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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。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
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00