Open Data Catalog 技术文档
本文档旨在帮助用户快速了解和使用 Open Data Catalog 项目。文档内容包括安装指南、使用说明、API 使用文档以及项目安装方式。
1. 安装指南
1.1 环境准备
在开始安装之前,请确保您的开发环境已准备好以下工具:
- VirtualBox:用于创建虚拟机。
- Ubuntu 12.04:作为 Linux 虚拟机的基础操作系统。
1.2 安装非 Python 依赖
在 Ubuntu 系统中,首先需要安装一些非 Python 依赖项:
sudo apt-get update
sudo apt-get install git sendmail postgresql python postgresql-plpython-9.1 python-pip libpq-dev python-dev libxml2-dev libxslt1-dev libgeos-c1 mercurial meld
1.3 安装 Python 依赖
接下来,安装 Python 的虚拟环境工具 virtualenv:
sudo pip install virtualenv
2. 项目的使用说明
2.1 创建虚拟环境
首先,创建一个虚拟环境并激活它:
virtualenv opendatacatalog
cd opendatacatalog
source bin/activate
2.2 获取源代码
从 GitHub 上获取 Open Data Catalog 的源代码:
git clone git://github.com/azavea/Open-Data-Catalog.git
cd Open-Data-Catalog
2.3 安装 Python 依赖并完成设置
安装项目所需的 Python 依赖项,并完成一些基本设置:
pip install -r requirements.txt
cd OpenDataCatalog
mkdir media
chmod 755 media
ln -s ../../lib/python2.7/site-packages/django/contrib/admin admin_media
3. 项目 API 使用文档
Open Data Catalog 支持 OGC Catalogue Service (CSW) 规范,使用 pycsw 实现。CSW 设置可以在 settings.CSW 中进行配置。此外,settings.SITEHOST 和 settings.SITEPORT 必须根据您的部署环境进行设置。
4. 项目安装方式
4.1 设置数据库
首先,创建一个新的 PostgreSQL 数据库:
sudo su postgres
createuser -P odc-user
psql template1 -c "CREATE DATABASE opendata OWNER \"odc-user\";"
createlang plpythonu opendata
psql -d opendata -f etc/pycsw_plpythonu.sql
exit
4.2 更新设置
复制 local_settings.py.example 文件并重命名为 local_settings.py,然后更新数据库设置:
DATABASES = {
'default': {
'ENGINE': 'django.db.backends.postgresql_psycopg2',
'NAME': 'opendata',
'USER': 'odc-user',
'PASSWORD': 'PASSWORD',
'HOST': 'localhost',
'PORT': '',
}
}
4.3 创建数据库模式
使用 Django 的 syncdb 命令创建数据库模式:
python manage.py syncdb --migrate
4.4 运行服务器
启动 gunicorn 服务器:
gunicorn_django
4.5 自定义安装
您可以通过修改 local_settings.py 文件中的配置值来自定义安装,例如 TWITTER_USER 和 SITE_ROOT。此外,您还可以通过指定 LOCAL_TEMPLATE_DIR 来更改项目的样式。
4.6 部署到 Heroku
要将项目部署到 Heroku,请按照以下步骤操作:
- 编辑
.gitignore文件,删除local_settings.py这一行。 - 安装 Heroku CLI:
sudo gem install heroku
- 创建 Heroku 应用并部署代码:
heroku create --stack cedar --buildpack https://github.com/cirlabs/heroku-buildpack-geodjango/
git push heroku master
heroku run python OpenDataCatalog/manage.py syncdb
4.7 使用 Apache 部署
Django 也可以通过 mod_wsgi 在 Apache 上运行。在 Apache 配置文件中添加以下内容:
WSGIScriptAlias /hidden /<project location>/odp.wsgi
Alias /media /<project location>/media
Alias /static /<project location>/static
创建 odp.wsgi 文件并添加以下内容:
import os, sys
sys.path.insert(0, '/home/azavea/NPower_OpenDataPhilly')
import settings
import django.core.management
django.core.management.setup_environ(settings)
utility = django.core.management.ManagementUtility()
command = utility.fetch_command('runserver')
command.validate()
import django.conf
import django.utils
django.utils.translation.activate(django.conf.settings.LANGUAGE_CODE)
import django.core.handlers.wsgi
application = django.core.handlers.wsgi.WSGIHandler()
通过以上步骤,您应该能够成功安装、配置并运行 Open Data Catalog 项目。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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