gDHT 的安装和配置教程
项目基础介绍
gDHT 是一个分布式的自托管 DHT (分布式哈希表) 资源搜索套件,它允许用户托管自己的资源搜索引擎。该项目主要由四个主要组件构成:爬虫 (crawler)、服务器 (server)、ElasticSearch 和前端网页 (web)。分布式爬虫会监控 DHT 网络上的流量,收集资源的元信息,然后通过 gRPC 将收集到的信息发送到服务器。服务器接收到信息后,会将它们推送到 Redis 消息队列,并异步处理(例如过滤不需要的资源)然后将它们索引到 ElasticSearch 中。最终,用户可以在 React 网页界面上搜索资源信息。
项目主要编程语言
该项目主要使用 Go 语言进行开发,同时使用了 CSS、JavaScript、HTML 和 Dockerfile。
项目使用的关键技术和框架
- DHT (分布式哈希表):一种用于分布式系统的信息查询技术。
- gRPC:Google 开发的用于替代 RESTful API 的高性能、跨语言的 RPC 框架。
- Redis:一个开源的使用 ANSI C 编写的内存数据结构存储系统,用作数据库、缓存和消息中间件。
- ElasticSearch:一个基于 Lucene 构建的开源搜索引擎,用于全文搜索和分析。
- React:Facebook 开发的一个用于构建用户界面的 JavaScript 库。
项目安装和配置的准备工作
在开始安装之前,请确保您的系统中已安装以下软件:
- Docker:用于容器化应用。
- Docker Compose:用于定义和运行多容器 Docker 应用。
详细安装步骤
-
克隆项目
首先,您需要在本地克隆项目仓库:
git clone https://github.com/Olament/gDHT.git cd gDHT -
配置环境变量
在
docker-compose.yml文件中,配置 Nginx 的域名变量YOURDOMAIN.COM为您的实际域名。# 示例配置 environment: URL: yourdomain.com同时,为爬虫配置服务器地址
address:# 示例配置 crawler: environment: address: master-server-ip-address:50051 -
配置 ElasticSearch 用户
根据文档中的说明,您需要在 ElasticSearch 中创建两个用户:
web和crawler。确保crawler用户具有读写索引的权限,web用户具有读索引的权限。 -
配置前端用户认证
在
web/src/.env文件中,配置REACT_APP_USERNAME和REACT_APP_PASSWORD为您的 ElasticSearchweb用户名和密码。 -
构建并启动服务
使用以下命令构建并启动服务:
docker-compose build docker-compose up
完成以上步骤后,您的 gDHT 应该已经成功运行,您可以通过配置的域名访问网页界面进行资源搜索。
请注意,这些步骤提供了一个基本的安装指南,具体配置可能需要根据您的环境进行适当调整。
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