PSICK 技术文档
本文档将详细介绍如何安装、使用以及通过 API 操作 PSICK(Puppet Systems Infrastructure Construction Kit)项目。
1. 安装指南
首先,您需要克隆 PSICK 仓库到本地:
git clone https://github.com/example42/psick
cd psick
./psick create
psick 命令当前仅允许创建新的控制库,并填充其内容为最简结构或完整的 PSICK 内容。在未来,它将提供选择单一组件(集成、配置文件等)的功能。
2. 项目的使用说明
创建完控制库后,您可以开始使用它。如果选择复制完整的 PSICK 内容到您的控制库,您可以在自己的控制库目录下运行以下命令,否则在 PSICK 目录下运行。
以下适用于文档中引用的所有脚本和路径,但请注意,一些位于 bin/ 目录和其他集成中的脚本在不完整的 PSICK 设置下可能无法正确运行。
设置 Puppet 环境
PSICK 控制库需要 Puppet 4 或更高版本。如果尚未安装,可以使用以下跨操作系统 Puppet 4 安装脚本(使用官方 Puppet 仓库):
sudo bin/puppet_install.sh # 仅在未安装 Puppet 4 的情况下
在开始使用之前,您需要填充控制库的 modules/ 目录。您需要在开发工作站和 Puppet 服务器上执行此操作(将控制库放置到 /etc/puppetlabs/code/environments/ 目录下后)。
为了安装必需的 gems(hiera-eyaml、deep_merge、r10k)并通过 r10k 填充外部模块目录,可以运行:
bin/puppet_setup.sh # 仅在未安装必要 gems 的情况下
如果已经安装了 r10k 和必要 gems,只需运行:
r10k puppetfile install -v
如果您还想安装推荐的(Vagrant、Docker)工具,可以与仓库一起使用,运行:
bin/setup.sh # 仅在需要安装 Vagrant 和 Docker 的情况下
脚本将安装并运行 r10k,然后使用 Puppet 安装其他软件。
注意:
-
您将始终被要求确认或跳过每个步骤。
-
脚本将使用
sudo执行需要 root 权限的操作。 -
脚本主要在 Mac 和 Linux 环境下进行了测试。在 Mac 上,某些软件包的安装可能不工作。
-
您可以随时使用 CTRL+C 中断脚本。
-
对于无人值守的设置(如 CI 管道),可以通过传递
auto参数来跳过确认请求:bin/puppet_setup.sh auto bin/setup.sh auto
3. 项目 API 使用文档
PSICK 项目主要通过 Puppet 进行操作,不直接提供 API。但是,它支持多种 CI 解决方案(Gitlab、GitHub、CD4PE...),并且可以通过这些工具的 API 进行集成。
4. 项目安装方式
PSICK 的安装方式已在“安装指南”部分详细说明。以下是简要步骤:
- 克隆仓库。
- 使用
./psick create创建控制库。 - 根据 Puppet 环境安装必要的 gems 和外部模块。
- (可选)安装 Vagrant 和 Docker。
遵循上述步骤,您可以成功安装并开始使用 PSICK 项目。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0138
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00