写代码的能力上看，文心一言3.5的能力已经很强了，能够和GPT-4各有千秋。我这里只贴出了GPT-4的实现，文心一言3.5的代码实现也是类似的，只是会提示JDK没有实现SHA-3-256，需要引入第三方库。但是生成的单元测试用例明显好于GPT-4，对于边界条件验证的更加充分。足够用了，关键文心一言3.5还免费。

最近一直在想如果让我自己来做一个服务化框架出来，该实现些什么功能，具体该怎么去做这样的问题，数据序列化是一个重要的模块，故此有意对常见的一些开源序列化框架做一个比较！我个人对Hessian、Java、protobuf、Thrift这几种序列化方式比较熟悉，但是对Kryo、msgpack就没有怎么涉及了，先把这篇文章开一个头，积累了足够的能量之后再来完善。

Ollama 是一个开源的大型语言模型（LLM）服务工具，它允许用户在本地机器上运行和部署大型语言模型。用户可以通过简单的命令行操作，快速在本地运行如 Llama 3 这样的开源大型语言模型。

kubelet组件，systemd方式部署，journalctl -u kubelet查看；其他组件，pod方式部署kubectl logs查看；容器运行时将日志写入 /var/log/pods；系统日志，/var/log/message

Ollama 是一个开源的大型语言模型（LLM）服务工具，它允许用户在本地机器上运行和部署大型语言模型。用户可以通过简单的命令行操作，快速在本地运行如 Llama 3 这样的开源大型语言模型。

尝试在macbook上部署LLaMA-2的中文模型的详细过程，体验本地化部署模型的能力。

参加了2天的AS2014，回来累得像猪一样，晚上9点多倒头就睡了！既然去了，好歹总要有一点收获吧，这不，现在就在造总结了，趁现在头脑还清醒，多少还有些记忆，赶紧记录下来！（1）18号上午1、18号上午，第一个是章文嵩博士的《构建大型云计算平台分布式技术的实践》，这个太高大上了，与我的领域有距离，不过，最前沿的东西还是能提供指导意义的。他主要讲述了，在各种存储环境下，调优IO的策略与性能

于本周末在家里的两台电脑上用Vmware+Redhat As6 + hadoop-0.21.0上搭建了一个3节点的Hadoop集群，虽说是原来已经搭建过类似的集群了，也跑过JavaAPI来操作HDFS与Map/reduce，但是这一次依然是受到挑战了，好些小细节，稍有遗漏就会有如坐过山车一般大起大落。故此，记下本次的操作的几个步骤，以供后续参考。1、建3个VM的虚拟机，保证互联互通IP a

数据库领域近来吸引了不少眼球。IBM不久前投资于EnerpriseDB；EnerpriseDB有一个运行在Amazon EC2上的云版本。Amazon去年末发布了他们自己的云数据库。而Google的BigTable尽管并不开源，也得到了社区的广泛研究。同样是在这个 领域，两个开源项目——HBase和Hypertable利用开源Map/Reduce平台Hadoop提供了类似于BigTable的可伸缩

一直以来对HBase的了解仅仅限于理论上的，最近想进行深入的学习下，当然对一个东东的学习最为直接的就是直接进行体验一下。为此，我在一个VM的Hadoop集群上安装了一个Hbase集群，期间也遇到了好几种不同的错误，现记录如下，以供后续参考。 Hbase集群配置信息如下：Hadoop：hadoop-0.20.2，1 个Master节点   1 个Slave节点Zookeeper：zo