harbor部署到docker环境中，安装时除了可以自带pg数据库和redis缓存之外，也可以对接外部的pg数据库和redis，在harbor部署到生产环境中和高可用落地方案中可以作为考虑的方案。本文部署Harbor v2.11.0版本，采用离线部署安装包。实际部署中尽可能满足上述配套版本，本文测试对接使用redis6.0 + pg 13.4。同时测试使用pg 11.6版本时，在部署harbor后

相比昂贵的商业用的ipsan存储，软件实现的ipsan方案更加经济实惠，适用于一般的测试环境。Linux-IO Target是Linux内核中的一个软件，用于实现各种SCSI Target。它支持的SAN技术包括Fibre Channel、FCoE、iSCSI等，同时还能为本机生成模拟的SCSI设备，以及为虚拟机提供基于virtio的SCSI设备。Linux-IO Target在Linux内核中的

libvirt-python：libvirt库的Python 绑定，在Python中使用 libvirt 的功能，包括对虚拟机、存储池、网络等资源的管理，以及对虚拟化宿主机的监控和控制。libguestfs-tools：虚拟机镜像管理工具，包括virt-cat、virt-edit、virt-ls、virt-rescue。qemu-kvm：即qemu+kvm，kvm负责cpu和内存的虚拟化，而qem

在当前的云计算和大数据时代，IT系统通常的设计理念都是无中心和分布式。Minio分布式模式可以帮助搭建一个高可靠、高可用、弹性扩展的对象存储服务。分布式部署，minio拓扑为Multi-Node Multi-Drive (MNMD), 即多个节点，每个节点有多个磁盘。可用于如下场景：企业级的高性能对象存储。多节点/多硬盘级别的可靠性，可配置容忍最多 1/2 节点或硬盘的损失。用于AI/ML、分布式

python3-libvirt：libvirt库的Python 绑定，在Python中使用 libvirt 的功能，包括对虚拟机、存储池、网络等资源的管理，以及对虚拟化宿主机的监控和控制。libguestfs-tools：虚拟机镜像管理工具，包括virt-cat、virt-edit、virt-ls、virt-rescue。qemu-kvm：即qemu+kvm，kvm负责cpu和内存的虚拟化，而qe

在训练好之后，我们将原始image projector和我们微调得到的image projector都转换为 HuggingFace 格式，为了下面的效果体验做准备。基于 Llama3-8B-Instruct 和 XTuner 团队预训练好的 Image Projector 微调自己的多模态图文理解模型 LLaVA。我们接下来准备 Llava 所需要的 openai/clip-vit-large-

使用LM Studio快速体验大模型工具，免除Python环境及众多依赖组件的安装。可以切换不同类型的大语言模型，同时支持在windows、linux、mac等PC端部署。除了UI界面的chat对话使用之外，也可以在本地启动服务器，使用接口进行调试。本地路径查询如下，LM Studio-Mymodel-show in File Explorer。直接使用lmstudio下载模型会失败，本文采用离线

默认ollama安装后，chat对话只有命令行界面，交互体验较差。借助open-webui可以通过web界面连接ollama，从而实现类似chatgpt式的web交互体验。使用 Docker 安装 Open WebUI 时，请确保在 Docker 命令中包含 -v open-webui:/app/backend/data，用于保存数据。点击右上角设置图标，打开设置窗口，如下图，输入型号标签（如ll

记录linux下搭建使用NFS服务器的一般步骤，以和centos7.9操作进行记录。

之前harbor的安装都是借助docker完成一键安装部署，安装完成之后harbor组件均运行到一台机器上面，本文实践harbor在k8s环境中的部署。