在某算力平台里，实例是使用虚拟化容器的方式启动的，而不是虚拟机，也就是说 PID 1 的进程并不是 systemd，因此无法使用 systemd 来管理后台进程，于是考虑使用 process-compose 来管理。 process-compose 使用类似 docker-compose 的配置文件管理后台进程，还支持在 TUI 中查看进程日志，非常方便。本文后面还会使用 beszel 作为实例演示 process-compose 的使用方法。 安装 推荐使用 mise 完成安装，参考 mise：一个更灵活的包管理工具，附常见工具推荐 - process-compose。 也可以根据官方文档，使用以下命令安装： sh -c "$(curl --location https://raw.…
本文假定读者理解 toml 文件格式语法。 mise 是一个开源的，类似包管理器的工具，他可以从 GitHub Release 下载并安装例如 pixi、mihomo、mosdns 等应用，甚至还能管理例如 Java、GoLang、Node.js 等开发 SDK，是一款非常强大的工具，非常推荐使用。 安装 使用官方脚本一键安装： curl https://mise.run | sh 然后使用以下命令初始化环境： echo 'eval "$(~/.local/bin/mise activate bash)"' >> ~/.bashrc 执行完后关闭终端并重新打开，新建配置文件 ~/.config/mise/config.…
环境介绍 本文基于以下环境编写： * Ubuntu 24.04 * PPU SDK v2.0.0 * CUDA 兼容 SDK 12.9 编译过程 首先将 llama.cpp 代码仓库克隆到你喜欢的目录，例如我这里是 ~/work/llama.cpp/src。 git clone https://github.com/ggml-org/llama.cpp.git -b v0.4.0 --depth 1 ~/work/llama.cpp/src 保存 patch 文件 ~/work/llama.…
核心思路就是利用环境变量让 Java 应用加载 pixi 中安装的 onnxruntime 的 so。 前置操作请参阅 使用 pixi 配置阿里 PPU 环境 我这里项目使用的是 Gradle，在项目根目录的 build.gradle.kts 中添加如下内容： subprojects { val pixiEnvs = File(rootDir, "torrenkt-tslm-model/.pixi/envs") if (!pixiEnvs.exists()) { logger.error("please run 'pixi install' in ./torrenkt-tslm-model"…
前言 pixi 基于 uv 开发，拥有与 uv 一样的速度，还支持一系列额外的功能，例如： * 完全替代 conda，兼容 conda 的所有生态，可以在虚拟环境中安装 ffmpeg、cuda-toolkit 等系统依赖，当然也可以安装 python； * 多语言环境，不仅可以管理 python，还能管理 Java、Node.js 等； * 任务系统，类似 npm run，可以将繁琐的命令通过 task 一键启动。 相比于 conda，pixi 使用 lock 文件锁死当前环境安装的依赖版本，任何人可以使用 pixi 还原出完全一致的虚拟环境，有利于实验复现。 所以十分推荐使用 pixi 一站式代替…
最近在使用某公共算力平台，这个平台除了指定的持久化目录外，其余数据在重启后全部丢失，而且这个持久化目录还是通过对象存储实现的，这导致里面的文件权限无法保持，比如强制 0755，因此直接把用户目录持久化的方案是不可行的，会造成奇奇怪怪的问题。 综上所有信息，我选择使用 Duplicati 完成自动化备份，并在需要的时候恢复文件。 安装 前往 duplicati/duplicati - Release 下载适用于系统的 gui 安装包。例如我这里的是 x86-64 的 Ubuntu 环境，于是下载 duplicati-2.3.0.0_stable_2026-04-14-linux-x64-gui.deb，上传到 ~/Download 目录中，使用以下命令安装： apt install ~/Download/duplicati-…