Gut-Sync 技术文档
2024-12-29 21:13:38作者:柏廷章Berta
本文档将详细介绍如何安装、使用以及配置 Gut-Sync 项目,帮助用户更好地理解和运用这个实时双向文件夹同步工具。
1. 安装指南
通过 curlbash 安装
如果不考虑安全性,可以尝试运行以下命令:
bash -c 'S="3bceab0bdc63b2dd7980161ae7d952ea821a23e693cb74961b0d41f61f557489";T="/tmp/gut.sh";set -e;wget -qO- "https://www.tillberg.us/c/$S/gut-1.0.3.sh">$T; echo "$S $T"|shasum -a256 -c-;bash $T;rm $T'
此命令将下载并安装正确的 gut Go 二进制文件到 /usr/local/bin/gut。
从源码安装
要从源码安装,首先需要安装 Go 编译器(版本 1.4 或更高)。Go 安装文档是一个很好的起点,如果您还没有设置 Go。
安装 Go 后,还需要设置您的 GOPATH。您可能只想使用默认设置:
export GOPATH=$HOME/go
export PATH=$PATH:$GOPATH/bin
然后运行以下命令安装 Gut-Sync:
go get github.com/tillberg/gut
默认情况下,Gut-Sync 将下载(并验证)预编译的二进制文件。您可以选择从源码构建这些文件,但需要相同的依赖(如 build-essentials、autoconf 等),这需要使用 --build-deps 参数。
2. 项目的使用说明
假设您想创建一对链接文件夹,本地为 ~/work,远程服务器为 username@my.server.com:~/work2。打开终端并运行以下命令:
$ gut sync ~/work username@my.server.com:~/work
此命令将在本地 ~/work 中设置 Gut 仓库,并将其克隆到远程服务器上的 ~/work2 目录,然后开始监视两端的文件系统变化。
在另一个终端中,您可以测试 Gut 的同步功能:
$ cd ~/work
$ git clone https://github.com/tillberg/gut.git
$ cd gut
$ rm util_test.go
$ git add . --all
$ git commit -m 'made all tests pass'
然后切换到另一台主机并查看更改。
$ cd ~/work2/gut
$ git log --stat
# ... <- 您应该能看到刚刚提交的更改
$ gut log --stat
# ... <- 您应该能看到 *所有* 文件更改记录,包括在 ~/work2/gut/.git/ 中的更改
3. 项目API使用文档
Gut-Sync 使用 Git 作为底层同步机制,因此大多数 Git 命令都可以在 Gut 仓库中使用。例如:
$ gut init # 初始化 Gut 仓库
$ gut add . # 添加更改的文件到暂存区
$ gut commit -m '提交信息' # 提交更改
$ gut log # 查看提交历史
请注意,Gut-Sync 使用了修改版的 Git,名为 Gut,以便能够遍历 .git 文件夹。
4. 项目安装方式
项目安装方式已在上述“安装指南”部分详细描述。
- 通过 curlbash 安装:使用上述提供的 curlbash 命令。
- 从源码安装:通过设置 GOPATH 和安装 Go 编译器,然后运行
go get github.com/tillberg/gut。
以上即为 Gut-Sync 的安装、使用和配置指南。希望这份文档能帮助您更好地使用 Gut-Sync 实现实时双向文件夹同步。
登录后查看全文
热门项目推荐
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 StartedRust0191
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 Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220