Kindling 项目安装与使用指南
2024-09-27 21:36:22作者:郜逊炳
1. 项目目录结构及介绍
Kindling 项目的目录结构如下:
kindling/
├── collector/
├── deploy/
├── docs/
├── grafana-plugins/
├── probe/
├── .gitignore
├── .gitmodules
├── CHANGELOG.md
├── CODE_OF_CONDUCT.md
├── CONTRIBUTING.md
├── LICENSE
├── Makefile
├── README.md
目录介绍
- collector/: 包含收集器相关的代码和配置文件。
- deploy/: 包含项目的部署脚本和配置文件。
- docs/: 包含项目的文档,如安装指南、使用手册等。
- grafana-plugins/: 包含与 Grafana 插件相关的代码和配置文件。
- probe/: 包含探针相关的代码和配置文件。
- .gitignore: Git 忽略文件列表。
- .gitmodules: Git 子模块配置文件。
- CHANGELOG.md: 项目变更日志。
- CODE_OF_CONDUCT.md: 项目行为准则。
- CONTRIBUTING.md: 项目贡献指南。
- LICENSE: 项目许可证文件。
- Makefile: 项目构建文件。
- README.md: 项目介绍和基本使用说明。
2. 项目启动文件介绍
Kindling 项目的启动文件主要位于 deploy/ 目录下,具体包括:
- deploy/kindling-agent.yaml: 用于部署 Kindling Agent 的 Kubernetes YAML 文件。
- deploy/kindling-collector.yaml: 用于部署 Kindling Collector 的 Kubernetes YAML 文件。
启动步骤
-
部署 Kindling Agent:
kubectl apply -f deploy/kindling-agent.yaml -
部署 Kindling Collector:
kubectl apply -f deploy/kindling-collector.yaml
3. 项目配置文件介绍
Kindling 项目的配置文件主要位于 collector/ 和 probe/ 目录下,具体包括:
- collector/config.yaml: 收集器的配置文件,用于定义收集器的参数和行为。
- probe/config.yaml: 探针的配置文件,用于定义探针的参数和行为。
配置文件示例
collector/config.yaml
# 收集器配置示例
collector:
logLevel: info
metrics:
enabled: true
interval: 10s
exporters:
prometheus:
enabled: true
endpoint: "0.0.0.0:9090"
probe/config.yaml
# 探针配置示例
probe:
logLevel: debug
trace:
enabled: true
interval: 5s
network:
enabled: true
protocols: ["tcp", "udp"]
通过以上配置文件,可以灵活调整 Kindling 项目的运行参数,以满足不同的监控需求。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
React Native鸿蒙化仓库
JavaScript
312
365
Ascend Extension for PyTorch
Python
397
474
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
787
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++
902
706
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
360
219
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
814
200
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161
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
124
161