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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00