DevStack 技术文档
1. 安装指南
DevStack 是一套脚本和实用程序,用于快速部署 OpenStack 云环境。以下是在 Ubuntu 或 Fedora 环境中安装 DevStack 的步骤:
-
确保您的系统是干净的 Ubuntu 或 Fedora 环境。
-
克隆 DevStack 仓库到您的机器上:
git clone https://github.com/openstack-dev/devstack.git cd devstack -
根据需要,切换到特定版本的分支(例如稳定版):
git checkout stable/diablo -
创建并编辑
localrc文件以覆盖默认环境变量。 -
运行
stack.sh脚本:./stack.sh -
请确保在运行脚本之前仔细阅读
stack.sh以及您将要执行的任何其他脚本,因为它们会安装软件并可能更改您的网络配置。
2. 项目使用说明
安装完成后,您可以访问 OpenStack 的端点:
- Horizon:
http://myhost/ - Keystone:
http://myhost:5000/v2.0/
要使用命令行与您的云交互,您需要先加载环境文件:
source openrc
然后,您可以使用以下命令:
nova list
如果您希望使用 EC2 API,您可以使用以下命令生成凭证并设置环境:
source eucarc
然后使用 EC2 API 列出实例:
euca-describe-instances
3. 项目 API 使用文档
DevStack 本身并不提供特定的 API,但它部署了 OpenStack,后者具有丰富的 API。您可以使用 OpenStack 的官方文档来了解和使用这些 API。
4. 项目安装方式
DevStack 提供了几种安装和配置选项:
-
自定义环境变量:通过创建
localrc文件,您可以覆盖stack.sh脚本中使用的环境变量,以调整网络配置等。 -
数据库后端:DevStack 支持多种数据库后端,包括 MySQL 和 PostgreSQL。在
localrc文件中设置相应的变量来选择数据库:use_database postgresql -
RPC 后端:DevStack 支持多种 RPC 后端,包括 RabbitMQ、Qpid 和 ZeroMQ。您可以在
localrc文件中选择一个后端。 -
Swift:Swift 默认不安装,但您可以通过在
localrc文件中添加以下行来轻松启用它:enable_service swift -
Swift3:如果您需要 Swift 3 兼容性,可以通过添加以下行来启用 swift3 中间件:
ENABLED_SERVICES="$ENABLED_SERVICES,-rabbit,-qpid,swift3"
通过以上步骤,您可以轻松部署和使用 DevStack,从而开始您的 OpenStack 开发工作。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00