登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了如何使用Docker Compose配置Jenkins和MailHog实现无缝通信。首先创建docker-compose.yml文件定义Jenkins和MailHog服务，然后配置Jenkins使用MailHog作为SMTP服务器（服务器地址设为"email"，端口1025）。文章还针对常见问题如邮件发送失败和网络连接问题提供了解决方案。这种配置方式简化了环境搭建，便于测试Jenkins
本文记录了将A地服务器PostgreSQL数据库迁移至本地Docker容器的完整过程。作者面临离开A地网络导致无法连接开发数据库的问题，通过Docker解决方案实现本地化开发环境。主要步骤包括：1) 安装Docker Desktop并配置WSL2；2) 创建docker-compose文件定义PostgreSQL和Redis服务；3) 从A地服务器导出数据库备份；4) 将备份导入本地Docker容
云原生是承载 AI 智能体的运行底座无底座则无法规模化生产部署单独的智能体程序只能本地单机测试；上线多用户、多 GPU、高并发、灰度发布、流量管控必须依赖 K8s、网关、服务网格。大模型 / 智能体是云原生平台上的一类特殊业务负载和电商、支付、后台管理微服务本质都是 K8s Pod 内运行的程序，只是 AI 负载具备GPU、SSE 长连接、有状态会话三大特殊属性，需要底座做针对性适配（长连接超时、
本文记录了在 CentOS 环境下使用 Docker 时遇到的两个典型问题及其完整排查过程。首先是执行 Docker 命令时提示 permission denied while trying to connect to the Docker daemon socket，原因是当前用户不在 docker 用户组且无 sudo 权限，通过切换到 root 用户解决。其次是拉取镜像时出现 i/o tim
本文以 Kubernetes 服务发布后偶发 502 为例，介绍如何使用 Gemini 3.5-flash 辅助后端与 SRE 排查问题。文章从现象整理、Prompt 编写、Deployment 与探针配置检查、优雅下线、常用 kubectl 命令、多模型对比、AI 输出验证和数据安全边界等方面展开。核心观点是：AI 适合整理日志、生成排查清单和沉淀复盘流程，但根因判断必须回到监控、配置、日志和灰
Error response from daemon: failed to resolve reference "docker.io/langgenius/dify-api:1
本次用非docker run的方式部署好了rancher。操作系统是Ubuntu24.04 LTS，主要的障碍就是国外的镜像访问不到的问题。原先是用docker run的方式部署了rancher，不过里面的节点ip是172.17.0.*，外部无法访问到。通过configmap，改了一下ng的index.html内容。安装好后，rancher的界面如下。在上面部署了一个工作负载，
摘要： Kubernetes RBAC鉴权机制通过四种核心对象（Role、ClusterRole、RoleBinding、ClusterRoleBinding）实现权限控制。本文通过实际案例引出RBAC的常见误区（如namespace错配问题），深入解析了RBAC四级鉴权流程：1）获取用户身份；2）匹配ClusterRoleBinding；3）匹配RoleBinding；4）规则校验。源码分析揭示
Linux 内核调优的核心是基于瓶颈定位的精确调整，而非盲目修改参数。落地建议：高并发 TCP 服务调大 somaxconn 和 tcp_max_syn_backlog，启用 tcp_tw_reuse；SSD 使用 mq-deadline 调度器，HDD 使用 deadline；数据库服务器关闭透明大页，swappiness 设为 1-10；脏页回写参数根据 IO 模型调整，顺序写设高、随机写设低
本文介绍了两种导入模型文件到Ollama的方法。推荐方法一是直接使用Modelfile，只需编辑Modelfile指定模型路径（如FROM ./模型文件名.gguf），然后通过ollama create命令导入。方法二适用于需要格式转换的情况，需先通过llama.cpp将.safetensors转换为.gguf格式再导入。导入后可用ollama list验证。注意事项包括：大模型导入耗时较长需耐心
本文介绍了利用Docker部署Ollama服务并结合OllaMan桌面应用实现远程管理的完整方案。首先详细讲解了Docker部署Ollama的优势及具体步骤，包括CPU模式、NVIDIA/AMD GPU加速模式的不同配置方法。随后介绍了Ollama模型的基础操作和远程访问配置。重点阐述了OllaMan桌面应用的核心功能，特别是其"服务器管理"特性如何实现远程Ollama实例的图
Ollama作为一款开源工具，为用户提供了便捷的本地大模型部署和调用方式，其卓越的兼容性和灵活性使得在多种操作系统上运行大规模语言模型变得更加简易。通过Docker的安装与部署，用户可以快速上手并灵活使用各类大型模型，为开发和研究提供了强有力的支持。然而，由于Ollama缺乏内置的鉴权访问机制，用户在生产环境中应采取适当的安全措施，以防止潜在的访问风险。总的来说，Ollama在推动本地AI模型的应
VSCode 还会配置一些容器权限，允许 root 用户使用图形界面（为什么同样的步骤在VSCode和cursor中是不同的呢？在命令行中将容器绑定主机的X11，传入DISPLAY环境变量即可。时容器中无法访问图形驱动，导致 GLFW 初始化失败。在 VSCode 中，尤其是你使用了。容器运行没有绑定主机的 X11 套接字。除了创建新容器没有找到其他的解决办法。
项目上线正式服务器后，发现one-api容器无法启动，日志发现其无限重启，错误原因是failed to get gpt-3.5-turbo token encoder，看来它肯定是需要联网下载数据，我的正式服务器是无法上网的。默认程序启动时会联网下载一些通用的词元的编码，如：gpt-3.5-turbo，在一些网络环境不稳定，或者离线情况，可能会导致启动有问题。可通过配置TIKTOKEN_CACHE
通过以上步骤，已经成功在本地搭建了一个基于RAGFlow的智能问答系统。从环境准备到模型配置，再到知识库的创建和问答测试，每一步都至关重要。RAGFlow的强大功能不仅体现在其高效的问答能力上，还体现在其对多种数据格式的支持和灵活的配置选项上。我的DeepSeek部署资料已打包好（自取↓）
执行wsl --set-default-version 2下载又很慢，并且科学上网会直接被禁止下载，可以直接离线下载所需要的wsl版本https://github.com/microsoft/WSL/releases。在官网下载Docker Desktop并安装后，大概率会遇到安装WSL --update报错问题：Docker Desktop -WSL --update failed。配置：语言选
欢迎关注我的公众号「DevOps和k8s全栈技术」，进公众号【服务】栏，可以看到技术群，点击即可加入学习交流群。↓↓↓关注公众号，免费学技术，避免被割哦~不同模型参数，配置要求如下：一、理论介绍：1.OllamaOllama是一个由 Ollama 公司开发的 AI 模型工具。它专注于将大规模语言模型（如 GPT-3 和其他类似模型）进行本地化部署，特别是让这些模型可以在用户自己的硬件上运行，而..
接上一篇关于Docker中的Ollama养虾的文章之后，这里补充一个Docker中部署Ollama模型的方案，通过这种方式建立一个完整的虚拟化环境，确保Ollama和OpenClaw在环境内的操作都相对可控。
【Windows11本地部署DeepSeek模型最简方案】推荐使用Ollama+DeepSeek模型+DockerDesktop+OpenWebUI组合，无需编译代码或配置CUDA。部署前需确认配置：建议8核CPU/16GB内存/NVIDIA显卡（8GB显存）。具体步骤：1️⃣安装Ollama（自动处理依赖）；2️⃣通过DockerDesktop部署OpenWebUI（配置docker-compo
Docker Model Runner整合vLLM直插生产环境，Ollama的“易用性护城河”正被企业级需求瓦解。本文拆解DMR双轨架构如何用OCI标准重构LLM部署，对比精度控制、供应链管理等核心差异。技术选型关键转折点已到，大家一起来围观！
启动的 WebUI 服务无法通过 Ingress 访问，需调整 Ingress 路由规则以解决访问问题。修改 Ingress 资源，确保路径规则指向正确的 Service 和端口。在 Kubernetes 集群中部署 LLaMa-Factory 时，通过。若不一致，需调整 Service 或 Ingress。若未安装，需参考官方文档部署对应的 Ingress 控制器。确认 WebUI 服务的端口（
启动的WebUI无法访问，通常与Docker容器端口映射配置有关。此命令会强制将WebUI服务绑定到容器的7860端口，并允许外部访问。若未显示或映射错误，需重新配置端口。部署LLaMa-Factory时，若通过。
部署采用Docker容器化方案，前端使用Nginx作为静态资源服务器，后端通过Ollama处理AI模型推理，三者通过Docker网络互联。前端打包后的静态文件由Nginx托管，API请求通过反向代理转发至后端服务。
确保服务器已安装Docker和Docker Compose。创建前端Docker镜像时，需基于Node环境构建静态文件。
能够将屏幕截图转换为代码Ollama一个开源的大模型平台github地址只需一张图即可生成最新的版本已经支持本地Ollama部署的AI了，不强制使用chatgpt，但是亲测还是chatgpt效果好一些。本文演示使用本地AI模型。
这将从Ollama的模型库中下载并安装Gemma模型的最新版本。打开浏览器，访问http://localhost:3000，如果看到Ollama的界面，则表示安装成功。模型安装完成后，你可以通过命令行输入相应的命令来使用Gemma模型进行文本生成或其他任务。Ollama提供了丰富的功能和API，你可以通过阅读官方文档来探索更多高级功能和定制选项。安装完成后，可以通过命令行输入ollama命令来验证
对于存在权重为负的环路的有向图，我们可以使用 Bellman-Ford 算法的一个变种来检测并列出该环路上的所有节点。Bellman-Ford 算法通常用于检测图中是否存在负权重的环路，并可以找出从源点到所有其他节点的最短路径（如果存在负权重环路，则不存在最短路径）。为了找出环路上的所有节点，我们可以稍微修改算法的执行过程。
启动一个 Ngrok 容器，用来创建一个 HTTP 隧道，把本地的服务暴露在互联网上。这在开发和测试时非常有用，比如当你需要外部用户测试你的本地服务或者需要与远程客户端进行集成测试时。端口，你希望外部用户可以访问这个服务。通过运行上述命令，Ngrok 会提供一个类似于。的 URL，外部用户可以通过这个 URL 访问你的本地服务。假设你在本地运行了一个 Web 服务，该服务监听。
grok自带的正则表达式配置路径是：/usr/share/logstash/vendor/bundle/jruby/2.5.0/gems/logstash-patterns-core-4.1.2/patternstotal 112文章开头部分提及的日期正则，大多数是配置在文件grok-patterns里。
Kubernetes（K8s）性能调优是一个涉及多个方面的过程，旨在提高集群的效率和响应速度。这包括对节点、Pod、服务、网络和存储等多个层面进行调优。
docker container ls -all：查看docker中目前在运行的container。虚拟机关闭后重新开启，理论上是需要重新启动一下docker的，以重新启动其中的服务。docker images：查看docker中现有的镜像。
双十一低价买了一台轻量云应用服务器，闲来无事，用阿里云部署一个chatgpt项目，是一个github开源项目。这里附上结果图，ip:端口号进行访问，以上流程按顺序执行centos7不报错，已测试两台。a处填写端口，80后面得所有不常用得端口都可以填写。安装yum-utils工具并配置仓库。c处填写密码，用于访问gpt的密码。b处填写api，某宝一块一个。启动docker并拉取镜像。最重要的一步，配
docker-deploy是docker 的skills 之一
截至目前版本（），0.0.0.0，所以容器访问宿主机会超时。
在此之前，我们已成功利用Docker与Ollama框架，在内网环境中部署了Qwen2模型。下面我们再来看一下使用Docker与vLLM框架部署Qwen2模型。
纯Docker部署Dify+vLLM+Ollama+Nginx
如果你通过 Docker 部署或其他模型的 Web UI，一般情况下。因为 Docker 镜像已经包含了所有必要的依赖和应用程序，这意味着镜像中已经包括了 Ollama 所需要的所有内容。
容器
——容器
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openEuler 社区
CSDN-OPC开发者社区
AI Agent技术社区
AI硬件创业社区
AI编程社区
龙虾开发者社区
AMD开发者中国社区
