Amazon SSM Agent 安装与使用指南
1. 项目介绍
Amazon SSM Agent(Amazon Systems Manager Agent)是运行在 Amazon EC2 实例、本地服务器或虚拟机(VM)上的软件。它使得 AWS Systems Manager 能够更新、管理和配置这些资源。SSM Agent 处理来自 AWS Systems Manager 服务的请求,并按照请求中的指定配置实例。处理完成后,SSM Agent 通过 Amazon Message Gateway Service (ssmmessages) 将状态和执行信息发送回 AWS Systems Manager 服务。
2. 项目快速启动
2.1 安装 SSM Agent
2.1.1 在 Linux 上安装 SSM Agent
首先,确保你的 Linux 系统满足以下要求:
- 内核版本 3.2 或更高
然后,使用以下命令安装 SSM Agent:
mkdir /tmp/ssm
curl https://s3.amazonaws.com/ec2-downloads-windows/SSMAgent/latest/linux_amd64/amazon-ssm-agent.rpm -o /tmp/ssm/amazon-ssm-agent.rpm
sudo yum install -y /tmp/ssm/amazon-ssm-agent.rpm
sudo systemctl enable amazon-ssm-agent
sudo systemctl start amazon-ssm-agent
2.1.2 在 Windows 上安装 SSM Agent
首先,确保你的 Windows 系统满足以下要求:
- Windows PowerShell 3.0 或更高
然后,使用以下 PowerShell 命令安装 SSM Agent:
mkdir C:\Temp\SSM
Invoke-WebRequest `
-Uri https://s3.amazonaws.com/ec2-downloads-windows/SSMAgent/latest/windows_amd64/AmazonSSMAgentSetup.exe `
-OutFile C:\Temp\SSM\AmazonSSMAgentSetup.exe
C:\Temp\SSM\AmazonSSMAgentSetup.exe /install
Restart-Service AmazonSSMAgent
2.2 配置 IAM 角色
为了使 SSM Agent 能够与 AWS Systems Manager 服务通信,你需要为实例配置适当的 IAM 角色。以下是创建 IAM 角色的步骤:
- 登录 AWS 管理控制台。
- 导航到 IAM 服务。
- 创建一个新的 IAM 角色,并附加
AmazonEC2RoleforSSM策略。 - 将该角色分配给你的 EC2 实例。
3. 应用案例和最佳实践
3.1 远程管理 EC2 实例
SSM Agent 允许你通过 AWS Systems Manager 远程管理 EC2 实例。你可以执行以下操作:
- 远程执行 Shell 脚本
- 安装或更新软件包
- 配置实例设置
3.2 自动化部署和配置
通过 SSM Agent,你可以自动化部署和配置任务。例如,你可以使用 AWS Systems Manager 的自动化文档来执行以下任务:
- 自动更新实例上的软件
- 自动配置网络设置
- 自动备份数据
3.3 安全管理
SSM Agent 还支持 Session Manager,允许你通过浏览器或 AWS CLI 安全地管理 EC2 实例,而无需打开 SSH 端口。
4. 典型生态项目
4.1 AWS Systems Manager
AWS Systems Manager 是一个管理工具集合,允许你自动化操作、管理配置和监控资源。SSM Agent 是 AWS Systems Manager 的核心组件之一。
4.2 AWS Lambda
你可以使用 AWS Lambda 与 SSM Agent 集成,自动执行管理任务。例如,当新实例启动时,Lambda 函数可以自动安装 SSM Agent 并配置实例。
4.3 Amazon CloudWatch
通过 Amazon CloudWatch,你可以监控 SSM Agent 的运行状态和性能指标。你可以设置警报,以便在 SSM Agent 出现问题时及时收到通知。
通过以上步骤,你可以快速启动并使用 Amazon SSM Agent,实现对 EC2 实例、本地服务器和虚拟机的远程管理和自动化配置。
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