本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

高性能计算集群（HCC） 大模型精简版 功能定位：包含Slurm调度系统、Apptainer高性能容器，实现DeepSeek服务一键启停。 开通步骤： 1. 登录天翼云控制台，进入“弹性高性能计算”产品页面，选择“高性能计算集群”，点击进入集群控制台。 2. 点击“创建集群”，在集群类型中选择“大模型精简版”。 3. 依次配置各项参数，包括计费模式、地域、可用区、集群名称、虚拟私有云、安全组、共享存储（ SFS 或 OceanFS）、管理节点和计算节点的对应规格、镜像、磁盘、子网、登录密码。（注：当前 大模型精简版 暂不支持无计算节点的集群创建，需至少配置1台计算节点） 4. 确认所有配置无误后，提交订单并完成集群创建，等待节点纳管完成，直至集群页面显示“可用”“配置完成”状态。 5. 点击已创建的集群，选择左侧“节点”栏，删除配置的计算节点，仅保留管理节点即可。 2.NVMe 磁盘挂载配置 昇腾910B物理机默认配备2×3.2T NVMe SSD，请格式化后用于存储模型文件，提升推理性能。 需将节点的nvme1n1和nvme0n1两块 NVMe 盘分别挂载至/mnt/nvme1n1和/mnt/nvme0n1目录。 可通过以下脚本实现自动化挂载及开机自动挂载的配置： shell !/bin/bash 设备列表 devices("/dev/nvme0n1" "/dev/nvme1n1") mountpoints("/mnt/nvme0n1" "/mnt/nvme1n1") fstype"xfs"

本文介绍如何通过边缘函数修改源站响应内容。 根据特殊分支场景，修改源站响应内容。 示例代码 javascript async function handleRequest(request) { // 获取原始的请求数据 const originalResponse await fetch(" const url new URL(request.url) const params url.searchParams // 如果传入 title 参数，尝试填充到页面中，修改返回的内容 let title params.get("title") if (title ! "") { title encodeURIComponent(title) let text await originalResponse.text() text text.replace(" ", " " + title + " ") return new Response(text, originalResponse) } return originalResponse } addEventListener("fetch", event > { event.respondWith(handleRequest(event.request)) }) 示例预览 源站响应内容被修改。 相关参考 运行时API：addEventListener 运行时API：Response 运行时API：FetchEvent 运行时API：Web Standard 运行时API：Fetch

本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract plaintext extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract plaintext extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract plaintext extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract plaintext extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

本文介绍如何通过边缘函数修改源站响应内容。 根据特殊分支场景，修改源站响应内容。 示例代码 javascript async function handleRequest(request) { // 获取原始的请求数据 const originalResponse await fetch(" const url new URL(request.url) const params url.searchParams // 如果传入 title 参数，尝试填充到页面中，修改返回的内容 let title params.get("title") if (title ! "") { title encodeURIComponent(title) let text await originalResponse.text() text text.replace(" ", " " + title + " ") return new Response(text, originalResponse) } return originalResponse } addEventListener("fetch", event > { event.respondWith(handleRequest(event.request)) }) 示例预览 源站响应内容被修改。 相关参考 运行时API：addEventListener 运行时API：FetchEvent 运行时API：Web Standards 运行时API：Response 运行时API：Fetch

2.3 检查 Docker 镜像是否存在 if ! docker image inspect "$IMAGE" &> /dev/null; then echo e "${RED}错误: 镜像 $IMAGE 不存在，请先拉取镜像。${NC}" exit 1 fi echo e "${GREEN} ✔ Docker 镜像已存在${NC}" 2.4 检查模型文件是否存在 if [ ! f "$HOSTMODELDIR/config.json" ]; then echo e "${RED}错误: 模型文件未找到 (检查路径: $HOSTMODELDIR/config.json)${NC}" exit 1 fi echo e "${GREEN} ✔ 模型文件检查通过${NC}" } 3. 清理旧容器函数 cleanupoldcontainer() { echo e "${YELLOW}[2/5] 清理旧容器...${NC}" if [ "$(docker ps a q f name$NAME)" ]; then echo e " 正在停止并删除旧容器: $NAME" docker rm f $NAME fi } 4. 启动服务函数 startservice() { echo e "${YELLOW}[3/5] 正在启动 vLLM Ascend 容器...${NC}" docker run d name $NAME nethost ipchost shmsize1g device /dev/davinci0 device /dev/davinci1 device /dev/davinci2 device /dev/davinci3 device /dev/davinci4 device /dev/davinci5 device /dev/davinci6 device /dev/davinci7 device /dev/davincimanager device /dev/devmmsvm device /dev/hisihdc v /usr/local/dcmi:/usr/local/dcmi v /usr/local/Ascend/driver/tools/hccntool:/usr/local/Ascend/driver/tools/hccntool v /usr/local/bin/npusmi:/usr/local/bin/npusmi v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info v /etc/ascendinstall.info:/etc/ascendinstall.info v /etc/hccn.conf:/etc/hccn.conf v $HOSTMODELDIR:$CONTAINERMODELDIR e USEMULTIBLOCKPOOL1 e OMPPROCBINDfalse e OMPNUMTHREADS10 e PYTORCHNPUALLOCCONFexpandablesegments:True e ACLOPINITMODE1 e TRITONALLBLOCKSPARALLEL1 restartonfailure $IMAGE vllm serve model $CONTAINERMODELDIR host 0.0.0.0 servedmodelname $SERVEDMODELNAME maxmodellen 65536 maxnumbatchedtokens 8192 gpumemoryutilization 0.9 maxnumseqs 16 dataparallelsize 1 tensorparallelsize $TENSORPARALLELSIZE enableexpertparallel quantization ascend port $PORT blocksize 128 asyncscheduling additionalconfig '{"enablecpubinding": "true", "multistreamoverlapsharedexpert": true}' speculativeconfig '{"numspeculativetokens": 1,"method": "deepseekmtp"}' compilationconfig '{"cudagraphmode":"FULLDECODEONLY"}' echo e "${GREEN} ✔ 容器启动命令已执行${NC}" }

安装部署 1. CTCCL0.4.0版本及以上。安装方式可参考CTCCL 使用指南。 2. 安装慢节点工具套件 · 安装ctccm 下载合适版本的ctccm whl安装包，使用以下命令安装： pip install ctccmxxx 通过pip show可以查看安装包的位置，并配置环境变量： pip show ctccm export PATH"/usr/local/python3/bin:$PATH" 启动命令： ctccm nodes 4 port 8000 debug（可选） · 安装ctcclprofilercomm 下载合适版本的ctcclprofilercomm安装包，使用以下命令安装： pip install ctcclprofilercommxxx 通过import ctccl profiler comm，在训练任务中调用ctcclprofilercomm提供的API使用。ctcclprofilercomm包括以下可用API： savetpdpgroups(tpgroup, dpgroup): 保存任务拓扑信息到本地文件。 •tpgroup (ProcessGroup)：张量并行组（由megatron内置函数gettensormodelparallelgroup() 获取） •dpgroup (ProcessGroup)：数据并行组（由megatron内置函数getdataparallelgroup() 获取） •返回：无 使用示例： from ctcclprofilercomm.gettpdpgroups import savetpdpgroups from megatron.core.parallelstate import gettensormodelparallelgroup from megatron.core.parallelstate import getdatamodelparallelgroup tpgroup gettensormodelparallelgroup() dpgroup getdatamodelparallelgroup() savetpdpgroups(tpgroup, dpgroup) CtcclProfiler(trainiters): 初始化CtcclProfiler类，创建CtcclProfiler对象。 •trainiters (int)：训练任务迭代总数 •返回：CtcclProfiler对象 CtcclProfiler.gettime(): 时间打点，用于每个迭代前后，获得每次迭代的时间。 •返回：当前时间点 CtcclProfiler.updatestep(starttime, endtime, iteration): 根据当前的训练迭代数，以及迭代时间，判断是否要开启、继续收集、停止profiler。 •starttime (float)：当前迭代开始时间（由 CtcclProfiler.gettime() 获取） •endtime (float)：当前迭代结束时间（由 CtcclProfiler.gettime() 获取） •iteration (int)：当前执行到的迭代步数 •返回：无 使用示例： from ctcclprofilercomm.ctcclprofiler import CtcclProfiler profiler CtcclProfiler(args.trainiters) ... while iteration < args.trainiters: ... starttime profiler.gettime() trainstep()

本章节会介绍MySQL读写分离的功能 读写分离是指通过一个读写分离的连接地址实现读写请求的自动转发。创建只读实例后，您可以开通读写分离功能，通过RDS的读写分离连接地址，写请求自动访问主实例，读请求按照读权重设置自动访问各个实例。 Proxy负载均衡基于负载的自动调度策略，实现多个只读节点间的负载均衡。 备注：目前支持的局点有华北、广州4、苏州、深圳。 功能限制 注意 由于开启读写分离时，系统会自动删除已有的帐户rdsProxy，然后自动创建新的rdsProxy帐户，关闭读写分离时，系统也会自动删除已有的帐户rdsProxy。因此，建议您不要创建rdsProxy帐户，防止被系统误删除。 开启读写分离功能，需要RDS for MySQL为主备实例，并且主实例规格大于或等于4U8GB。 读写分离地址都是内网地址，只能通过内网连接。 开通读写分离时必须保证至少有一个只读实例，且主实例和只读实例必须处于同一Region。 开启读写分离功能后，删除RDS for MySQL主实例，会同步删除只读实例，并关闭读写分离功能。 开启读写分离功能后，主实例和只读实例均不允许修改数据库端口、安全组和内网地址，建议先修改完端口或内网地址后再启用读写分离。 读写分离功能不支持SSL加密。 读写分离功能不支持压缩协议。 读写分离不支持事务隔离级别READUNCOMMITTED。 如果执行了MultiStatements，当前连接的后续请求会全部路由到主节点，需断开当前连接并重新连接才能恢复读写分离。 使用读写分离的连接地址时，事务请求都会路由到主实例，不保证非事务读的一致性，业务上有读一致性需求可以封装到事务中。 使用读写分离的连接地址时， LASTINSERTID() 函数仅支持在事务中使用。 使用读写分离的连接地址时，show processlist命令的执行结果不具有一致性。 使用读写分离的连接地址时，不支持使用show errors和show warnings命令。 使用读写分离的连接地址时，不支持用户自定义变量，如SET @variable语句。 使用读写分离的连接地址时，如果存储过程(procedure)和函数(function)中依赖了用户变量，即@variable，则运行结果可能不正确。

架构 最小节点数 最小配置 节点推荐配置 单副本 1个计算节点 计算规格：4C16G 存储空间：100 GB 8C32G及以上，存储空间500GB及以上（根据实际业务需求进行测试和评估） 双副本 3个协调节点 2个计算节点 协调节点规格：4C16G 协调节点存储空间：100GB 计算节点规格：4C16G 计算节点存储空间：100GB 协调节点：8C32G，存储空间200GB+ 计算节点：8C32G/16C64G/32C128G，1TB及以上（根据实际业务需求进行测试和评估）

鲲鹏计算型 鲲鹏计算型搭载鲲鹏处理器，云主机实例独享CPU，提供更稳定的CPU性能以及更优秀的网络性能，对业务稳定性提供更好支持。 鲲鹏计算型适用于对计算与网络有更高性能要求的Web应用、电商平台、短视频平台、在线游戏、保险金融等各类应用。 规格特点 规格名称 计算 磁盘类型 网络 鲲鹏计算型kc2x 1.CPU/内存配比：1:2/1:4 2.vCPU数量范围：264 3.处理器：鲲鹏920 7260T 4.基频：2.5GHz 1.普通IO 2.高IO 3.通用型SSD 4.XSSD0、XSSD1、XSSD2 1.实例网络性能与计算规格对应，规格越高网络性能越强 2.最大网络收发包：800万PPS 3.最大内网带宽：36Gbps 鲲鹏计算型kc2（停售） 1.CPU/内存配比：1:2/1:4 2.vCPU数量范围：264 3.处理器：鲲鹏920 7260T 4.基频：2.5GHz 1.普通IO 2.高IO 3.通用型SSD 1.实例网络性能与计算规格对应，规格越高网络性能越强 2.最大网络收发包：800万PPS 3.最大内网带宽：36Gbps 鲲鹏计算型kc1x 1.CPU/内存配比：1:2/1:4 2.vCPU数量范围：232 3.处理器：鲲鹏920 4.基频：2.6GHz 1.普通IO 2.高IO 3.通用型SSD 4.XEntry、XSSD0、XSSD1、XSSD2 1.实例网络性能与计算规格对应，规格越高网络性能越强 2.最大网络收发包：400万PPS 3.最大内网带宽：30Gbps 鲲鹏计算型kc1 1.CPU/内存配比：1:2/1:4 2.vCPU数量范围：232 3.处理器：鲲鹏920 4.基频：2.6GHz 1.普通IO 2.高IO 3.通用型SSD 1.实例网络性能与计算规格对应，规格越高网络性能越强 2.最大网络收发包：400万PPS 3.最大内网带宽：30Gbps

资费项 计费项 含义 适用的计费模式 存储费用 标准存储数据容量 OBS中存储的标准存储数据所占用的存储空间容量，区分单AZ存储和多AZ存储。 存储时间按照数据在OBS中存储的实际天数计算。 存储单个对象小于64KB按64KB计算，大于64KB按实际大小计算。 按需计费 包年包月 存储费用 低频访问存储数据容量 OBS中存储的低频访问存储数据所占用的存储空间容量，区分单AZ存储和多AZ存储。 存储时间小于30天按30天计算，大于30天按实际天数计算。早于30天删除或转换为其他存储类别，需要补足剩余天数的存储费用。费用为一次性收取，收取的费用低频访问存储的存储空间单价 容量 剩余天数/30。 存储单个对象小于64KB按64KB计算，大于64KB按实际大小计算。 按需计费 存储费用 归档存储数据容量 OBS中存储的归档存储数据所占用的存储空间容量。 存储时间小于90天按90天计算，大于90天按实际天数计算。早于90天删除或转换为其他存储类别，需要补足剩余天数的存储费用。费用为一次性收取，收取的费用归档存储的存储空间单价 容量 剩余天数/30。补足的费用将直接从账户余额中扣除，而不使用资源包进行抵扣。 存储单个对象小于64KB按64KB计算，大于64KB按实际大小计算。 按需计费

五种专业的量子计算仿真器全振幅状态向量仿真机、稳定子仿真机、张量网络仿真机、单振幅仿真机和带噪声仿真机,以纯命令行方式运行,无需连接任何云平台。 产品概述 量子模拟器是量子计算领域不可或缺的关键工具，它为科研工作者和开发者提供了在经典计算机上模拟和分析量子系统行为的有效途径。这类工具不仅帮助我们深入理解量子算法和量子系统的特性，更能在真实量子计算机尚未完全普及的阶段，为算法设计、验证和优化提供重要支撑。 在量子电路仿真中，选择合适的模拟后端至关重要。天衍量子提供五种专业的量子计算仿真器全振幅状态向量仿真机、稳定子仿真机、张量网络仿真机、单振幅仿真机和带噪声仿真机，以纯命令行方式运行，无需连接任何云平台。 产品介绍 全振幅状态向量仿真机 产品简介 天衍全振幅是天衍量子推出的经典全振幅量子计算仿真器，能够同时模拟和存储量子态的全部振幅信息，是量子计算领域最经典的模拟方案之一。 核心特性 1. 完整量子态模拟：精确模拟整个量子系统的状态演化 2. 高精度：支持float和double双精度计算 3. 灵活配置：可自定义量子比特数和经典寄存器数 4. OpenQASM兼容：支持标准OpenQASM 2.0格式 5. 完整结果获取：可获取量子态的全部振幅信息 6. 量子比特数：36

名称 节点数量 规格 磁盘类型 磁盘空间 kafka01 3 计算增强型4核8GB 超高IO 500GB kafka02 3 计算增强型8核16GB 超高IO 500GB kafka03 3 计算增强型16核32GB 超高IO 500GB kafka04 3 计算增强型4核8GB 高IO 500GB kafka05 3 计算增强型8核16GB 高IO 500GB kafka06 3 计算增强型16核32GB 高IO 500GB

本页介绍天翼云TeleDB数据库的对象命名规范。 这里的对象，指的是数据库对象，如：数据库、模式、表、视图、索引、约束、序列、函数、过程、触发器、规则、包、同义词等。 1. 对象名称建议使用小写字母、数字、下划线的组合，不要使用大写、大小写混合、中文、特殊字符等。 2. 建议不使用双引号即"包围，除非必须包含大写字母或空格等特殊字符。 3. 长度不能超过63个字符。 4. 不建议以pg开头或者pgxc（避免与系统表/视图混淆），不建议以数字开头。 5. 禁止使用SQL 关键字例如 type、order等。 6. 临时或备份的表、视图，建议加上日期时间, 如xxx20240112。 索引命名规则：普通索引命名：表名列名idx；唯一索引命名：表名列名uidx。

$$ teledb$ DECLARE teledb$ 定义时赋值 teledb$ vint1 integer 1; teledb$ 使用 :兼容于plsql teledb$ vint2 integer : 1; teledb$ vtxt1 text; teledb$ vfloat float8; teledb$ 使用查询赋值 teledb$ vrelname text (select relname FROM pgclass LIMIT 1); teledb$ vrelpages integer; teledb$ vrec RECORD; teledb$ BEGIN teledb$ 在函数体中赋值 teledb$ vtxt1 'teledbpg'; teledb$ vfloat random(); teledb$ 使用查询赋值的另一种方式 teledb$ SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; teledb$ RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT FROM f25(); NOTICE: vrelname pgtsparser , relpages 1 f25 (1 row)

$$ teledb$ DECLARE teledb$ 定义时赋值 teledb$ vint1 integer 1; teledb$ 使用 :兼容于plsql teledb$ vint2 integer : 1; teledb$ vtxt1 text; teledb$ vfloat float8; teledb$ 使用查询赋值 teledb$ vrelname text (select relname FROM pgclass LIMIT 1); teledb$ vrelpages integer; teledb$ vrec RECORD; teledb$ BEGIN teledb$ 在函数体中赋值 teledb$ vtxt1 'teledbpg'; teledb$ vfloat random(); teledb$ 使用查询赋值的另一种方式 teledb$ SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; teledb$ RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT FROM f25(); NOTICE: vrelname pgtsparser , relpages 1 f25 (1 row)

本章节主要介绍数据集成概述。 DataArts Studio数据集成是一种高效、易用的数据集成服务，围绕大数据迁移上云和智能数据湖解决方案，提供了简单易用的迁移能力和多种数据源到数据湖的集成能力，降低了客户数据源迁移和集成的复杂性，有效的提高您数据迁移和集成的效率。 数据集成即云数据迁移（Cloud Data Migration，后简称CDM）服务，本文中的“云数据迁移”、“CDM”均指“数据集成”。 您可以通过以下方式之一进入CDM主界面： 登录CDM控制台，单击“集群管理”，进入到CDM主界面。 登录DataArts Studio控制台。选择对应工作空间的“数据集成”模块，进入CDM主界面。 选择数据集成详见下图 云数据迁移简介 云数据迁移基于分布式计算框架，利用并行化处理技术，支持用户稳定高效地对海量数据进行移动，实现不停服数据迁移，快速构建所需的数据架构。 数据集成定位详见下图 产品功能 表/ 文件/ 整库迁移 支持批量迁移表或者文件，还支持同构/异构数据库之间整库迁移，一个作业即可迁移几百张表。 增量数据迁移 支持文件增量迁移、关系型数据库增量迁移、HBase/CloudTable增量迁移，以及使用Where条件配合时间变量函数实现增量数据迁移。 事务模式迁移 支持当CDM作业执行失败时，将数据回滚到作业开始之前的状态，自动清理目的表中的数据。 字段转换 支持去隐私、字符串操作、日期操作等常用字段的数据转换功能。 文件加密 在迁移文件到文件系统时，CDM支持对写入云端的文件进行加密。 MD5校验一致性 支持使用MD5校验，检查端到端文件的一致性，并输出校验结果。 脏数据归档 支持将迁移过程中处理失败的、被清洗过滤掉的、不符合字段转换或者不符合清洗规则的数据单独归档到脏数据日志中，便于用户查看。并支持设置脏数据比例阈值，来决定任务是否成功。

本文将为您介绍专属云(计算独享型)服务相关的术语概念,例如物理隔离等。 专属云（计算独享型） 是在公有云上物理隔离出来的专属虚拟计算资源池，支持一个租户独占的计算物理资源。租户在该资源池内申请独享计算集群资源后，可在其上创建弹性云主机。 宿主机 宿主机是运行云主机的物理服务器。专属云内的宿主机，搭载了天翼云虚拟化系统，支持在其上灵活创建、管理多个云主机实例，自主规划物理资源的使用。 物理隔离 物理隔离是通过物理手段将系统、设备或资源与公有云资源隔离开，以防止未经授权的访问或干扰。因此，专属云中申请的宿主机资源与公有云中的计算资源具有物理隔离的特点。使用专属云内的宿主机，可独占计算资源，独享CPU、内存、网卡等物理资源，带来更高级别的隔离，可解决与其他租户争抢资源的问题。 逻辑隔离 逻辑隔离是通过软件、配置或逻辑手段将不同的系统、资源或数据隔离开来，即使它们共享同一物理基础设施，也可以尽量减少它们之间的相互影响。计算专属云中的存储资源与网络资源实现逻辑独享，存储专属云中的网络资源实现逻辑独享。

3.管理节点加入计算队列 Slurm 集群默认架构设计中，管理节点常规场景下不纳入计算调度队列。在大模型训推、高性能算力作业场景下，单靠原有计算节点资源难以满足大模型权重加载、容器运行、推理生成的高算力与大内存诉求。 为最大化挖掘整机集群资源利用率、扩充可用算力规模，需将管理节点从纯管理模式，纳入 Slurm 计算调度队列，使其同时承担集群管理 + 大模型算力计算双重角色，统一参与大模型相关作业调度与算力承载。 shell sed i 's/^snoderoles./NodeRoleserver,execute/i' /usr/local/galaxy/cluster/default/galaxylauncher/etc/launcher.conf launcher resource setupscheduler {"success": true, "result": null} master0001为管控节点hostname，按实际修改；batch是队列名，在计算节点下单页可自定义命名，建议用batch launcher resource addnode nodename master0001 queuename batch {"success": true, "result": null} 命令执行成功后，可通过sinfo命令查看计算队列节点 ruby 查看计算队列节点 sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST batch up infinite 2 idle compute0001,master0001 物料准备 1.模型文件获取 方式一：（极速）使用cthpc一键安装工具，分钟级快速下发模型： shell mkdir p /mnt/nvme1n1/model 使用 cthpc 工具极速下发 cthpc model makecache cthpc model install Qwen3.8FlashNext dir /mnt/nvme1n1/model/ 方式二：（传统方式速度慢）基于modelscope、魔乐社区、huggingface平台，使用对应工具直接下载（不推荐，受限于公网EIP订阅的带宽大小） shell mkdir p /mnt/nvme1n1/model modelscope下载依赖python3.8+的环境，若缺失，则需要构建虚拟环境 pip install upgrade pip i pip install modelscope modelscope download model EcoTech/Qwen3.8FlashNext localdir /mnt/nvme1n1/model/Qwen3.8FlashNext

3.管理节点加入计算队列 Slurm 集群默认架构设计中，管理节点常规场景下不纳入计算调度队列。在大模型训推、高性能算力作业场景下，单靠原有计算节点资源难以满足大模型权重加载、容器运行、推理生成的高算力与大内存诉求。 为最大化挖掘整机集群资源利用率、扩充可用算力规模，需将管理节点从纯管理模式，纳入 Slurm 计算调度队列，使其同时承担集群管理 + 大模型算力计算双重角色，统一参与大模型相关作业调度与算力承载。 shell sed i 's/^snoderoles./NodeRoleserver,execute/i' /usr/local/galaxy/cluster/default/galaxylauncher/etc/launcher.conf launcher resource setupscheduler {"success": true, "result": null} master0001为管控节点hostname，按实际修改；batch是队列名，在计算节点下单页可自定义命名，建议用batch launcher resource addnode nodename master0001 queuename batch {"success": true, "result": null} 命令执行成功后，可通过sinfo命令查看计算队列节点 ruby 查看计算队列节点 sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST batch up infinite 2 idle compute0001,master0001 物料准备 1.模型文件获取 方式一：（极速）使用cthpc一键安装工具，分钟级快速下发模型： shell mkdir p /mnt/nvme1n1/model 使用 cthpc 工具极速下发 cthpc model makecache cthpc model install DeepSeekV4.1Flashw8a8 dir /mnt/nvme1n1/model/ 方式二：（传统方式速度慢）基于modelscope、魔乐社区、huggingface平台，使用对应工具直接下载（不推荐，受限于公网EIP订阅的带宽大小） shell mkdir p /mnt/nvme1n1/model modelscope下载依赖python3.8+的环境，若缺失，则需要构建虚拟环境 pip install upgrade pip i pip install modelscope modelscope download model EcoTech/DeepSeekV4.1Flashw8a8 localdir /mnt/nvme1n1/model/DeepSeekV4.1Flashw8a8

3.管理节点加入计算队列 Slurm 集群默认架构设计中，管理节点常规场景下不纳入计算调度队列。在大模型训推、高性能算力作业场景下，单靠原有计算节点资源难以满足大模型权重加载、容器运行、推理生成的高算力与大内存诉求。 为最大化挖掘整机集群资源利用率、扩充可用算力规模，需将管理节点从纯管理模式，纳入 Slurm 计算调度队列，使其同时承担集群管理 + 大模型算力计算双重角色，统一参与大模型相关作业调度与算力承载。 shell sed i 's/^snoderoles./NodeRoleserver,execute/i' /usr/local/galaxy/cluster/default/galaxylauncher/etc/launcher.conf launcher resource setupscheduler {"success": true, "result": null} master0001为管控节点hostname，按实际修改；batch是队列名，在计算节点下单页可自定义命名，建议用batch launcher resource addnode nodename master0001 queuename batch {"success": true, "result": null} 命令执行成功后，可通过sinfo命令查看计算队列节点 ruby 查看计算队列节点 sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST batch up infinite 4 idle compute[00010003],master0001 物料准备 1.模型文件获取 方式一：（极速）使用cthpc一键安装工具，分钟级快速下发模型： shell mkdir p /mnt/nvme1n1/model 使用 cthpc 工具极速下发 cthpc model makecache cthpc model install DeepSeekV4.1Flashw8a8 dir /mnt/nvme1n1/model/ 方式二：（传统方式速度慢）基于modelscope、魔乐社区、huggingface平台，使用对应工具直接下载（不推荐，受限于公网EIP订阅的带宽大小） shell mkdir p /mnt/nvme1n1/model modelscope下载依赖python3.8+的环境，若缺失，则需要构建虚拟环境 pip install upgrade pip i pip install modelscope modelscope download model EcoTech/DeepSeekV4.1Flashw8a8 localdir /mnt/nvme1n1/model/DeepSeekV4.1Flashw8a8

3.管理节点加入计算队列 Slurm 集群默认架构设计中，管理节点常规场景下不纳入计算调度队列。在大模型训推、高性能算力作业场景下，单靠原有计算节点资源难以满足大模型权重加载、容器运行、推理生成的高算力与大内存诉求。 为最大化挖掘整机集群资源利用率、扩充可用算力规模，需将管理节点从纯管理模式，纳入 Slurm 计算调度队列，使其同时承担集群管理 + 大模型算力计算双重角色，统一参与大模型相关作业调度与算力承载。 shell sed i 's/^snoderoles./NodeRoleserver,execute/i' /usr/local/galaxy/cluster/default/galaxylauncher/etc/launcher.conf launcher resource setupscheduler {"success": true, "result": null} master0001为管控节点hostname，按实际修改；batch是队列名，在计算节点下单页可自定义命名，建议用batch launcher resource addnode nodename master0001 queuename batch {"success": true, "result": null} 命令执行成功后，可通过sinfo命令查看计算队列节点 ruby 查看计算队列节点 sinfo PARTITION AVAIL TIMELIMIT NODES STATE NODELIST batch up infinite 2 idle compute0001,master0001 物料准备 1.模型文件获取 方式一：（极速）使用cthpc一键安装工具，分钟级快速下发模型： shell mkdir p /mnt/nvme1n1/model 使用 cthpc 工具极速下发 cthpc model makecache cthpc model install Qwen3.8FlashNext dir /mnt/nvme1n1/model/ 方式二：（传统方式速度慢）基于modelscope、魔乐社区、huggingface平台，使用对应工具直接下载（不推荐，受限于公网EIP订阅的带宽大小） shell mkdir p /mnt/nvme1n1/model modelscope下载依赖python3.8+的环境，若缺失，则需要构建虚拟环境 pip install upgrade pip i pip install modelscope modelscope download model EcoTech/Qwen3.8FlashNext localdir /mnt/nvme1n1/model/Qwen3.8FlashNext

本文带您了解计算专属云的功能特性。 专属云（计算独享型）产品具有以下功能特性： 功能名称 特性描述 查看专属云信息 可以查看专属云内计算资源数量、vCPU/内存分配情况，各云资源开通情况。 在专属云中开通资源 在专属云中，云资源（云主机、云硬盘、虚拟私有云VPC、弹性负载均衡等）的创建和使用与公有云完全相同，不同点在于，专属云中的云主机将被创建到专属云中的计算服务器上。 扩容专属云 如果专属云中的计算资源数量不足，无法创建更多的云主机时，可申请增加计算资源的数量。暂不支持在控制台中扩容专属云，请联系专属客户经理或拨打客服热线4008109889提出扩容需求。 退订专属云 暂不支持在控制台中退订专属云，请联系专属客户经理或拨打客服热线4008109889提出退订需求。 专属云（计算独享型）默认提供了计算资源的独占使用。用户开通专属云（计算独享型）服务并申请宿主机资源后，可在专属云的资源池内使用以下服务： 弹性云服务器（在专属云内，云主机实例不计费） 物理机服务 公有镜像 弹性伸缩 云硬盘 云硬盘备份 虚拟私有云 子网 弹性网卡 NAT网关 弹性IP 弹性负载均衡 云监控 统一身份认证服务 标签

本节内容介绍了专属云（计算独享型）的产品定义。 专属云（计算独享型）（CTDeC，Dedicated Cloud）是在公有云上隔离出来的专属虚拟计算资源池，用户独享物理隔离的计算资源。在专属云内，用户可在管理控制台统一管理，就像自建私有云一样灵活使用专属云资源。 用户需要申请专属云（计算独享型）服务后才予以开通权限，请联系专属客户经理提交开通申请，或者拨打天翼云客服电话4008109889。

本节介绍计算增强型云电脑的功能简介。 计算增强型云电脑，提供稳定可靠、弹性扩展、高性能的云电脑服务，支持X86/ARM架构，满足通用计算、高并发网络处理、智能客服机器人、AI agent、AI 推理等多种场景需求，助力业务高效上云。

本节介绍了专属云（计算独享型）到期提醒的相关内容。 到期： 专属云（计算独享型）到期前7天、3天、1天系统向您发送提醒短信和邮件。 数据保留 ：到期后您的计算资源将被冻结，资源保留15天，保留期内您可进行续费，保留期后未续费的专属云（计算独享型）资源将完全销毁，无法恢复。 您在专属云（计算独享型）产品中创建的云硬盘（包括系统盘、数据盘）、公网IP和带宽等将按照公有云中的价格进行计费，订购的上述资源都是按需计费资源，按需计费资源在“退订”之前会持续计费，请在使用结束时对按需资源执行退订操作。

本节包含了高计算型弹性云主机的概述、规格、功能和使用场景。 高性能计算型实例每一个vCPU都对应一个英特尔® 至强® 可扩展处理器核心的超线程，主要适用于高性能计算业务场景，能够提供海量并行计算资源和高性能的基础设施服务，达到高性能计算和海量存储的要求，保障渲染效率。 规格名称 计算 磁盘类型 网络 高性能计算型h3 CPU/内存配比：1:2/1:4 vCPU数量范围：232 处理器：英特尔® 至强® 可扩展处理器 基频/睿频：3.2GHz/4.2GHz 超高IO 通用型SSD 高IO 极速型SSD 超高网络收发包能力 实例网络性能与计算规格对应，规格越高网络性能越强 最大网络收发包：400万PPS 最大内网带宽：17Gbps 类型 CPU基频/睿频 CPU型号 ::: H3 3.2GHz/4.2GHz 6146(48HT) 规格 表 H3型弹性云主机的规格 规格名称 vCPU 内存（GiB） 最大带宽/基准带宽（Gbps） 最大收发包能力（万PPS） 网卡多队列数 虚拟化类型 ::::::: h3.large.2 2 4 2/1 30 2 KVM h3.xlarge.2 4 8 4/2 60 2 KVM h3.2xlarge.2 8 16 6/3.5 120 4 KVM h3.3xlarge.2 12 24 6/5.5 160 4 KVM h3.4xlarge.2 16 32 12/7.5 200 8 KVM h3.6xlarge.2 24 48 15/11 300 8 KVM h3.8xlarge.2 32 64 17/15 400 16 KVM h3.large.4 2 8 2/1 30 2 KVM h3.xlarge.4 4 16 4/2 60 2 KVM h3.2xlarge.4 8 32 6/3.5 120 4 KVM h3.3xlarge.4 12 48 6/5.5 160 4 KVM h3.4xlarge.4 16 64 12/7.5 200 8 KVM h3.6xlarge.4 24 96 15/11 300 8 KVM h3.8xlarge.4 32 128 17/15 400 16 KVM

本章节主要介绍数据湖探索(DLI)的计费模式。 数据湖探索的计费包括存储计费、计算计费。 计费项 计费项 说明 计算计费 按照“CU时”收取计算费用。 CU是队列的计价单位。1CU 1Core 4GMem。不同规格的队列对应的计算能力不一样，规格越高计算能力越好。当前支持Spark、Flink、OpenLookeng计算。 存储计费 按照存储在DLI服务中的表数据存储量（单位为“GB”）收取存储费用。 在估算存储费用时，请特别注意，DLI采用压缩存储，通常能压缩到原文件大小的1/5。DLI存储按照压缩后的大小计费。 如果数据存储在OBS服务中，则DLI服务不收取存储费用，对应的费用由OBS服务收取。 计费方式 DLI在不同的计费项下有不同的计费模式，具体详见下表说明。 计费项 计费模式 计费模式说明 计算计费 按需计费 按需的队列使用CU时进行计费。不足一小时按一小时计费，小时数按整点计算，计算费用单价CU数小时数。 DLI表的数据存储 按需计费 按照存储在DLI服务中的数据存储量（单位为“GB”）收取存储费用。不足一小时按一小时计费，小时数按整点计算，存储费用单价存储数据量（GB）小时数。

本文介绍如何使用边缘函数更改在请求中发送或在响应中返回的标头。 更改在请求中发送或在响应中返回的标头。 示例代码 javascript addEventListener('fetch', event > { event.respondWith(handleRequest(event.request)) }) async function handleRequest(request) { const response await fetch(request) // 添加新的头 response.headers.append("XHello", "hello from ctyun") // 修改旧的头 response.headers.set("Etag" ,"4kf36KRuEB") return response } 示例预览 相关HTTP头被修改。 相关参考 运行时API：addEventListener 运行时API：FetchEvent 运行时API：Web Standards 运行时API：Fetch 运行时API：Response