Yum 项目使用教程
1. 项目介绍
Yum(Yellowdog Updater, Modified)是一个在 Fedora、Red Hat 以及 SUSE 中的 Shell 前端软件包管理器。基于 RPM 包管理,Yum 能够从指定的服务器自动下载 RPM 包并且安装,可以自动处理依赖性关系,并且一次安装所有依赖的软件包,无须繁琐地一次次下载、安装。Yum 提供了查找、安装、删除某一个、一组甚至全部软件包的命令,而且命令简洁而又好记。
2. 项目快速启动
安装 Yum
在基于 Red Hat 的系统上,Yum 通常已经预装。如果没有安装,可以使用以下命令进行安装:
sudo yum install yum
常用命令
以下是一些常用的 Yum 命令:
-
列出所有可更新的软件清单:
yum check-update -
更新所有软件:
yum update -
仅安装指定的软件:
yum install <package_name> -
仅更新指定的软件:
yum update <package_name> -
列出所有可安装的软件清单:
yum list -
删除软件包:
yum remove <package_name> -
查找软件包:
yum search <keyword> -
清除缓存:
yum clean all
3. 应用案例和最佳实践
案例1:自动更新系统
在生产环境中,定期更新系统软件包是确保系统安全性和稳定性的重要步骤。可以使用以下脚本定期执行系统更新:
#!/bin/bash
yum check-update
sudo yum update -y
案例2:安装特定软件包
假设你需要安装一个特定的软件包,例如 nginx,可以使用以下命令:
sudo yum install nginx
最佳实践
- 定期更新:定期执行
yum update以确保系统软件包是最新的。 - 使用缓存:在执行
yum update之前,先执行yum clean all清除缓存,以确保获取最新的软件包信息。 - 依赖管理:Yum 会自动处理软件包的依赖关系,因此在安装或更新软件包时,无需手动处理依赖问题。
4. 典型生态项目
DNF
DNF(Dandified Yum)是 Yum 的下一代版本,旨在解决 Yum 的一些性能和依赖管理问题。DNF 在 Fedora 22 及更高版本中作为默认的包管理器。
RPM
RPM(Red Hat Package Manager)是 Yum 的基础,用于管理 RPM 格式的软件包。RPM 提供了详细的软件包信息和依赖关系,Yum 在此基础上提供了更高级的包管理功能。
EPEL
EPEL(Extra Packages for Enterprise Linux)是一个由 Fedora 社区维护的仓库,提供了许多在 Red Hat Enterprise Linux 中没有的软件包。通过启用 EPEL 仓库,用户可以使用 Yum 安装更多的软件包。
sudo yum install epel-release
通过这些生态项目,Yum 能够提供更强大和灵活的包管理功能,满足不同用户的需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0196
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07