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
kernelopenEuler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。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
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
19
30