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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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