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。
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
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
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01