Wikimedia Operations Puppet 使用教程
2025-04-21 06:44:39作者:翟萌耘Ralph
1. 项目介绍
Wikimedia Operations Puppet 是 Wikimedia Foundation 用于管理服务器配置的 Puppet 配置库。Wikimedia Foundation 运营着世界上最大的协作编辑参考项目,包括 Wikipedia。我们的基础设施支持一些网络上最繁忙的网站,每月为数亿用户提供超过一百种语言的内容。通过 Puppet,我们能确保服务器配置的一致性和自动化管理。
2. 项目快速启动
要快速启动并使用 Wikimedia Operations Puppet,请按照以下步骤操作:
首先,你需要安装 Puppet。Puppet 是一个开源的配置管理工具,它允许你定义和管理系统的状态。
# 安装 Puppet (以 Ubuntu为例)
sudo apt update
sudo apt install puppet
接下来,克隆 Wikimedia Operations Puppet 仓库到你的本地环境:
# 克隆仓库
git clone https://github.com/wikimedia/operations-puppet.git
cd operations-puppet
配置 Puppet 的环境:
# 初始化 Puppet 环境
puppet apply --environment production manifests/site.pp
site.pp 文件是 Puppet 的主要配置文件,定义了 Puppet 应用于节点的一系列资源。
3. 应用案例和最佳实践
在使用 Wikimedia Operations Puppet 时,以下是一些应用案例和最佳实践:
- 模块化:将配置拆分为模块,以便复用和维护。
- 版本控制:所有配置都应该在版本控制之下,以便跟踪变更和回滚。
- 自动化测试:通过单元测试和集成测试来验证你的 Puppet 配置。
以下是一个简单的 Puppet 类定义示例,用于安装 Nginx:
class nginx {
package { 'nginx':
ensure => installed,
}
service { 'nginx':
ensure => running,
enable => true,
require => Package['nginx'],
}
}
在 site.pp 中包含这个类:
include nginx
4. 典型生态项目
在 Wikimedia 的生态系统中,以下是一些与 Operations Puppet 相关的典型项目:
- PuppetDB:一个数据库,用于存储 Puppet 系统中所有节点的事实和资源状态。
- Puppet Dashboard:一个 Web 界面,用于可视化 Puppet 系统的运行状态。
- MCollective:一个基于消息队列的分布式系统管理工具,可以与 Puppet 集成。
通过使用这些项目,你可以构建一个强大的自动化运维环境,以提高效率和可靠性。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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