Chef ruby_rbenv Cookbook 技术文档
1. 安装指南
1.1 系统要求
-
Chef版本: 该Cookbook要求Chef 13.0及以上版本。需要注意的是,某些Chef版本(>= 16且< 16.4.41)在git资源中存在一个bug,可能会导致一些失败。如果遇到问题,请尝试使用更高版本的Chef 16。
-
支持的平台:
- Debian及其衍生版本
- Fedora
- macOS(目前未经过测试)
- RHEL及其衍生版本(如RHEL、CentOS、Amazon Linux、Oracle Linux、Scientific Linux)
- openSUSE及openSUSE Leap
1.2 安装步骤
-
安装Cookbook: 你可以通过Chef Supermarket安装该Cookbook。使用以下命令:
chef gem install ruby_rbenv或者在你的Chef环境中添加依赖:
depends 'ruby_rbenv' -
配置rbenv: 在安装完成后,你需要配置
rbenv_system_install或rbenv_user_install资源,以便rbenv知道你想要使用的Ruby版本,并将其安装在系统中。
2. 项目的使用说明
2.1 系统级安装与用户级安装
-
系统级安装: 该Cookbook支持系统级的rbenv安装,但rbenv的维护者不推荐这种方式。你可以通过
rbenv_system_install资源进行系统级安装。 -
用户级安装: 推荐使用
rbenv_user_install资源进行用户级安装。这种方式更为灵活,且符合rbenv的设计初衷。
2.2 macOS系统安装注意事项
macOS系统默认不支持/etc/profile.d目录中的配置文件片段管理。因此,你可能需要手动修改用户配置文件,以确保rbenv的正确使用。
3. 项目API使用文档
3.1 主要资源
- rbenv_gem: 用于管理通过rbenv安装的Ruby版本的gem包。
- rbenv_global: 用于设置全局的Ruby版本。
- rbenv_plugin: 用于管理rbenv插件。
- rbenv_rehash: 用于重新生成rbenv的shim文件。
- rbenv_ruby: 用于安装特定版本的Ruby。
- rbenv_script: 用于在rbenv环境中执行脚本。
- rbenv_system_install: 用于系统级的rbenv安装。
- rbenv_user_install: 用于用户级的rbenv安装。
3.2 示例
以下是一个简单的示例,展示如何使用rbenv_user_install和rbenv_ruby资源:
rbenv_user_install 'myuser'
rbenv_ruby '2.7.2' do
user 'myuser'
end
rbenv_global '2.7.2' do
user 'myuser'
end
4. 项目安装方式
4.1 通过Chef Supermarket安装
你可以通过Chef Supermarket直接安装该Cookbook,命令如下:
chef gem install ruby_rbenv
4.2 在Chef环境中添加依赖
在你的Chef环境中,可以通过在metadata.rb文件中添加依赖来使用该Cookbook:
depends 'ruby_rbenv'
4.3 手动安装
你也可以从GitHub仓库中克隆该Cookbook,并将其手动添加到你的Chef环境中:
git clone https://github.com/sous-chefs/ruby_rbenv.git
结语
本文档详细介绍了Chef ruby_rbenv Cookbook的安装、使用及API文档。通过本文档,用户可以快速上手并深入了解该项目的使用方法。如果你有任何问题或建议,欢迎通过GitHub Issues进行反馈。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00