Write the Code. Change the World.

4月 30

发表于 • 858 views • 没有评论!

AI

官方地址：https://github.com/TMElyralab/MuseV

在这里，可以看到生成的样例。这里总结下部署和安装，几乎和官网一样。

环境准备

开始

  1. 先创建一个项目目录， museVtask。将 github 代码拉下来。
    git clone --recursive https://github.com/TMElyralab/MuseV.git 这里一定要加上recursive参数，这样会将 diffusers 等子模块一起下载下来。

  2. 下载模型文件。这里不使用 git 下载，毕竟模型文件 32.3 G。使用 huggingface cli,还得要梯子。huggingface-cli download --resume-download TMElyralab/MuseV --local-dir ./MuseV/checkpoints

  3. 在下载的同时，可以将 docker-compose 配置文件搞起来。先创建 Dockerfile 文件，代码如下：

FROM anchorxia/musev:latest  

# 设置工作目录  
WORKDIR /workspace/MuseV  

# 将宿主机的 MuseV 目录复制到容器的对应目录  
COPY ./MuseV /workspace/MuseV  

# 设置 PYTHONPATH 环境变量  
ENV PYTHONPATH=/workspace/MuseV:${PYTHONPATH}  
ENV PYTHONPATH=/workspace/MuseV/MMCM:${PYTHONPATH}  
ENV PYTHONPATH=/workspace/MuseV/diffusers/src:${PYTHONPATH}  
ENV PYTHONPATH=/workspace/MuseV/controlnet_aux/src:${PYTHONPATH}  

# 这里可以设置默认的命令，但如果你想要 bash 交互式 shell，则不需要  
# CMD ["python", "your_script.py"]

再创建 docker-compose.yaml 文件，代码如下：

services:
  musev:
    build:
      context: .
      dockerfile: Dockerfile
    image: musev
    container_name: musev-latest
    runtime: nvidia
    restart: always
    volumes:
      - ./MuseV:/workspace/MuseV
    stdin_open: true
    tty: true

如果报错 docker: Error response from daemon: unknown or invalid runtime name: nvidia，请参考 https://blog.vini123.com/1206

继续阅读

4月 30

发表于 • 603 views • 没有评论!

docker,工具

在 docker 容器中运行 python 项目时，报 RuntimeError: Found no NVIDIA driver on your system. Please check that you have an NVIDIA GPU and installed a driver from http://www.nvidia.com/Download/index.aspx 错误，这个时候需要 docker 开启 nvidia engin 的支持。至少电脑是装了 nvidia 的显卡的。

docker 中启用 nvidia：
https://blog.vini123.com/1206

4月 30

发表于 • 568 views • 没有评论!

docker,工具

在 docker 中，docker-compose.yaml 配置了 nvida 参数时，执行 docker-compose up -d 时报docker: Error response from daemon: unknown or invalid runtime name: nvidia 错误。

如果是非 win 系统，修改 /etc/docker/daemon.json,并添加以下配置。

{
  "runtimes": {
    "nvidia": {
      "path": "nvidia-container-runtime",
      "runtimeArgs": []
    }
  },
  "default-runtime": "nvidia"
}

然后重启 docker。

如果是 win 系统，需要手动打开 docker 桌面应用，点击右上角的设置，进入 docker engine 项进行配置。配置内容也是和上边的一样。如下截图。

4月 26

发表于 • 444 views • 没有评论!

go

goframe 生成不重复的 7 位数字，并和数据库 user 表中字段不重复

func generateUniqueID() int {
    src := rand.NewSource(time.Now().UnixNano())
    min := 1000000
    max := 10000000
    return rand.New(src).Intn(max-min) + min
}

func generateUniqueViewID(ctx context.Context) (int, error) {
    for {
        viewId := generateUniqueID()
        id, err := dao.Users.Ctx(ctx).Where(do.Users{Viewid: viewId}).Fields("id").Value()
        if err != nil {
            return 0, err
        }

        if id == nil {
            return viewId, nil
        }
    }
}
4月 26

发表于 • 669 views • 没有评论!

AI

随着 AI 聊天的兴起，流式展现数据的需求变得更常见。前端 EventSource 的使用频率也会更高。接openai，文心一言，通义千问这些接口，并以流式的方式在页面展现出来。就得自己的接口服务端也以流式的方式返回给自己的前端，自己的服务器端接它们，让它们也要以流的方式返回。这个时候服务端不仅要做接口的对接和数据的转发，还得做数据的解析和存储。

这里前端以 vue3，后端使用 laravel 的方式，来简单介绍下怎么搞。

前端 API 选择

https://developer.mozilla.org/zh-CN/docs/Web/API/EventSource

前端选择 fetch，并没有选择 EventSource。

因为 fetch 本身就可以支持 EventSource 的方式接受数据，使用方式也会像使用 axios 类似。而单纯 EventSource 的使用会收到请求方式，不能自定义Header头，连接数目等方式的限制。fetch 就像在调用接口，EventSource 就像是 websocket。

EventSource 示例：

const sse = new EventSource("/api/v1/sse");

sse.addEventListener("notice", (e) => {
  console.log(e.data);
});

sse.addEventListener("update", (e) => {
  console.log(e.data);
});

sse.addEventListener("message", (e) => {
  console.log(e.data);
});

继续阅读

4月 18

发表于 • 748 views • 没有评论!

诗和远方

docker 中运行 mysql 8.2，默认情况下，会占用 400M 左右的内存。运行两个就双倍。对于那种便宜的阿里云1核1G或2G的服务器，很容器就卡死。这个时候，就需要设置设置，降低 mysql 的内存消耗了。
其实，一个 mysql 占用 400M 内存，为什么要在一台服务器上装那么多呢。可以对 mysql 进行单独编排，然后通过同一网络的方式，让其他容器也都能访问这个 mysql 就可以了。出现前边那种局面往往是一个完整的项目会有 mysql，redis，php，python，java 等环境构成，而这些构成又放在一个 compose.yaml 中进行编排。那么多个项目后，就会出现多个重复的进程了。虽然对于磁盘空间不会多份重复，内存是在重复增长的。这个时候，设计项目组合的时候就需要考虑考虑。所以想单独剥离 mysql 出来。

可以使用 htop 命令来查看服务器的 cpu，内存使用情况。

可以使用 docker stats 来查看容器使用 cpu, 内存的情况。

优化使用 mysql 内存

新建 my.cnf 文件 ，位置是这样的 ./conf/mysql/my.cnf 。填充下边的代码。

[mysqld]
performance_schema_max_table_instances=400
# 缓存
table_definition_cache=400
# 用于监控MySQL server 在一个较低级别的运行过程中的资源消耗、资源东西
performance_schema=off
# 打开表的缓存
table_open_cache=64
# InnoDB缓冲池大小调整操作的块大小
innodb_buffer_pool_chunk_size=64M
# InnoDB 存储引擎的表数据和索引数据的最大内存缓冲区大小
innodb_buffer_pool_size=64M

在 compose.yaml 中，增加 volume，配置如下。

  mysql: 
    ……
    volumes:
        ……
      - ./conf/mysql/my.cnf:/etc/mysql/conf.d/my.cnf
    ports:
      - 3306:3306

然后重启 myslq。

docker-compose restart mysql

然后查看内存使用情况进行对比。

多个项目公用一个 mysql

可以给 mysql 进行单独编排，设置好网络。可以将该网络设置为主网络，其他容器可以通过 external 的方式公用同一个网络。这样各个容器间就方便通信了。

4月 11

发表于 • 541 views • 没有评论!

linux

win10 系统，安装 docker，然后跑 php 项目，通常会很慢，一个最简单接口都可能要好几秒，真叫人肝疼。改变不了 win10，只能找解决方法。

处理方法

慢的原因网上有很多，怎么解决网上也很多，也实践过。不过，有一条是真的快。将代码放在 ubuntu 系统上跑，就是快。

步骤：

  1. 先安装 Ubuntu。
  2. 再安装 docker。
  3. 设置 docker 。

设置 docker 如下图所示。

  1. win + r 输入 \\wsl$ 回车，打开 wsl 目录。或在资源管理器中打开 wsl 目录。这里要进入 Ubuntu 目录。然后将代码复制到 Ubuntu 系统中。比如将 docker-compose 相关的 service 放在 /docker-data 下。

  2. 进入 ubuntu 中。执行 docker-compose up -d，把服务跑起来。

这个时候再去请求 php 的接口就飞快。

4月 09

发表于 • 780 views • 没有评论!

linux,运维

买了个 99 元的阿里云，最近经常卡死。通过 htop，可以看到是 /usr/bin/dnf makecache 占用 cpu 太高。

尝试处理

关闭 CentOS 的后台更新服务

systemctl stop dnf-makecache.timer

systemctl disable dnf-makecache.timer

后续

运行了许多天后，又卡死了。使用 htop 查看，发现是阿里云的监控煮助手。好吧，把监控助手也搞掉。

先干掉监控助手的守护进程。

# 停止云助手守护进程
/usr/local/share/assist-daemon/assist_daemon --stop

# 卸载云助手守护进程
/usr/local/share/assist-daemon/assist_daemon --delete

# 删除云助手守护进程目录
rm -rf /usr/local/share/assist-daemon

再来干掉监控助手。

# 查询您的ECS实例是否使用systemd初始化进程服务，有返回信息则表示使用的是systemd
strings /sbin/init | grep "/lib/system"

# 停止云助手Agent
systemctl stop aliyun.service

# 卸载云助手Agent
sudo rpm -qa | grep aliyun_assist | xargs sudo rpm -e

参考

https://blog.csdn.net/kunyus/article/details/106861400

https://help.aliyun.com/zh/ecs/user-guide/start-stop-or-uninstall-the-cloud-assistant-agent

https://help.aliyun.com/zh/ecs/user-guide/start-stop-or-uninstall-the-cloud-assistant-agent#section-ge4-ads-7ud

https://ivpsr.com/3914.html

4月 08

发表于 • 490 views • 没有评论!

linux,php

https://www.meilisearch.com/docs/learn/cookbooks/laravel_scout

构建 laravel 项目使用的工具不是 Sail 时。按照官方文档 https://laravel.com/docs/11.x/scout 来安装和使用 Scout 时，发现会报错。

cURL error 7: Failed to connect to 127.0.0.1 port 7700 after 0 ms: Couldn't connect to server (see https://curl.haxx.se/libcurl/c/libcurl-errors.html) for http://127.0.0.1:7700/indexes/resources/documents?primaryKey=id"

我这里使用的是 docker 环境。出现这个的原因是没有启动 meilisearch 服务。如果使用 sail 构建时，其会包含 meilisearch 服务。所以在这里，自己手动构建好 meilisearch 服务就可以了。docker-compose.yaml 配置如下：

  meilisearch:  
    image: getmeili/meilisearch:latest
    container_name: meilisearch_latest
    ports:  
      - "7700:7700"  
    environment:  
      - MEILI_MASTER_KEY=masterKey  
      - MEILI_NO_ANALYTICS=true  
    volumes:  
      - ./data/meilisearch:/var/lib/meilisearch  
    restart: always

其中，masterKey 为秘钥，可以自定义。

然后 laravel 的 .env 文件中，可以增加以下配置。

SCOUT_DRIVER=meilisearch  
MEILISEARCH_HOST=http://meilisearch:7700  
MEILISEARCH_KEY=masterKey

其他按照官方文档来就可以了。

    1 2