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。
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