TiUP - 钛云集群组件管理工具指南
项目介绍
TiUP 是由 PingCAP 开发的一款命令行组件管理工具,它简化了 TiDB 生态系统中不同组件的管理和部署流程。自 TiDB 4.0 版本起,TiUP 成为了 TiDB 平台的核心组成部分之一,提供了一种更高效的方式去安装、更新、卸载及管理 TiDB 的多个组件。
TiUP 工具通过统一接口访问多种 TiDB 组件,如 TiDB 数据库服务器、TiKV 键值存储引擎、PD (Placement Driver) 调度器等,让部署、维护 TiDB 集群变得轻松且标准化。
快速启动
要开始使用 TiUP,首先确保你的环境中已经安装了 curl 和必要的网络访问权限。接下来执行以下命令来安装 TiUP:
curl --proto '=https' --tlsv1.2 -sSf https://tiup-mirrors.pingcap.com/install.sh | sh
这将把 TiUP 安装到 $HOME/.tiup 目录下。为了方便使用,我们还需要将 TiUP 的二进制文件路径添加到环境变量 PATH 中:
echo 'export PATH="$PATH:$HOME/.tiup/bin"' >> ~/.bashrc
source ~/.bashrc
现在你可以运行以下命令检查 TiUP 是否正确安装:
tiup --version
该命令应该显示 TiUP 当前版本的信息。
应用案例和最佳实践
创建 TiDB 集群
TiUP 提供了一个简单的方式来创建和配置一个全新的 TiDB 集群。假设你想在一个本地测试环境中设置一个 TiDB 集群,可以使用下面的命令:
tiup cluster deploy <cluster-name> <node-count> [options]
例如,创建一个名为 my-cluster 包含三个节点的 TiDB 测试集群:
tiup cluster deploy my-cluster 3 --data-dir=/var/lib/tidb
在集群创建完成后,你可以使用 tiup cluster status 命令来监控集群的状态:
tiup cluster status my-cluster
更新和升级组件
随着时间推移,TiDB 及其组件可能会推出新的版本以修复安全漏洞或性能改进。使用 TiUP 升级这些组件非常容易:
tiup update --all
上述命令将更新所有已安装的 TiDB 组件至最新版本。
典型生态项目
TiUP 不仅限于对 TiDB 核心组件的操作,它还支持一系列围绕 TiDB 生态系统的附加工具和项目。以下是部分典型生态项目:
- TiDB Operator —— 使用 Kubernetes 部署和管理 TiDB 集群。
- TiDB Data Migration —— 实现数据从其他数据库迁移至 TiDB 的自动化工具。
- TiDB Lightning —— 大规模数据导入工具,能够高速地将大量数据加载入 TiDB。
- Dumpling —— TiDB 的数据导出工具。
- TiCDC —— 提供变更数据捕获(CDC)功能,用于实时同步 TiDB 数据变化至外部系统。
- TiDB Binlog —— 记录并回放 TiDB 操作日志,适用于数据恢复场景。
以上生态项目的集成与使用均可借助 TiUP 进行操作,进一步丰富和扩展了 TiDB 的应用场景和能力范围。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00