归档
时光荏苒，文字留痕
共 188 篇文章
升级halo 2.27.0操作记录，
1062 sudp 1pctl user-info 1063 sudo 1pctl user-info 1064 1pctl update password 1065 sudo 1pctl update password 1066 docker ps 1067 docker inspect f927
如何远程调用本地模型
ls -lh ~/my-llm/models/ 总计 25G -rw-rw-r-- 1 shitou shitou 4.4G 9月 16 12:15 DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf -rw-rw-r-- 1 shitou shitou 5.8G 9
Harbor在Ubuntu系统权限报错完整排障修复总结
一、故障环境 系统：Ubuntu（默认使用AppArmor，非SELinux） Harbor版本：v2.13.1 部署方式：Docker Compose 数据存储目录：/opt/mirror/.harbor_data 二、初始故障现象
ubuntu 命令行工具，micro
sudo apt update sudo apt install micro micro greet.py ptthon3 greet.py 支持鼠标！鼠标点光标、拖动选中文字、滚轮上下翻页 快捷键和 Windows 记事本 / VS Code 一模一样： Ctrl+S保存，Ctrl+C复制，Ctr
Ubuntu 24.04 + AMD RX580 部署 llama.cpp
1：确认 Vulkan 驱动正常 首先确保显卡驱动和 Vulkan 运行时正常，这是硬件加速的基础。 # 安装 Vulkan 工具和 AMD 驱动（如未安装） sudo apt update && sudo apt install -y libvulkan1 mesa-vulkan-drivers
Ubuntu 24.04.4 LTSllama.cpp 完整踩坑记录
一、基础环境说明 系统：Ubuntu 24.04.4 LTS (Linux 7.0.0-31-generic) CPU：Intel Xeon E3-1230 V2 内存：16GB 显卡：AMD Radeon RX 580 8GB (Polaris10 架构) 显卡驱动：Mesa 25.2.8 RAD
临时关停 OpenNebula + libvirt/KVM 相关后台服务，释放内存；**保留配置，随时一键启动切回虚拟化环境**
本地搭建AI及实验平台 一条命令输出，硬件配置 echo "===== CPU ====="; lscpu | grep -E 'Model name|CPU\(s\)'; echo -e "\n===== 内存 ====="; free -h; echo -e "\n===== AMD显卡 ===
OpenNebula 7.4 All‑in‑One 手动部署（Ubuntu，现有 KVM/libvirt 环境，SSH 无头）
环境说明 不改动、已经调好的 IOMMU、vendor‑reset、libvirt、qemu 单 RX580 显卡、无核显，全程 SSH 操作 Web 端口：9869，浏览器访问 http://你的IP:9869 添加官方源 sudo wget -q -O- https://downloads.op
原生KVM、OpenNebula、Proxmox、OpenStack 四大虚拟化平台全方位对比
在私有云、服务器虚拟化搭建场景中，多数人都会接触到四类主流虚拟化方案：原生KVM+libvirt、OpenNebula、Proxmox VE、OpenStack。四者底层均基于KVM虚拟化技术，但在架构定位、部署模式、集群能力、适用场景上差异极大。 本文将从底层逻辑、部署形态、扩展能力、运维成本等维
Ubuntu24.04 KVM+Libvirt 完整搭建手记（LVM 存储池 + Cockpit + 显卡直通踩坑实录）
系统环境：Ubuntu 24.04，宿主机磁盘：sda 系统盘，sdb 465G 裸盘做虚拟机 LVM 存储，支持网页 Cockpit 管理、PCIe 显卡直通。记录完整流程 + 实际踩坑排错，拿来就能照着部署。 一、搭建前检查：确认 CPU 虚拟化是否开启 必须 BIOS 打开 Intel VT‑