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。
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
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