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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00