pi-delivery 的安装和配置教程
2025-05-21 12:20:45作者:郦嵘贵Just
1、项目的基础介绍和主要的编程语言 pi-delivery 是一个开源项目,它使用 Go 语言编写,并运行在 Google Cloud Functions 上。这个项目是 Google Cloud DevRel 团队为了庆祝 Pi Day 而创建的演示站点。
2、项目使用的关键技术和框架 pi-delivery 使用了多种关键技术和框架,包括:
- Go 语言:用于编写服务器端代码。
- Cloud Functions:Google Cloud Platform 的无服务器计算服务,用于运行 Go 语言编写的代码。
- Terraform:用于管理 Google Cloud Platform 的基础设施配置。
- Firebase Hosting:用于托管前端文件。
3、项目安装和配置的准备工作和详细的安装步骤 准备工作:
- 确保您有一个 Google Cloud Platform 账户,并且已经创建了相应的项目。
- 安装 Yarn、Ruby 和 Firebase CLI。
- 安装 gcloud 命令行工具。
安装步骤:
-
克隆项目仓库:
git clone https://github.com/GoogleCloudPlatform/pi-delivery.git cd pi-delivery -
配置 Google Cloud Functions:
- 设置环境变量:
export PROJECT=your-gcp-project-id export REGIONS=(us-central1 europe-west1 asia-northeast1) export STAGE_BUCKET=your-gcp-bucket export GCF_API_SA=your-gcp-service-account - 部署 staging 环境:
gcloud beta functions deploy api-pi-staging --gen2 --runtime go116 --trigger-http --entry-point Get --source . --stage-bucket=$STAGE_BUCKET --ingress-settings=internal-and-gclb --region=$REGIONS[1] --allow-unauthenticated --service-account=$GCF_API_SA --project=$PROJECT - 部署 production 环境:
for R in $REGIONS; do gcloud beta functions deploy api-pi --gen2 --runtime go116 --trigger-http --entry-point Get --source . --stage-bucket=$STAGE_BUCKET --ingress-settings=internal-and-gclb --region=$R --allow-unauthenticated --service-account=$GCF_API_SA --min-instances=1 --project=$PROJECT done
- 设置环境变量:
-
配置 Terraform:
- 初始化 Terraform:
terraform init - 应用 Terraform 配置:
terraform apply
- 初始化 Terraform:
-
配置 Firebase Hosting:
- 安装 Firebase CLI:
npm install -g firebase-tools - 登录 Firebase:
firebase login - 生成前端文件:
yarn prod - 在本地测试配置:
export PROJECT=your-gcp-project-id firebase emulators:start --project=$PROJECT - 创建预览渠道:
export CHANNEL_ID=preview firebase hosting:channel:deploy $CHANNEL_ID --project=$PROJECT - 发布预览:
firebase hosting:clone $PROJECT:$CHANNEL_ID $PROJECT:live
- 安装 Firebase CLI:
完成以上步骤后,您的 pi-delivery 项目应该已经成功安装和配置。
登录后查看全文
热门项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。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
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
348
413
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++
889
609
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
338
185
暂无简介
Dart
778
193
deepin linux kernel
C
27
11
🎉 (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
1.34 K
758
React Native鸿蒙化仓库
JavaScript
303
357
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
896