Openwsman 技术文档
2024-12-28 15:21:25作者:裴锟轩Denise
1. 安装指南
1.1 环境准备
在编译 openwsman 之前,确保安装以下依赖包:
- libxml2
- sblim-sfcc(来自 sblim 项目)
- swig 和 python(用于 python 绑定支持)
- 其他开发包,如 cmake、gcc 等
1.2 编译与安装
-
从 git 仓库检出项目后,创建一个构建目录:
mkdir build -
切换到构建目录,执行以下命令:
cd build cmake .. make -
若要运行 cmake 的 'release' 模式,请参考
package/openwsman.spec.in文件。 -
根据您的操作系统发行版,可能需要安装一些额外的包。
-
预编译(RPM)包可以在 openSUSE 构建服务 上找到。
2. 项目使用说明
openwsman 是一个 WS-Management 服务器的实现。以下是如何使用该服务器的简要说明:
2.1 服务器运行
服务器可以作为守护进程运行,这需要 root 权限;或者在前台运行,并打印调试信息到 stdout。
-
以调试模式在前台启动服务器:
/usr/sbin/openwsmand -d -
可以使用
-c选项指定配置文件:/usr/sbin/openwsmand -c /path/to/config/file
2.2 配置文件
从版本 0.1.1 开始,需要一个配置文件。可以在 ./etc 目录找到一个示例。配置文件具有以下语法:
[server]
port = 5985
ssl_port = 5986
ssl_cert_file = /etc/openwsman/servercert.pem
ssl_key_file = /etc/openwsman/serverkey.pem
basic_password_file = /etc/openwsman/simple_auth.passwd
enum_idle_timeout = 5000
max_threads = 1
3. 项目 API 使用文档
openwsman 提供了丰富的命令行工具,用于与服务器进行交互。以下是一些基本的命令和使用方法:
3.1 客户端连接
连接到服务器可以使用以下命令:
wsman identify -h <hostname> --port 5988 -u wsman --password secret
3.2 获取信息
获取服务器信息:
wsman enumerate --resource-uri http://schemas.dmtf.org/wbem/wscim/1/cim-schema/2/Win32_OperatingSystem
3.3 创建和更新资源
创建或更新资源:
wsman create --resource-uri http://schemas.dmtf.org/wbem/wscim/1/cim-schema/2/Win32_Process --input process.xml
wsman put --resource-uri http://schemas.dmtf.org/wbem/wscim/1/cim-schema/2/Win32_Process --input process.xml
3.4 删除资源
删除资源:
wsman delete --resource-uri http://schemas.dmtf.org/wbem/wscim/1/cim-schema/2/Win32_Process --uuid <uuid>
4. 项目安装方式
openwsman 可以通过以下方式安装:
- 使用预编译的 RPM 包,可在 openSUSE 构建服务 上找到。
- 从源代码编译,按照上述的编译指南进行操作。
请确保安装所有必要的依赖包,并根据您的系统环境进行适当的配置。
登录后查看全文
热门项目推荐
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
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
578
3.91 K
Ascend Extension for PyTorch
Python
401
481
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
223
暂无简介
Dart
815
201
React Native鸿蒙化仓库
JavaScript
313
365
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++
904
713
🎉 (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
1.4 K
792
昇腾LLM分布式训练框架
Python
123
150
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
160