Apache Gravitino™ (孵化中): 高性能地理分布式的元数据湖指南
目录结构及介绍
当你克隆或下载了apache/gravitino仓库后, 你会看到以下主要目录和文件:
bin
此目录包含了用于管理Gravitino服务的脚本文件. 具体包括:
gravitino.sh: 此脚本用于启动(使用start命令), 停止(使用stop命令), 或运行在前端模式下(使用run命令). 若要停止服务运行在前端模式时, 可以通过按下CTRL + C来实现.
LICENSE
这是一个许可证文件, 指明Apache Gravitino遵循的是Apache License 2.0许可版本.
MAINTAINERS.md
此文件提供了负责维护Gravitino的主要贡献者列表以及他们各自的责任范围.
NOTICE
这是一份声明文件, 列出了所有外部软件包及其各自的版权和许可信息.
README.md
这是项目的主读取我文件. 它提供了项目的一般信息, 如简介, 架构概述以及快速入门说明等.
ROADMAP.md
描述了项目未来的发展路线图, 包括即将进行的功能改进, 技术革新和其他重要事项.
SECURITY.md
提供关于如何报告安全问题的信息, 并且阐述了Apache Gravitino的安全政策.
build.gradle.kts
构建项目所需的所有Gradle设置都在这个Kotlin DSL文件中定义.
settings.gradle.kts
用于定义子项目和其他相关构建设置的Gradle配置文件.
启动文件介绍
在bin目录下, 主要存在一个关键的Shell脚本gravitino.sh. 这个脚本是用来管理Gravitino服务的生命周期的. 下面是主要使用的三个命令:
-
启动服务: 使用
start作为参数执行gravitino.sh启动服务./bin/gravitino.sh start -
停止服务: 使用
stop作为参数执行gravitino.sh来优雅地停止正在运行的服务./bin/gravitino.sh stop -
运行在前端模式下: 运行
run命令来启动服务并保持控制台界面开放. 当需要关闭时, 只需按CTRL + C./bin/gravitino.sh run
配置文件介绍
尽管提供的默认配置足以让Gravitino正常工作, 用户可能需要定制一些属性以适应特定环境的需求. 然而, 根据项目结构显示, 配置文件似乎没有被明确列出在标准目录结构中.
配置一般是在application.properties或application.yml之类的文件中, 而这些通常位于项目的config目录内或者根目录下. 不过, 在当前提供的结构中并没有显示具体的配置文件位置, 因此推荐的做法是参照Gravitino的官方网站或查阅官方文档获取更详细的配置选项和示例.
总体而言, 配置文件可以允许调整Gravitino的各种方面, 包括但不限于数据库连接字符串、缓存策略、安全性配置等等. 对于不同的部署场景, 修改对应的配置是非常必要的, 以确保Gravitino能够正确地集成到现有的系统架构中并且满足性能要求.
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 StartedRust0199
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07