chrome 内嵌了一个类似 nslookup 的工具，方便排查域名解析是否正确

随着dns-over-https(DoH)普及，DNS 污染的问题得到了很大程度的改善，但是传统的nslookup指令已经不能满足查看域名解情况需求

最近需要在办公区域放一台DELL R230进行测试，由于加装了 C2000 pro NVME SSD作为数据盘，导致风扇开机后就直奔15000+转；官方的解释是：由于PCIE通道上使用了非认证的硬件导致系统的热功耗计算异常，所以只能全功率运行（完全脑残）。网上搜了一下，需要在DELL的 iDrac中开启 ipmi over lan然后使用ipmitool控制风扇（由于这台r230没有配置iDrac

加速C站等的模型资源下载

Anolis（龙蜥）系统社区https://openanolis.cn/一、使用DNF安装MYSQL-SERVERdnf install mysql-server二、启动数据库systemctl start mysqld #启动MYSQL 服务systemctl enable mysqld #将MYSQL 服务设置为开机启动查看MYSQL 服务状态：(active 表面服务已正常启动)system

PVE中 非集群环境迁移LXC

随着AI技术的快速发展，计算能力成为决定模型性能和训练效率的关键因素之一。在众多硬件选择中，图形处理器（GPU）因其强大的并行计算能力而成为深度学习任务的核心工具。本文旨在通过实验与分析，探讨目前主流（可买到）型号的GPU在本地运行DeepSeek-R1时的效率表现。

Anolis （龙蜥）系统社区https://openanolis.cn/（本文基于AnolisOS 8.4 版本编写）一、启用网卡如果在安装时没有配置网络，则需要登录系统后，单独对网卡进行配置（当然首先系统要有网卡）#执行如下代码cd /etc/sysconfig/network-scripts/ls可以看到系统有一块名称为 ens18的网卡，使用vi 编辑ifcfg-ens18的配置文件vi

随着deepseek的大热，最近总有些朋友来讨论多少GPU可以跑过快这类的问题。在深度学习领域，随着模型规模的不断扩大，单显卡的计算能力已经无法满足训练需求。多显卡并行训练成为了加速模型训练的常用手段。然而，多显卡训练并非没有挑战，尤其是在确保模型精度方面。本文将探讨多显卡运行大模型时常见的误区

随着AI技术的快速发展，计算能力成为决定模型性能和训练效率的关键因素之一。在众多硬件选择中，图形处理器（GPU）因其强大的并行计算能力而成为深度学习任务的核心工具。本文旨在通过实验与分析，探讨目前主流（可买到）型号的GPU在本地运行DeepSeek-R1时的效率表现。