当前位置: 首页 > article >正文

银河麒麟系统部署Ollama:从依赖修复到服务自启全攻略

1. 银河麒麟系统部署Ollama的挑战与解决方案国产操作系统银河麒麟以其安全稳定的特性受到越来越多企业和开发者的青睐。但在实际部署AI工具时我们经常会遇到一些特有的兼容性问题。最近我在一个政府项目中部署Ollama大模型服务时就踩了个典型的坑——系统自带的libstdc版本过低导致服务无法启动。这个问题其实很有代表性。银河麒麟基于Linux开发但出于稳定性考虑系统内置的GCC工具链版本通常比较保守。而像Ollama这样的现代AI工具往往依赖较新的C运行时库这就产生了版本冲突。具体表现就是运行ollama命令时会报错提示找不到GLIBCXX_3.4.25版本符号。我当时的解决思路是先备份原有系统库确保安全然后通过源码编译方式获取新版libstdc最后通过环境变量指定使用新库而不影响系统默认配置。这种方案既解决了依赖问题又不会破坏系统稳定性特别适合生产环境使用。2. 环境准备与Ollama安装2.1 系统架构确认在开始之前我们需要先确认银河麒麟系统的CPU架构。打开终端执行uname -m常见的输出可能是x86_64Intel/AMD处理器或aarch64国产ARM处理器。这个信息决定了我们要下载哪个版本的Ollama安装包。2.2 获取Ollama安装包目前Ollama官方提供了预编译的Linux版本。对于x86架构的银河麒麟系统可以直接下载wget https://ollama.com/download/ollama-linux-amd64.tgz如果是国产ARM芯片需要确认Ollama是否提供对应架构的版本。下载完成后建议将安装包放在/opt目录下统一管理。2.3 解压与权限设置解压安装包并设置执行权限tar -xzf ollama-linux-amd64.tgz cd bin chmod x ollama sudo mv ollama /usr/local/bin/这里有个小技巧我习惯把第三方工具放在/usr/local/bin下这样既不需要修改PATH环境变量又能保证所有用户都可以使用。3. 解决libstdc版本问题3.1 诊断依赖问题首次运行ollama命令时很可能会遇到这样的错误ollama: /usr/lib64/libstdc.so.6: version GLIBCXX_3.4.25 not found这时需要检查系统当前的libstdc版本strings /usr/lib64/libstdc.so.6 | grep GLIBCXX如果输出中最大的版本号低于GLIBCXX_3.4.25就说明需要升级了。3.2 安全更新方案直接替换系统库风险很大我推荐采用局部更新的方案。首先备份原有库文件mkdir -p /opt/backup-libstdcpp \ cp -v /usr/lib64/libstdc.so.6 /opt/backup-libstdcpp/ \ cp -v /usr/lib64/libstdc.so.6.* /opt/backup-libstdcpp/3.3 编译新版libstdc下载GCC 8.3.0源码并编译cd /opt wget http://ftp.gnu.org/gnu/gcc/gcc-8.3.0/gcc-8.3.0.tar.gz tar -xf gcc-8.3.0.tar.gz cd gcc-8.3.0 ./contrib/download_prerequisites mkdir build-libstdcpp cd build-libstdcpp ../configure --disable-multilib --enable-languagesc,c --prefix/opt/gcc-8.3.0-custom make -j$(nproc) make install编译过程可能需要较长时间建议在服务器负载较低时进行。完成后可以通过以下命令验证LD_LIBRARY_PATH/opt/gcc-8.3.0-custom/lib64 ollama --version4. 服务配置与优化4.1 启动Ollama服务现在可以正常启动Ollama服务了LD_LIBRARY_PATH/opt/gcc-8.3.0-custom/lib64 ollama serve为了验证服务是否正常运行可以另开一个终端执行curl http://localhost:11434如果返回404响应说明服务已经启动成功404是正常的因为根路径没有定义路由。4.2 配置systemd自启动生产环境需要确保服务稳定运行我们可以通过systemd来管理sudo vi /etc/systemd/system/ollama.service写入以下内容[Unit] DescriptionOllama AI Service Afternetwork.target [Service] ExecStart/usr/bin/env LD_LIBRARY_PATH/opt/gcc-8.3.0-custom/lib64 /usr/local/bin/ollama serve Restarton-failure Userroot EnvironmentOLLAMA_HOSThttp://127.0.0.1:11434 WorkingDirectory/root [Install] WantedBymulti-user.target然后启用服务sudo systemctl daemon-reload sudo systemctl enable ollama sudo systemctl start ollama4.3 服务监控与维护可以通过以下命令检查服务状态sudo systemctl status ollama journalctl -u ollama -f建议设置日志轮转创建/etc/logrotate.d/ollama文件/var/log/ollama.log { daily missingok rotate 7 compress delaycompress notifempty create 0640 root root }5. 安全加固与性能调优5.1 网络访问控制默认情况下Ollama监听127.0.0.1如果需要远程访问建议配合Nginx做反向代理并配置HTTPSserver { listen 443 ssl; server_name your-domain.com; ssl_certificate /path/to/cert.pem; ssl_certificate_key /path/to/key.pem; location / { proxy_pass http://127.0.0.1:11434; proxy_set_header Host $host; } }5.2 模型存储优化Ollama默认将模型存储在~/.ollama目录对于生产环境建议sudo mkdir /opt/ollama-models sudo chown -R root:root /opt/ollama-models export OLLAMA_MODELS/opt/ollama-models然后在systemd服务文件中添加这个环境变量。5.3 资源限制配置对于内存有限的服务器可以在systemd服务文件中添加资源限制[Service] ... MemoryLimit8G CPUQuota200%这样可以防止Ollama占用过多系统资源影响其他服务。6. 常见问题排查6.1 版本兼容性问题如果遇到其他类似GLIBCXX的符号缺失错误可以尝试编译更新版本的GCC。但要注意银河麒麟系统的内核版本可能对新版GCC有限制。6.2 服务启动失败排查查看详细日志sudo journalctl -u ollama -xe常见问题包括端口冲突、权限不足等。如果是端口冲突可以修改OLLAMA_HOST环境变量指定其他端口。6.3 模型加载异常如果模型下载或加载失败可以尝试export OLLAMA_DEBUG1 ollama serve这会输出详细调试信息帮助定位网络或存储问题。

相关文章:

银河麒麟系统部署Ollama:从依赖修复到服务自启全攻略

1. 银河麒麟系统部署Ollama的挑战与解决方案 国产操作系统银河麒麟以其安全稳定的特性受到越来越多企业和开发者的青睐。但在实际部署AI工具时,我们经常会遇到一些特有的兼容性问题。最近我在一个政府项目中部署Ollama大模型服务时就踩了个典型的坑——系统自带的li…...

PHP 8.9原生异步I/O终极调优清单(含12项基准测试指标、9类典型负载适配矩阵)

第一章:PHP 8.9原生异步I/O的核心演进与设计哲学PHP 8.9并未实际发布——截至2024年,PHP官方最新稳定版本为PHP 8.3,且PHP核心开发团队已明确表示**不会在PHP 8.x系列中引入原生异步I/O运行时**。该标题所指的“PHP 8.9”属于虚构版本&#x…...

Java 核心四大基石:从 Object 源码到包装类陷阱的全维度复盘技

MySQL 中的 count 三兄弟:效率大比拼! 一、快速结论(先看结论再看分析) 方式 作用 效率 一句话总结 count(*) 统计所有行数 最高 我是专业的!我为统计而生 count(1) 统计所有行数 同样高效 我是 count(*) 的马甲兄弟…...

从DINO Score到LLaVA:拆解SPAA论文如何用“双考官”机制筛选高质量AI修图

从DINO Score到LLaVA:构建AI图像编辑的"双考官"质量评估体系 在AI图像编辑技术快速发展的今天,如何系统评估生成结果的质量已成为产品落地的关键瓶颈。传统方法往往依赖人工审核或单一指标,既难以规模化又无法全面捕捉图像修改的语…...

给嵌入式开发者的698协议实战拆解:从报文抓包到C语言解析(附代码)

给嵌入式开发者的698协议实战拆解:从报文抓包到C语言解析(附代码) 在智能电表与集中器通信领域,698协议正逐渐成为主流标准。不同于传统645协议的简单数据标识,698协议采用面向对象的设计思想,为开发者提供…...

【hudi学习笔记】深入解析Hudi表设计:核心组件与高效索引机制

1. Hudi表设计的核心组件解析 第一次接触Hudi表设计时,我被它精巧的架构深深吸引。作为一个处理大规模数据湖的开源框架,Hudi通过三个核心组件构建了高效的数据管理机制,这就像建造一栋房子需要稳固的地基、承重墙和屋顶一样缺一不可。 时间轴…...

信号发生器与示波器阻抗匹配:为什么测量结果与预期不符?

1. 信号发生器与示波器的阻抗匹配基础 第一次用示波器测量信号发生器输出时,我盯着屏幕上的波形愣住了——明明设置了1V峰峰值,为什么示波器显示的是2V?这个问题困扰了我整整一个周末,直到弄明白阻抗匹配的原理才恍然大悟。 信号发…...

STM32内存优化实战:解决Keil5 L6406E报错与SRAM/FLASH分配策略

1. 认识Keil5 L6406E报错:内存不足的典型症状 第一次在Keil5里看到"Error: L6406E: No space in execution regions"这个红色报错时,我正把STM32F103的程序往STM32G0系列芯片移植。编译器的这个报错就像高速公路上的限高杆——明确告诉你装载的…...

抖音下载神器:5分钟学会批量下载无水印视频的终极指南

抖音下载神器:5分钟学会批量下载无水印视频的终极指南 【免费下载链接】douyin-downloader A practical Douyin downloader for both single-item and profile batch downloads, with progress display, retries, SQLite deduplication, and browser fallback suppo…...

Cuvil如何让PyTorch推理成本直降42%?揭秘LLM服务中被忽略的编译器级TCO压缩术

第一章:Cuvil编译器在Python AI推理中的应用Cuvil 是一款面向AI推理场景设计的轻量级领域专用编译器(DSL Compiler),专为将Python中基于NumPy/TensorFlow/PyTorch的模型前向逻辑高效编译为目标硬件指令而构建。它不替代完整框架&a…...

NPJ Precis Oncol 重庆大学附属肿瘤医院张久权教授团队:基于纵向MRI的分形分析预测乳腺癌新辅助化疗反应

01文献学习今天分享的文献是由重庆大学附属肿瘤医院张久权教授等团队于12月12日在肿瘤学顶刊《npj Precision Oncology》(中科院1区top,IF8)上发表的研究“Fractal analysis of longitudinal MRI for predicting response to neoadjuvant che…...

终极指南:如何使用Everything Claude Code实现Laravel验证循环的AI自动化

终极指南:如何使用Everything Claude Code实现Laravel验证循环的AI自动化 【免费下载链接】everything-claude-code The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, C…...

Windows任务栏美化终极指南:如何使用TranslucentTB实现透明化效果

Windows任务栏美化终极指南:如何使用TranslucentTB实现透明化效果 【免费下载链接】TranslucentTB A lightweight utility that makes the Windows taskbar translucent/transparent. 项目地址: https://gitcode.com/gh_mirrors/tr/TranslucentTB 你是否厌倦…...

谷歌开发入门完整指南,从零开始入门,一分钟就能学会的开发者教程

谷歌开发入门指南涵盖领域极广,因其产品生态庞大,包括安卓(Android)、云平台(Google Cloud)、API服务、机器学习(TensorFlow)、Web技术等。本文将遵循与《鸿蒙开发者入门指南》类似的…...

HagiCode 为什么选择 Hermes 作为综合 Agent 核心一

1. 哑铃图是什么? 哑铃图(Dumbbell Plot),有时也称为DNA图或杠铃图,是一种用于比较两个相关数据点的可视化图表。 它源于人们对更有效数据比较方式的持续探索。 在传统的时间序列比较中,我们通常使用两条折…...

Java 响应式编程最佳实践:构建高效的异步应用

Java 响应式编程最佳实践:构建高效的异步应用别叫我大神,叫我 Alex 就好。一、引言 大家好,我是 Alex。响应式编程作为一种编程范式,已经在 Java 生态系统中变得越来越重要。随着 Spring WebFlux、Project Reactor 和 RxJava 等框…...

从原理到选型:WDM波分复用技术全解析与应用指南

1. WDM波分复用技术基础入门 第一次接触WDM这个概念是在2013年参加某运营商骨干网改造项目时。当时客户指着机房密密麻麻的光纤问我:"能不能在不更换现有光缆的情况下,把传输容量提升8倍?"这个问题直接把我问住了。后来在华为专家的…...

台达PLC与C#串口通信实时监控:XML配置监控地址,控件自动生成读写同步操作

台达plc与C#串口通信程序,可同步读写操作,实时监控。 监控地址通过xml文件配置,控件自动生成。折腾工控通信的老铁们肯定都遇到过这问题——PLC和上位机要实时互传数据还得保证不卡顿。今天咱们就用C#和台达PLC的串口通信来盘一盘这个需求&am…...

基于WRF-DNN融合的气象数据降尺度技术实践与优化

1. 气象数据降尺度为什么需要WRF和DNN联手? 每次打开天气预报App查看未来几天的温度变化时,你可能不会想到背后需要处理TB级的气象数据。专业领域使用的WRF模型就像个严谨的老教授,擅长用物理公式推演天气变化,但有个致命弱点——…...

崖山数据库的体系架构

一、 数据库与数据库实例YashanDB数据库,英文名称叫做Yashan Database。这里所说的数据库是一个物理上的概念,即指物理操作系统的文件或者磁盘的集合。换句话来说,YashanDB数据库是由物理硬盘上许多的文件组成。这些文件包含了数据文件、控制…...

中文Python游戏开发避坑指南:植物大战僵尸开发中的5个常见问题及解决方案

Python游戏开发实战:植物大战僵尸复刻中的5个关键技术挑战 在游戏开发领域,Python凭借其简洁语法和丰富的库支持,成为许多独立开发者的首选语言。植物大战僵尸作为一款经典的塔防游戏,其核心玩法看似简单,但在实际开发…...

Mojo模块如何无缝注入PyTorch训练循环:从Cython替代到JIT热重载的完整链路(仅限内测版工具链公开)

第一章:Mojo模块如何无缝注入PyTorch训练循环:从Cython替代到JIT热重载的完整链路(仅限内测版工具链公开)Mojo模块通过原生ABI兼容层与PyTorch C前端深度对齐,无需修改torch.compile()调用栈即可嵌入训练循环。其核心机…...

RFSOC XCZU47DR在5G射频基带开发中的实战应用(含代码示例)

RFSOC XCZU47DR在5G射频基带开发中的实战应用(含代码示例) 在5G通信系统的开发中,射频基带处理一直是工程师面临的核心挑战之一。Xilinx的RFSOC XCZU47DR凭借其独特的架构设计,将高性能RF数据转换器与可编程逻辑完美融合&#xff…...

全球真空电子方向研究单位集锦

摘要:微波电子管是雷达、卫星、导弹、核聚变的核心 "心脏",也是全球少数几个真正的 "卡脖子" 技术之一。全世界能独立研制高端微波管的国家不超过 5 个,顶尖研究机构更是屈指可数。本文承接《微波电真空器件硬核科普》系…...

MetalLB才是给Ingress这个老登做负重前行的那个男人棺

一、核心问题及解决方案(按踩坑频率排序) 问题 1:误删他人持有锁——最基础也最易犯的漏洞 成因:释放锁时未做身份校验,直接执行 DEL 命令删除键。典型场景:服务 A 持有锁后,业务逻辑耗时超过锁…...

IP地址什么?工业场景网络注意事项有哪些?僬

OCP原则 ocp指开闭原则,对扩展开放,对修改关闭。是七大原则中最基本的一个原则。 依赖倒置原则(DIP) 什么是依赖倒置原则 核心是面向接口编程、面向抽象编程, 不是面向具体编程。 依赖倒置原则的目的 降低耦合度&#…...

从模型下载到API服务:手把手教你用MS-Swift+VLLM部署Qwen2.5-VL,打造自己的图像理解服务

从模型下载到API服务:手把手教你用MS-SwiftVLLM部署Qwen2.5-VL,打造自己的图像理解服务 在人工智能技术快速发展的今天,多模态大模型正逐渐成为理解和处理图像、文本等复杂数据的关键工具。Qwen2.5-VL作为一款强大的视觉语言模型,…...

Cross Q: Enhancing Deep Reinforcement Learning with Batch Normalization and Wide Critic Networks for

1. 深度强化学习的样本效率困境 深度强化学习(Deep Reinforcement Learning, DRL)近年来在游戏AI、机器人控制等领域取得了显著进展,但样本效率(Sample Efficiency)问题始终是制约其实际应用的瓶颈。简单来说&#xff…...

93.91%压缩率背后的技术革命:CompressO如何解决企业级视频处理的效率困境

93.91%压缩率背后的技术革命:CompressO如何解决企业级视频处理的效率困境 【免费下载链接】compressO Convert any video/image into a tiny size. 100% free & open-source. Available for Mac, Windows & Linux. 项目地址: https://gitcode.com/gh_mirr…...

5个核心策略解决Windows更新故障

5个核心策略解决Windows更新故障 【免费下载链接】Reset-Windows-Update-Tool Troubleshooting Tool with Windows Updates (Developed in Dev-C). 项目地址: https://gitcode.com/gh_mirrors/re/Reset-Windows-Update-Tool Windows更新是系统健康的重要保障&#xff0c…...