Icecream 项目技术文档
本文档旨在帮助用户安装、使用和理解 Icecream 项目,详细介绍其功能、配置和操作步骤。
1. 安装指南
推荐安装方式
我们建议您使用发行版维护的软件包,如果可能的话。您的发行版应该提供定制的启动脚本,使 Icecream 更好地适应系统的配置。
我们强烈建议您与 Icecream 一起安装 icemon 或 icecream-sundae。
源代码安装
如果您想从源代码安装,请参考源代码包中提供的 README 文件中的说明。
2. 项目的使用说明
要使用 Icecream,您需要以下配置:
- 至少一个运行调度器的机器(运行
./icecc-scheduler -d) - 许多运行守护进程的机器(运行
./iceccd -d)
可以在一个机器上同时运行调度器和守护进程,在另一个机器上只运行守护进程,从而形成一个由两个节点组成的编译集群。
如果您想使用 Icecream 编译,请确保 $prefix/lib/icecc/bin 是您的路径中的第一个条目,例如:
export PATH=/usr/lib/icecc/bin:$PATH
(提示:将此命令放入 ~/.bashrc 或 /etc/profile 中,这样每次都不必重新输入。)
然后,您只需使用 make -j <num> 命令编译,其中 <num> 是您想要并行编译的作业数。
作为一个起点,可以使用逻辑处理器的数量乘以 2,或者如果您的编译集群可以处理所有编译作业,可以设置一个更大的数字。但请注意,过大的数字实际上可能会使构建速度变慢(例如,如果本地机器一次处理的作业比它能处理的更多)。
以下是一个示例:
make -j6
警告: 不要在不受信任的环境中使用 Icecream。如果您必须在这样的网络中使用,请以未特权用户身份运行守护进程和调度器!但您将不得不依赖同质网络(请参阅下文)。
如果您想查看您的 Icecream 编译集群概览,或者只是想获取一些有趣的统计信息,您可能想运行 "icemon"(来自单独的仓库/包)。
使编译集群持久化
如果您重新启动计算机,您仍然希望它在重启后仍然是 Icecream 集群的一部分。请参考您的发行版的文档。如果您使用的是发行版提供的软件包,这应该是自动的(或者是一个简单的配置更改)。
使调度器持久化
通过为守护进程添加 --scheduler-host 选项和为调度器添加 --persistent-client-connection 选项,即使有更好的调度器可用,客户端连接也不会从调度器断开。
3. 项目API使用文档
Icecream 的 API 使用相对简单,主要是通过环境变量和命令行选项进行配置和使用。以下是一些基本的使用示例:
- 设置编译环境:
ICECC_VERSION=icecc-environment.tar.bz2
- 使用 Icecream 编译:
make -j <num>
- 查看编译集群状态:
icemon
更多详细的使用方法和选项,请参考官方文档。
4. 项目安装方式
通过发行版仓库安装
我们建议您从发行版的软件仓库中安装 Icecream,这样会自动处理所有依赖和配置。
从源代码安装
如果您选择从源代码安装,请按照以下步骤操作:
- 获取源代码包。
- 解压缩源代码包。
- 进入源代码目录。
- 编译和安装:
./configure
make
make install
确保在编译时正确设置 PREFIX,以便 Icecream 安装到正确的位置。
以上是 Icecream 项目的基本技术文档。使用前,请确保仔细阅读并遵循上述指南。如果您遇到任何问题,请参考故障排除部分或访问项目的官方支持渠道。
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。Vue06- 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