Webseite schalten, ich vermute, dass dann allerdings die App nicht mehr mit Pi Control sprechen kann.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Das JuiceSSH Performance Plugin ist eine kleine Erweiterung für den leistungsfähigen JuiceSSH-Client für Android, den ich auch hier im Blog schon öfters mal angesprochen habe. Generell ist der Client schon alleine für seinen Mosh-Support zu empfehlen, so lässt sich auch über eine wacklige UMTS- oder LTE-Verbindung zuverlässig per Shell auf einem entfernten Server arbeiten. Das Plugin installiert sich nun als eigene App auf dem Handy, nutzt aber die in JuiceSSH konfigurierten Verbindungen. So muss man nur im Kopf der App seinen Server auswählen und dann unten auf Connect tippen. Das Plugin baut daraufhin die Verbindung zum Server auf und frägt über gewöhnliche Linux-Befehle die Systemdaten ab.

In der App-Beschreibung schreibt der Entwickler, dass die App mit Ubuntu und Red Hat Enterprise Linux getestet wurde, bei mir funktioniert sie jedoch auch ohne Probleme mit einem Vserver mit Debian Wheezy und zwei Workstations mit Arch Linux bzw. Antergos. Da das JuiceSSH Performance Plugin eben die Ausgaben normaler Linux-Befehle wie cat /proc/stat oder df | grep / auswertet, sollte die App eigentlich auch mit anderen Linux-Distributionen problemlos zusammenarbeiten. Solltet ihr euch für den Code interessieren, so könnt ihr einen Blick in den GitHub des Entwicklers werfen, das JuiceSSH Performance Plugin steht unter der Apache License 2.0.

//Update 19.08.2014: Beim Schreiben des Artikels hatte ich noch vergessen zu erwähnen, dass das JuiceSSH Performance Plugin nur mit einer SSH-Verbindung funktioniert. Wer eine Verbindung zu einem Server über das Mosh-Protokoll eingerichtet hat, der muss zusätzlich noch ein Profil mit SSH als Protokoll erstellen, erst dann baut das Plugin die Verbindung auf.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Auf der Homepage von Inxi gibt es einen Wiki-Eintrag, der die Installation des Programms unter Debian, Ubuntu, Arch Linux und Co. beschreibt. Wichtig anzumerken ist, dass ihr Inxi bei aktuellen Debians und Ubuntus nicht aus einem PPA heraus installieren müsst, das Programm steckt in den normalen Paketquellen. Auch unter Arch müsst ihr nicht lange im AUR suchen, Inxi gibt es ganz ohne Komplikationen direkt über Pacman. Von daher gebe ich für Faule nur die entsprechenden Installationsbefehle für Ubuntu/Debian und Arch an. Bei Arch würde ich gleich das Paket glxinfo mitinstallieren, damit Informationen über die Grafikkarte gesammelt werden können, das Paket steckt allerdings im AUR.

### Inxi unter Debian/Ubuntu installieren
$ sudo apt-get install inxi
### Inxi unter Arch Linux installieren
$ pacaur -S inxi glxinfo

Anschließend ruft ihr Inxi aus dem Terminal heraus auf, am besten schaut ihr euch jedoch vorher einmal mit man inxi die Manpage des Programms an, da Inxi gleich eine ganze Reihe von optionalen Schaltern kennt. Interessant sind hier besonders die Schalter -F für vollständige Ausgaben, -xxx für zusätzliche Informationen und-plu für Angaben zu den Partitionen, deren Labels und UUIDs. Die Schalter lassen sich auch aneinanderreihen, so dass sich am Ende eine Syntax von inxi -Fxxxplu ergibt, die von Inxi genutzten Farben erleichtern das Lesen der Ausgabe.

Der Vollständigkeit halber möchte ich euch noch als Alternative zum Terminalprogramm Inxi auf das Hardwareinfo-Tool mit grafischer Oberfläche I-Nex hinweisen. Von der Optik ähnelt I-Nex stark dem Vorbild CPU-Z (das es inzwischen ja auch für Android, aber weiterhin nicht für Linux gibt) oder dessen Linux-Klon CPU-G, allerdings ist die Entwicklung von I-Nex noch recht jung. Installiert wird das in Gambas, also mit BASIC, geschriebene Tool über ein vom Entwickler bereitgestelltes PPA, auf der Homepage findet ihr Installationshinweise für zahlreiche verschiedene Distributionen, daher beschränke ich mich hier auf Arch Linux und Ubuntu.

### I-Nex unter Ubuntu installieren
$ sudo add-apt-repository ppa:i-nex-development-team/stable
$ sudo apt-get update && sudo apt-get install i-nex
### I-Nex unter Arch aus dem AUR installieren
$ pacaur -S i-nex-git libcpuid-git

Anschließend startet ihr I-Nex aus eurer Desktopumgebung heraus. In diverse Reiter sortiert, liefert I-Nex Informationen zur im Rechner verbauten CPU, GPU, dem Mainboard, Soundkarte usw. Dabei greift I-Nex natürlich auf die Informationen zurück, die eben das System von Haus aus liefert. Allerdings lassen sich die Infos in einer grafischen Umgebung ein wenig besser erfassen. Für ausführliche Informationen zum System würde ich jedoch definitiv zu Inxi raten. Ich finde das Tool auch für Foren recht praktisch. Wer Probleme mit seiner Hardware hat, der kann so den Foristen auf einen Schlag zig Informationen zu seinem System liefern.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Glances 2.0 findet ihr bei Debian oder Ubuntu aktuell noch nicht in den Paketquellen, das Update wurde ja erst heute Morgen freigegeben. Anstatt auf DEB-Dateien oder PPAs zu warten, kann man die Anwendung aber auch ganz simpel über den Python-Package-Manager PIP installieren.

Arch-User müssen sich dagegen nicht unnötig lange in Geduld üben, das Paket wurde in den Arch-Paketquellen schon entsprechend aktualisiert. Für die Web-Ansicht muss man generell neben Glances noch das Python Web Framework Bottle auf dem Rechner installieren.

Glances unter Debian/Ubuntu installieren

$ sudo apt-get install python-pip python-dev
$ sudo pip install glances bottle

Glances unter Arch installieren

$ sudo pacman -S glances python-bottle

Anschließend ruft man Glances ganz klassisch, per SSH auf seinem Server eingeloggt, mit dem Kommando glances auf. Neu in Glances 2.0 ist nun aber eine Web-Ansicht, die auch gut auf dem Handy-Browser funktioniert, so kann man sich Glances für Android sparen. Für diese muss man nicht extra einen Webserver installieren, Glances kann mit Hilfe des Python Web Framework Bottle selber als Webserver fungieren. Um den Webmodus zu starten, müsst ihr Glances mit der Option -w aufrufen.

$ glances -w
Bottle v0.12.7 server starting up (using WSGIRefServer())...
Listening on http://0.0.0.0:61208/
Hit Ctrl-C to quit.

Anschließend kann man Glances über http://localhost:61208 erreichen — Alternativ natürlich über die IP des Rechners im LAN und bei einer entsprechenden Portweiterleitung selbstverständlich auch auch aus dem Internet. Wer Glances für die Web-Ansicht als Dienst laufen lassen möchte, der findet hier ein Init-Skript, das sich unter Debian und Ubuntu für diese Aufgabe leicht anpassen lässt.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Auf Systemen mit Debian oder Ubuntu lässt sich PhpSysInfo aus den Paketquellen schnell installieren, aber auch andere Distributionen führen das PHP-Skript in ihren Paketquellen. Mehr als das Tool aus den Paketquellen zu holen und ins Verzeichnis des Webservers zu verlinken ist eigentlich nicht zu tun. Wer PhpSysInfo „richtig“ installieren möchte, kann dem Skript natürlich auch eine eigene Subdomain oder ähnliches spendieren, aber das bekommt ihr sicherlich auch ohne mich hin

$ sudo apt-get install phpsysinfo
$ ln -s /usr/share/phpsysinfo /var/www/

Alternativ lassen sich die aktuellen Releases auch per Hand vom Github des Projekts laden. Zur Installation muss man das Skript lediglich nach /var/www entpacken und die Rechte so setzen, dass der Webserver auf die Daten zugreifen kann. Eine aktuelle Version des Skripts ist etwa dann nötig, wenn man mit PSIAndroid auf seine PhpSysInfo-Installation zugreifen möchte. So macht man PhpSysInfo fit fürs Handy, da die Webansicht leider noch nicht für die Darstellung auf mobilen Browser vorbereitet ist.

Mit linux-dash gibt es jedoch seit Oktober letzten Jahres eine etwas moderner gestaltete Alternative zu PhpSysInfo, die sich inzwischen recht gut entwickelt hat. Wie auch PhpSysInfo muss linux-dash einfach nur auf den Webspace gepackt werden. Als einzige Abhängigkeiten braucht es einen Webserver und PHP5, was sowieso klar sein sollte, sowie php5-json als zusätzliches Paket, anschließend kann man das Skript direkt im Webserver aufrufen. Aufgrund des responsiven Layouts braucht es für linux-dash auch nicht zwingend eine Handy-App, das Skript macht auch direkt im Handy-Browser eine ordentliche Figur.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.

Dafür aber haben sich die Entwickler von CPU-Z dran gemacht ihr kleines Tool auf Android umzusetzen. Seit kurzer Zeit findet ihr das kleine Tool als App im Play Store. Mächtig viel gibt es auf einem Androiden natürlich nicht zu entdecken, zudem merkt man der Anwendung noch den Beta-Status an — auf meinem Galaxy Nexus wird zum Beispiel die Display-Größe nicht korrekt angegeben — doch die Live-Ansicht der Sensoren ist durchaus interessant.

☕ Linux und Ich unterstützen
Danke, dass du Linux und Ich liest. Wenn dir das Blog gefällt und du meine Arbeit unterstützen möchtest, findest du weitere Informationen auf der Blogspende-Seite.