本章节介绍如何修改AI网关的名称。 概述 网关名称是网关实例的别名，不影响业务，允许用户灵活修改。 操作步骤 1. 登录AI网关控制台，并在顶部菜单栏选择地域。 2. 在左侧导航栏，选择AI网关实例，点击目标实例名称或实例id，进入实例详情。 3. 在实例信息基础信息中，点击名称旁边的修改按钮。 4. 在弹窗中填写新的名称。实例名称长度4~40个字符，大小写字母开头，只能包含大小写字母、数字及分隔符()，大小写字母或数字结尾。点击确认提交修改操作。 5. 弹窗展示任务处理情况，任务完成表示修改成功。

本节介绍人脸识别的用户控制台。 控制台 点击产品详情页左上角的【管理控制台】，页面跳转到控制台总览页面。 总览 点击左侧菜单栏【总览】，可以查看已开通能力、API调用排行榜以及平均响应时间等内容。 能力列表 点击左侧菜单栏【能力列表】，可以查看已有能力。 我的应用 点击左侧菜单栏【我的应用】，可以查看已经开通的应用。 应用监控 点击左侧菜单栏【应用监控】，可以查看所创建应用的请求次数、响应时间与请求流量。

本节介绍了智能语音交互用户控制台。 控制台 点击产品详情页左上角的【管理控制台】，页面跳转到控制台总览页面。 总览 点击左侧菜单栏【总览】，可以查看已开通能力、API调用排行榜以及平均响应时间等内容。 能力列表 点击左侧菜单栏【能力列表】，可以查看已有能力。 我的应用 点击左侧菜单栏【我的应用】，可以查看已经开通的应用。 应用监控 点击左侧菜单栏【应用监控】，可以查看所创建应用的请求次数、响应时间与请求流量。

本节介绍如何卸载智算套件。 注意 智算套件卸载后，AI应用、队列信息等将会删除。您可在重新安装后再次创建相关资源。 操作步骤 在集群列表页点击进入指定集群； 在左侧导航栏中选择“智算套件/AI套件管理”，进入AI套件列表页； 点击“统一卸载”，在弹出的对话框中点击确认；

场景三：企业员工的云电脑开通3D模式 具体操作详见：场景三：存量用户的云电脑开通3D模式 时长查询 天翼AI云电脑客户端通过“配置”查询 1. 在云电脑列表页中点击“配置”信息； 2. 在AI云电脑配置中查看3D模式的使用情况； 3. 点击"详情"可查看套餐情况。 天翼AI云电脑客户端通过“3D模式”查询 1. 找到3D模式开启入口； 2. 在3D模式设置界面或者在设备选择页面可以查看剩余时长； 3. 点击进入查看套餐详情； 4. 支持随时新增订购。 天翼云电脑（政企版）管理台通过“桌面视图”查询 1. 登录AI云电脑管理控制台； 2. 进入AI云电脑管理－桌面管理模块； 3. 在列表中点击需要查询的桌面名称； 4. 进入桌面视图，在基础信息中找到3D模式订购详情。

本节介绍印刷文字识别的用户控制台。 控制台 点击产品详情页左上角的【管理控制台】，页面跳转到控制台总览页面。 总览 点击左侧菜单栏【总览】，可以查看已开通能力、API调用排行榜以及平均响应时间等内容。 能力列表 点击左侧菜单栏【能力列表】，可以查看已有能力。 我的应用 点击左侧菜单栏【我的应用】，可以查看已经创建的应用。 应用监控 点击左侧菜单栏【应用监控】，可以查看所创建应用的请求次数、响应时间与请求流量。

本章主要介绍翼MapReduce的配置HDFS数据传输加密功能。 设置HDFS安全通道加密 默认情况下，组件间的通道是不加密的。您可以配置如下参数，设置安全通道为加密的。 参数修改入口：在FusionInsight Manager系统中，选择“集群 > 待操作集群的名称 > 服务 > HDFS > 配置”，展开“全部配置”页签。在搜索框中输入参数名称。 说明 配置后应重启对应服务使参数生效。 详见下表：参数说明 配置项 描述 默认值 hadoop.rpc.protection 须知 设置后需要重启服务生效，且不支持滚动重启。 设置后需要重新下载客户端配置，否则HDFS无法提供读写服务。 设置Hadoop中各模块的RPC通道是否加密。通道包括： 客户端访问HDFS的RPC通道。 HDFS中各模块间的RPC通道，如DataNode与NameNode间。 客户端访问Yarn的RPC通道 NodeManager和ResourceManager间的RPC通道。 Spark访问Yarn，Spark访问HDFS的RPC通道。 Mapreduce访问Yarn，MapReduce访问HDFS的RPC通道。 HBase访问HDFS的RPC通道。 说明 设置后全局生效，即Hadoop中各模块的RPC通道的加密属性全部生效。 安全模式：privacy 普通模式：authentication 说明 “authentication”：只进行认证，不加密。 “integrity”：进行认证和一致性校验。 “privacy”：进行认证、一致性校验、加密。 dfs.encrypt.data.transfer 设置客户端访问HDFS的通道和HDFS数据传输通道是否加密。HDFS数据传输通道包括DataNode间的数据传输通道，客户端访问DataNode的DT（Data Transfer）通道。设置为“true”表示加密，默认不加密。 说明 仅当hadoop.rpc.protection设置为privacy时使用。 业务数据传输量较大时，默认启用加密对性能影响严重，使用时请注意。 如果互信集群的一端集群配置了数据传输加密，则对端集群也需配置同样的数据传输加密。 FALSE dfs.encrypt.data.transfer.algorithm 设置客户端访问HDFS的通道和HDFS数据传输通道的加密算法。只有在dfs.encrypt.data.transfer配置项设置为“true”，此参数才会生效。 说明 缺省值为“3des”，表示采用3DES算法进行加密。此处的值还可以设置为“rc4”，避免出现安全隐患，不推荐设置为该值。 3des dfs.encrypt.data.transfer.cipher.suites 可以设置为空或“AES/CTR/NoPadding”，用于指定数据加密的密码套件。如果不指定此参数，则使用“dfs.encrypt.data.transfer.algorithm”参数指定的加密算法进行数据加密。默认值为“AES/CTR/NoPadding”。 AES/CTR/NoPadding

section7c07c547e3ced174) 镜像准备 他人分享镜像 可将自己的镜像分享给他人使用 镜像分享 代码准备 导入代码包 将代码上传到平台 我的代码包 模型准备 导入模型 可将用户自己的模型或在平台训练、精调好的模型导入到平台进行版本管理、评估及部署 模型管理 AI作业 模型开发 可通过启动和管理在线JupyterLab或VSCode集成开发环境在线编程进行模型开发 模型开发 AI作业 模型训练 创建自定义创建训练任务，支持单机和多机分布式训练 训练任务 AI作业 模型精调 零代码快速创建和管理精调任务，提供全参微调和lora微调两种精调方式。基于平台的基础大模型，选择训练数据集和算力即可快速启动精调任务。 模型精调 AI作业 模型评估 可对模型进行评估，自动评估打分，生成评估报告 模型评估 AI作业 模型压缩 不减少模型效果的前提下压缩模型大小，进而提升模型在推理调用时的性能 模型压缩 AI作业 模型部署 部署模型，提供推理服务 模型服务

驾驶证识别计费详情 免费试用包额度 产品名称 免费试用额度 调用有效期 领取入口 驾驶证识别 10,000次 以单个API为统计维度，有效期从领取之日起一年内有效，过期作废 立即领取 付费资源包价格表 产品名称 调用量规格 调用有效期 单价（元） 购买入口 驾驶证识别 1万次 1年 300 立即购买 驾驶证识别 10万次 1年 2,800 立即购买 驾驶证识别 100万次 1年 15,000 立即购买 驾驶证识别 500万次 1年 45,000 立即购买 驾驶证识别 1,000万次 1年 80,000 立即购买

本章节介绍如何AI网关接入点相关操作。 概述 目前AI网关的接入点为弹性负载均衡ELB，实现网关多节点入站负载均衡和公网访问暴露，支持绑定一个或多个ELB作为网关入口，从而将访问流量自动分发到多台网关节点，实现更高水平的应用程序容错性能。 标准版及以上规格的AI 网关均采用高可用部署，具备多节点架构。通过接入天翼云弹性负载均衡产品 ELB，可实现对多个网关节点的流量分发、故障自动剔除等能力，并同时支持 HTTP 和 HTTPS 协议。 对于有公网访问需求的业务场景，可通过为弹性负载均衡绑定 EIP，实现网关服务的公网访问能力。 绑定ELB 1. 登录AI网关控制台，并在顶部菜单栏选择地域。 2. 在左侧导航栏，选择AI网关实例，进入实例列表页。 3. 在网关列表页单击需要查看的网关实例ID或者实例名称 。 4. 在左侧导航栏，单击概览，然后单击接入点。 5. 单击绑定ELB，在绑定ELB面板中配置ELB参数，单击左下角确认按钮。 6. 弹窗展示绑定任务执行情况，刚绑定时关联状态为进行中，系统会自动刷新，直至关联状态更新为绑定成功。 7. 在网关入口区域可以查看新绑定的ELB 。 ELB配置参数说明 参数 描述 类型 支持公网和私网 ELB 选择同VPC下的ELB实例，若您还没有ELB实例，请先创建ELB实例。 HTTP端口 配置HTTP端口 HTTPS端口 配置HTTPS端口 注意 80、443、8080、8443常见敏感端口需进行备案后才可配置。

本章节介绍批量发布不同环境下多个应用实例的批量发布单功能 概述 批量发布单主要用于批量发布不同环境下多个应用实例，并指定环境间及同环境下应用实例间发布顺序。 批量发布单列表 批量发布单主要展示该环境下历史批量发布单信息。在左侧导航栏单击应用运维ECS应用实例应用发布批量发布单进入批量发布单列表页面。批量发布单列表页面分成批量发布单统计和批量发布单列表两块内容。 批量发布单统计 批量发布单统计用于统计当前租户下批量发布单，展示发布单总计、发布成功总计、发布失败总计、发布中总计、待发布总计、已取消总计。 批量发布单列表 批量发布单列表包括发布单名称、环境数量、应用数量、应用实例数量、状态、执行人、执行时间、操作列。根据状态的不同，操作列存在不同。 创建批量发布单 1. 在批量发布单列表页面，单击创建发布单按钮，进入批量发布单配置页面 2. 填写基本信息 配置项 描述 发布单名称 请输入批量发布单名称。 部署单元 用于确定批量发布单包含的环境以及环境下的部署单元信息。 所属应用 用于确定批量发布单包含的应用。 发布类型 仅支持普通发布。 每组批次 选择每组发布分批次数。 分批方式 当每组批次大于1时，需配置分批间处理方式。支持手动和自动。手动：手动触发下一个批次的发布。自动：根据间隔自动分配分批发布。间隔为剩余批次间的发布时间间隔，单位：分钟。 应用实例列表 选择好部署单元和所属应用后，应用实例列表分环境展示当前环境下所属应用所包含的应用实例列表。您可以在不同环境下的待选应用实例列表中单击选择需要的应用实例，单击>图标将应用实例添加到已选应用实例列表中。若应用实例存在多个版本，需要选择要发布的版本，默认选择最新的版本。若应用实例存在多个分组，需要选择要发布的分组，默认选择第一个分组。 3. 高级配置 高级配置用于设置环境间及环境内应用实例间依赖关系。当选择了 2 个及以上环境时，可能需要填写环境之间的依赖关系。若环境之间不存在依赖关系，则直接跳过。当环境内选择了 2 个及以上应用实例时，可能需要填写环境内应用实例之间的依赖关系。若环境内应用实例之间不存在依赖关系，则直接跳过。 注意 环境之间不可循环依赖，即不可出现环境 A 依赖于环境 B，同时环境B 又依赖于环境 A 这种情况。环境内应用实例之间不可循环依赖，即不可出现应用实例 A 依赖于应用实例 B，同时应用实例 B 又依赖于应用实例 A 这种情况。 4. 在预览页面确认信息无误后，单击创建。系统会自动跳转到批量发布单列表页面，单击发布单名称进入批量发布单详情页面，等待初始化完成后点击发布即可开始发布。

本节介绍iVPN app VPC管理的操作说明。 iVPN app加载VPC 若想通过iVPN app加密接入本资源池不同VPC下的多个AI云电脑，可在iVPN app实例中加载所需VPC。 1.进入“AI云电脑（政企版）”管理控制台； 2.点击“网络管理”，点击“企业云网”，选择“iVPN app”，进入iVPN app管理页面； 3.在操作实例中，点击“管理”，选择“vpc管理”，进入iVPN app VPC管理页面； 4.在iVPN app VPC管理页面，点击“加载VPC”，选择需要加载的VPC； 5.确定后，AI云电脑客户端通过iVPN app重新登录，即可进入新加载VPC所包含的当前用户的AI云电脑。 iVPN app移除VPC 1.进入“AI云电脑（政企版）”管理控制台； 2.点击“网络管理”，点击“企业云网”，选择“iVPN app”，进入iVPN app管理页面； 3.在操作实例中，点击“管理”，选择“vpc管理”，进入iVPN app VPC管理页面； 4.在iVPN app VPC管理页面，操作VPC中点击“移除”即可。

本节介绍高可用云电脑的退订操作说明。 已开通“高可用AI云电脑”服务的用户可在“天翼AI云电脑”“协同套件”页面进行服务退订，进入功能介绍页选择“关闭”。

本节介绍iVPN app VPC管理的操作说明。 iVPN app加载VPC 若想通过iVPN app加密接入本资源池不同VPC下的多个AI云电脑，可在iVPN app实例中加载所需VPC。 1.进入“AI云电脑（政企版）”管理控制台； 2.点击“网络管理”，点击“企业云网”，选择“iVPN app”，进入iVPN app管理页面； 3.在操作实例中，点击“管理”，选择“vpc管理”，进入iVPN app VPC管理页面； 4.在iVPN app VPC管理页面，点击“加载VPC”，选择需要加载的VPC； 5.确定后，AI云电脑客户端通过iVPN app重新登录，即可进入新加载VPC所包含的当前用户的AI云电脑。 iVPN app移除VPC 1.进入“AI云电脑（政企版）”管理控制台； 2.点击“网络管理”，点击“企业云网”，选择“iVPN app”，进入iVPN app管理页面； 3.在操作实例中，点击“管理”，选择“vpc管理”，进入iVPN app VPC管理页面； 4.在iVPN app VPC管理页面，操作VPC中点击“移除”即可。

本章节介绍云原生API网关的优势。 高性能 云原生架构，Nginx + LuaJIT内核，低内存占用，事件驱动架构可高效支持 高吞吐、低延迟业务场景。 高可用 集群 & 多可用区部署，内置实时健康检查、流量管控、熔断、自动故障转移等能力，上游服务异常时，可自动切换流量或降级处理，确保业务连续性。 强扩展性 丰富的插件列表，支持热插拔，无需重启网关即可动态调整 API 处理能力。 易用性 开箱即用，提供可视化配置界面，简化API运营，降低使用门槛。 生态集成 深度融合天翼云微服务、可观测产品，构建一体化云原生API生态，助力企业快速构建数字化能力。 AI 代理 内置AI网关能力，提供 安全、高效、可扩展的AI访问和管理方案，加速企业AI业务落地。

天翼AI云电脑是云计算技术和终端相结合的创新型产品。依托中国电信优质云网资源，结合自主研发的CLINK数据安全传输协议，具备多重数据安全防护机制，实现安全高效的AI云电脑使用体验。提供一键部署、灵活可配、集中管控能力，广泛应用于办公、教育、医疗等行业使用场景。 本文档提供了天翼AI云电脑（政企版）API 的描述、语法、参数说明及示例等内容。

本文介绍Kafka业务数据不均衡最佳实践 方案概述 Kafka将Topic划分为多个分区，所有消息分布式存储在各个分区上。每个分区有一个或多个副本，分布在不同的Broker节点上，每个副本存储一份全量数据，副本之间的消息数据保持同步。Kafka的Topic、分区、副本和代理的关系如下图所示： 在实际业务过程中可能会遇到各节点间或分区之间业务数据不均衡的情况，业务数据不均衡会降低Kafka集群的性能，降低资源使用率。 业务数据不均衡原因： 业务中部分Topic的流量远大于其他Topic，会导致节点间的数据不均衡。 生产者发送消息时指定了分区，未指定的分区没有消息，会导致分区间的数据不均衡。 生产者发送消息时指定了消息Key，按照对应的Key发送消息至对应的分区，会导致分区间的数据不均衡。 系统重新实现了分区分配策略，但策略逻辑有问题，会导致分区间的数据不均衡。 Kafka扩容了Broker节点，新增的节点没有分配分区，会导致节点间的数据不均衡。 业务使用过程中随着集群状态的变化，多少会发生一些Leader副本的切换或迁移，会导致个别Broker节点上的数据更多，从而导致节点间的数据不均衡。 实施步骤 业务数据不均衡的处理措施： 优化业务中Topic的设计，对于数据量特别大的Topic，可对业务数据做进一步的细分，并分配到不同的Topic上。 生产者生产消息时，尽量把消息均衡发送到不同的分区上，确保分区间的数据均衡。 创建Topic时，使分区的Leader副本分散到各个Broker节点中，以保障整体的数据均衡。 Kafka提供了分区重平衡的功能，可以把分区的副本重新分配到不同的Broker节点上，解决节点间负载不均衡的问题。具体分区重平衡的操作请参考修改分区平衡。

本节介绍如何更新智算套件。 操作步骤 在集群列表页点击进入指定集群； 在左侧导航栏中选择“智算套件/AI套件管理”，进入AI套件列表页； 点击“更新”，按需更新置顶套件的版本；

本章节主要介绍 ALM12089 节点间网络互通异常。 告警解释 告警模块按10s周期检测集群间节点的网络健康状态。当检测到某两台节点之间网络不可达或者网络状态不稳定，产生该告警。 当网络恢复正常，告警恢复。 告警属性 告警ID 告警级别 是否自动清除 12089 重要 是 告警参数 参数名称 参数含义 来源 产生告警的集群或系统名称。 服务名 产生告警的服务名称。 角色名 产生告警的角色名称。 主机名 产生告警的主机名。 对系统的影响 集群节点间网络健康状态不好时，会影响某些组件的功能使用，如HDFS，ZooKeeper等。 可能原因 节点宕机。 网络故障。 处理步骤 确认网络健康状态 1.打开FusionInsight Manager页面，在告警列表中，单击此告警所在行的，查看附加信息中的描述信息。明确具体发生告警源IP地址及目标IP，并记录两个IP地址。 2.登录告警上报节点，在告警上报节点上使用ping命令，向目标节点手动发起ping请求，检查两个节点之间的网络状态是否正常。 是，执行6。 否，执行3。 确认节点状态 3.在FusionInsight Manager界面，单击“主机”查看主机列表中是否包含故障节点，确认故障节点是否已从集群中移除。 是，执行5。 否，执行4。 4.查看故障节点运行状态，判断是否处于关机状态。 是，启动故障节点，执行步骤2。 否，联系相关工作人员定位问题，若需要从集群中移除故障节点，执行5，否则执行6。 5.将故障节点从集群所有节点的$NODEAGENTHOME/etc/agent/hosts.ini文件中移除，并清空/var/log/Bigdata/unreachable/unreachableipinfo.log文件内容，同时手动清除告警。 6.等待30s查看告警是否自动清除。 是，处理完毕。 否，执行7。

维度 Key Value datastoreid 数据仓库集群ID dwsinstanceid 数据仓库节点ID 查看集群监控和节点监控信息 1.登录DWS 管理控制台，进入“集群管理”页面。 2.查看集群信息： 在集群列表中，在指定集群所在行，单击“查看监控指标”，打开云监控管理控制台。默认显示的是集群监控信息。 用户可以根据需要，选择指定的监控指标名称以及时间范围，从而显示监控指标的性能曲线。 3.查看节点信息 ：单击可回到云监控管理控制台，默认显示“数据仓库节点”页签，可以从集群节点维度查看每个节点的指标。 用户可以根据需要，选择指定的监控指标名称以及时间范围，从而显示监控指标的性能曲线。 云监控也支持多个节点间的监控指标对比，具体操作请参见下方 多节点间的监控指标对比。 多节点间的监控指标对比 1.在云监控管理控制台的左侧导航栏中，选择“总览 > 监控面板”。 2.在“监控面板”页面，单击“创建监控面板”，在弹出对话框中，输入“名称”后，单击“确定”。 3.在“监控面板”页面，单击右上角的“添加监控视图”。 4.在弹出的“添加监控视图”窗口中，配置标题和监控项。 说明 单击“添加监控项”可以添加多个监控指标。 以对比两个节点间的CPU使用率为例，参数设置如下表所示。 配置样例 参数名 样例值 资源类型 数据仓库服务 维度 数据仓库节点 监控对象 dwsdemodwscncn21 dwsdemodwscncn11 dwsdemodwsdn11 监控指标 CPU使用率 5.单击“确定”。 添加成功后，可在“监控面板”区域看到对应的监控视图。鼠标移至监控视图单击右上角的，可放大监控视图，查看详细的指标对比数据。

免费试用包额度 产品名称 免费调用额度 调用有效期 领取入口 人脸比对 10,000次 以单个API为统计维度，有效期从领取之日起一年内有效，过期作废 立即领取 付费资源包价格表 产品名称 调用量规格 调用有效期 单价（元） 购买入口 : 人脸比对 100万次 1年 3,100 立即购买 人脸比对 1,000万次 1年 30,400 立即购买 人脸比对 5,000万次 1年 142,500 立即购买 人脸比对 10,000万次 1年 255,000 立即购买 人脸活体检测计费详情

本节主要介绍如何在智能视图服务控制台查看用量统计情况。 点击左侧菜单栏【用量统计】进入该功能模块，用户可查看设备、带宽、存储和AI服务用量统计情况。 设备 设备用量页面上方展示当前接入设备总数，接入总设备数即为用户所有的IPC设备、NVR设备以及级联平台设备的通道数总和，下方展示设备接入的用量统计曲线。 带宽 带宽用量页面上方展示今日带宽用量，包含上/下行总流量和上/下行带宽峰值，下方展示带宽用量统计曲线，可切换上/下行带宽和流量分别查看。 存储 存储用量页面上方展示当前视频存储量和视图存储量，下方展示存储用量统计曲线，可切换视频存储和视图存储分别查看。 AI服务 AI服务用量页面上方展示今日AI用量峰值（包括分钟级、秒级和高算力单元），下方展示AI服务用量统计曲线，可切换分钟级/秒级/高算力分别查看。

EATP产品使用手册 产品概述 1.1 产品介绍 EATP（Enterprise AI Token Platform）是企业专属 AI Token 运营平台，提供轻量化Token运营、模型服务及GPU算力部署方案。服务基于“Token全链路运营 + GPU算力服务化”两大核心模块，可在数小时内将现有异构GPU资源转化为具备计量计费、多租户管理与弹性扩缩能力的商业化AI推理平台，实现以最小化前置投入实现算力资产的高效变现与AI业务的敏捷上线。 1.2 产品核心能力 EATP构建了以 AI网关、推理网关、多引擎推理加速（vLLM/SGLang）及Orchestrator调度器为核心的统一服务平面。通过抽象底层异构算力环境，实现对GPU裸金属、GPU云主机等IaaS资源的统一纳管与精细化调度，为上层应用提供标准化的推理接口与运营管理视图。 关键能力包含： 一键式推理部署：支持标准化推理服务在1至2小时内完成搭建，服务接口自动兼容OpenAI API规范。 轻量化Token运营体系：内置完整的API Key管理、配额控制、多租户隔离与用量可视化统计功能，原生支持按Token维度的精细化计量计费，为企业构建可商业变现的AI服务体系提供基础运营工具。 异构算力兼容：广泛兼容多种主流GPU型号及计算实例形态。 自动化低门槛运维：平台提供从模型加载、实例编排到弹性扩缩容的全流程自动化管控能力，有效屏蔽容器化部署与分布式调度的技术复杂性，普通运维人员即可完成日常管理与维护。

锁定登录账号 前置条件 ：AI云电脑账号登录成功（扫码登录不支持锁定登录账号功能）。 a.点击“锁定登录账号”功能，启用锁定登录账号后，登录页将不支持修改登录账号。 b.如需取消“锁定登录账号”，账号登录成功后，输入AI云电脑登录密码即可取消。 自动锁屏 AI云电脑账号登录后，客户端可设置自动锁屏时间，即客户端超过设置的时间内没有进行相关操作，客户端将自动锁屏，锁屏后需重新输入AI云电脑账号取消锁屏。 自动退出登录 登录后，客户端可设置AI云电脑账号自动退出时间，即客户端超过设置的时间内没有进行相关操作，客户端将自动退出AI云电脑账号。 运行模式 提示：仅Windows系统客户端支持。 常规模式：不限制终端本地系统功能，可以在本地系统和客户端之间自由切换。 锁定模式：屏蔽本地系统所有功能，无法切换到本地系统，无法使用本地的应用及资源。 电源策略 提示：仅Ubuntu瘦终端支持。 设置电源策略，即客户端超过设置的时间内没有进行相关操作，客户端将自动关闭终端。

翼共享盘是否支持Linux/国产化云电脑挂载？ 支持，目前翼共享盘支持麒麟V10，UOS V20，Ubuntu18.4以及centos7.6。 翼共享盘是否支持私有化部署？ 支持，请联系运维或通过邮件申请，邮件发送至：clouddesktop@chinatelecom.cn。 翼共享盘是否支持跨VPC、跨资源池挂载？ 翼共享盘默认是支持VPC内的AI云电脑及云手机挂载使用的。如果需要跨VPC挂载，可通过打通VPC之间的对等连接、云间互联实现。目前公有云暂不支持跨资源池挂载。 翼共享如何使用AI应用中心企业智库？ 翼共享网络共享盘支持关联AI应用中心企业智库，可在AI应用中心申请开通，无网络盘用户可以获得10G免费空间。开通后支持网页版访问管理共享盘，挂载盘功能将陆续开放。

调用Rerank API callrerank(query, documents, topn2) Java 适用于Spring AI框架调用Open API 支持对文本生成、图像理解、文本生成、enbedding文本向量化以及rerank重排序API的调用 环境变量配置 python spring: ai: openai: apikey: yourappkey 替换成👆自己的API KEY baseurl: chat: options: model: xirangmodelid 替换成👆自己要用的模型 embedding: options: model: xirangmodelid 替换成👆自己要用的模型 image: options: model: xirangmodelid 替换成👆自己要用的模型 rerank: option: model: xirangmodelid 替换成👆自己要用的模型 server: port: 9090 servlet: encoding: charset: UTF8 force: true enabled: true 项目依赖 python 4.0.0 org.springframework.boot springbootstarterparent 3.2.2 com.demo aitest 0.0.1SNAPSHOT aitest aitest 17 0.8.1 2023.0.0 org.springframework.boot springbootstarterweb org.springframework.ai springaiopenaispringbootstarter ${springai.version} org.springframework.cloud springcloudfunctionweb org.springframework.boot springbootstartertest test org.projectlombok lombok provided org.springframework.cloud springclouddependencies ${springcloud.version} pom import org.springframework.ai springaibom ${springai.version} pom import org.springframework.boot springbootmavenplugin springsnapshots Spring Snapshots false springmilestones Spring Milestones false 配置类 java package com.demo.aitest; import jakarta.annotation.PostConstruct; import org.slf4j.Logger; import org.slf4j.LoggerFactory; import org.springframework.beans.factory.annotation.Value; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.ai.openai.OpenAiChatClient; import org.springframework.ai.openai.OpenAiChatOptions; import org.springframework.ai.openai.api.OpenAiApi; @Configuration public class OpenAIConfig { @Value("${spring.ai.openai.apikey}") private String apiKey; @Value("${spring.ai.openai.baseurl}") private String baseUrl; @Value("${spring.ai.openai.chat.options.model}") private String chatModel; @Value("${spring.ai.openai.chat.options.model}") private String embeddingModel; @Autowired private OpenAIProperties openAIProperties; @Bean public OpenAiApi openAiApi(){ return new OpenAiApi(baseUrl, apiKey); } @Bean public OpenAiChatClient openAiChatClient(OpenAiApi openAiApi) { OpenAiChatOptions options new OpenAiChatOptions(); options.setModel(chatModel); options.setFrequencyPenalty(0.0f); options.setMaxTokens(2000); return new OpenAiChatClient(openAiApi, options); } public OpenAiEmbeddingClient openAiEmbeddingClient(OpenAiApi openAiApi, RetryTemplate retryTemplate){ OpenAiEmbeddingOptions options OpenAiEmbeddingOptions.builder() .withModel(embeddingModel) .build(); return new OpenAiEmbeddingClient(openAiApi, MetadataMode.INFERENCE, options, retryTemplate); } @Bean public RetryTemplate retryTemplate(){ return new RetryTemplate(); } @Bean public RestTemplate restTemplate(){ return new RestTemplate(); } } OpenAPI Http客户端 java package com.demo.aitest.service; import com.fasterxml.jackson.core.JsonProcessingException; import com.fasterxml.jackson.databind.ObjectMapper; import lombok.extern.slf4j.Slf4j; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.factory.annotation.Value; import org.springframework.http.; import org.springframework.stereotype.Service; import org.springframework.web.client.RestTemplate; import java.util.Collections; @Service @Slf4j public class HttpClientService { @Value("${spring.ai.openai.apikey}") private String apiKey; @Value("${spring.ai.openai.baseurl}") private String baseUrl; @Autowired private RestTemplate restTemplate; @Autowired private ObjectMapper mapper; public ResponseEntity callOpenAPI(String url, Object requestBody) throws JsonProcessingException { String fullUrl baseUrl + url; log.info("Calling Open API: {}", fullUrl); if(log.isDebugEnabled()){ log.debug("Request Body: {}", mapper.writeValueAsString(requestBody)); } try { HttpHeaders headers new HttpHeaders(); headers.setContentType(MediaType.APPLICATIONJSON); headers.setAccept(Collections.singletonList(MediaType.APPLICATIONJSON)); headers.set("Authorization", "Bearer " + apiKey); ResponseEntity response restTemplate.exchange(fullUrl, HttpMethod.POST, new HttpEntity<>(requestBody, headers), String.class); return ResponseEntity.ok(response.getBody()); } catch (Exception e) { log.error("Open API call failed: {} Error: {}", fullUrl, e.getMessage()); return ResponseEntity.internalServerError().body(e.getMessage()); } } } ChatController 已封装对文本生成API的支持 java package com.demo.aitest.controller; import com.demo.aitest.controller.request.MultimodalRequest; import com.demo.aitest.service.HttpClientService; import com.fasterxml.jackson.core.JsonProcessingException; import org.slf4j.Logger; import org.slf4j.LoggerFactory; import org.springframework.ai.chat.ChatResponse; import org.springframework.ai.chat.messages.UserMessage; import org.springframework.ai.chat.prompt.Prompt; import org.springframework.ai.openai.OpenAiChatClient; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.http.; import org.springframework.web.bind.annotation.; import org.springframework.web.servlet.mvc.method.annotation.SseEmitter; import java.io.IOException; @RestController public class ChatController { private static final Logger logger LoggerFactory.getLogger(ChatController.class); @Autowired private OpenAiChatClient chatClient; @GetMapping("/chat") public String chat(@RequestParam String message) { try { ChatResponse response chatClient.call(new Prompt(message)); String content response.getResult().getOutput().getContent(); logger.info("Response received successfully"); return content; } catch (Exception e) { logger.error("Error processing chat request: {}", e.getMessage()); throw e; } } @GetMapping(value "/chat/stream", produces "text/eventstream;charsetUTF8") public SseEmitter streamChat(@RequestParam String message) { SseEmitter emitter new SseEmitter(1L); // 无限超时 try { // Create prompt with UserMessage Prompt prompt new Prompt(new UserMessage(message)); // Stream the response chatClient.stream(prompt).subscribe( chunk > { try { if (chunk ! null && chunk.getResult() ! null) { String content chunk.getResult().getOutput().getContent(); if (content ! null && !content.isEmpty()) { emitter.send(content); } } } catch (IOException e) { logger.error("Error sending chunk: {}", e.getMessage()); emitter.completeWithError(e); } }, error > { logger.error("Error in stream: {}", error.getMessage()); emitter.completeWithError(error); }, () > { logger.info("Stream completed successfully"); emitter.complete(); } ); } catch (Exception e) { logger.error("Error processing streaming chat request: {}", e.getMessage()); emitter.completeWithError(e); } return emitter; } } 图像理解请求 java package com.demo.aitest.controller.request; import com.fasterxml.jackson.annotation.JsonInclude; import com.fasterxml.jackson.annotation.JsonProperty; import lombok.Data; import java.util.List; @JsonInclude(JsonInclude.Include.NONNULL) @Data public class MultimodalRequest { private String model; private List messages; @JsonProperty(value "streamoptions") private StreamOptions streamOptions; @JsonProperty(value "paralleltoolcalls") private boolean parallelToolCalls; private boolean stream; @JsonInclude(JsonInclude.Include.NONNULL) @Data public static class Message { private String role; @JsonProperty(value "content") private List content; } @JsonInclude(JsonInclude.Include.NONNULL) @Data public static class Content { @JsonProperty(value "type") private String type; @JsonProperty(value "text") private String text; @JsonProperty(value "imageurl") private ImageUrl imageUrl; } @JsonInclude(JsonInclude.Include.NONNULL) @Data public static class ImageUrl { private String url; } @JsonInclude(JsonInclude.Include.NONNULL) @Data public static class StreamOptions { @JsonProperty(value "includeusage") private boolean includeUsage; } } 文本生图请求 java package com.demo.aitest.controller.request; public class ImageGenerationRequest { private String model; private String prompt; private Integer n; private String size; } ImageController java package com.demo.aitest.controller; import com.demo.aitest.controller.request.ImageGenerationRequest; import com.demo.aitest.controller.request.MultimodalRequest; import com.demo.aitest.service.HttpClientService; import com.fasterxml.jackson.core.JsonProcessingException; import org.apache.commons.lang3.StringUtils; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.factory.annotation.Value; import org.springframework.http.ResponseEntity; import org.springframework.web.bind.annotation.PostMapping; import org.springframework.web.bind.annotation.RequestBody; import org.springframework.web.bind.annotation.RestController; @RestController public class ImageController { @Value("${spring.ai.openai.chat.options.model}") private String chatModel; @Value("${spring.ai.openai.image.options.model}") private String imageModel; @Autowired private HttpClientService httpClientService; @PostMapping("/image/understanding") public ResponseEntity multiModalChat(@RequestBody MultimodalRequest multiModalRequest) throws JsonProcessingException { if(StringUtils.isBlank(multiModalRequest.getModel())){ multiModalRequest.setModel(chatModel); } return httpClientService.callOpenAPI("/v1/chat/completions", multiModalRequest); } @PostMapping("/image/generation") public ResponseEntity multiModalChat(@RequestBody ImageGenerationRequest imageGenerationRequest) throws JsonProcessingException { if(StringUtils.isBlank(imageGenerationRequest.getModel())){ imageGenerationRequest.setModel(imageModel); } return httpClientService.callOpenAPI("/v1/images/generations", imageGenerationRequest); } } Embedding Controller java package com.demo.aitest.controller; import org.slf4j.Logger; import org.slf4j.LoggerFactory; import org.springframework.ai.embedding.EmbeddingResponse; import org.springframework.ai.openai.OpenAiEmbeddingClient; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.factory.annotation.Value; import org.springframework.http.ResponseEntity; import org.springframework.web.bind.annotation.PostMapping; import org.springframework.web.bind.annotation.RestController; import java.util.Collections; @RestController public class EmbeddingController { private static final Logger logger LoggerFactory.getLogger(EmbeddingController.class); @Autowired private OpenAiEmbeddingClient openAiEmbeddingClient; @PostMapping("/embedding") public ResponseEntity embedding(String text) { try { EmbeddingResponse embeddingResponse openAiEmbeddingClient.embedForResponse(Collections.singletonList(text)); logger.info("Response received successfully"); return ResponseEntity.ok(embeddingResponse); } catch (Exception e) { logger.error("Error processing chat request: {}", e.getMessage()); throw e; } } } Rerank请求 java package com.demo.aitest.controller.request; import com.fasterxml.jackson.annotation.JsonProperty; import lombok.Data; @Data public class RerankRequest { private String query; private String[] documents; private String model; @JsonProperty(value "topn") private Integer topn; } Rerank Controller java package com.demo.aitest.controller; import com.demo.aitest.controller.request.RerankRequest; import com.demo.aitest.service.HttpClientService; import com.fasterxml.jackson.core.JsonProcessingException; import lombok.extern.slf4j.Slf4j; import org.apache.commons.lang3.StringUtils; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.factory.annotation.Value; import org.springframework.http.; import org.springframework.web.bind.annotation.PostMapping; import org.springframework.web.bind.annotation.RequestBody; import org.springframework.web.bind.annotation.RestController; @RestController @Slf4j public class RerankController { @Value("${spring.ai.openai.rerank.options.model}") private String rerankModel; private final HttpClientService httpClientService; @Autowired public RerankController(HttpClientService httpClientService) { this.httpClientService httpClientService; } @PostMapping("/rerank") public ResponseEntity rerank(@RequestBody RerankRequest rerankRequest) throws JsonProcessingException { if(StringUtils.isBlank(rerankRequest.getModel())){ rerankRequest.setModel(rerankModel); } return httpClientService.callOpenAPI("/v1/rerank", rerankRequest); } } java 访问地址： ●文本生成：GET ●文本生图： {"model": "xirangmodelid", "prompt": "A cute baby sea otter", "n": 1, "size": "512x512"} 图像理解：POST {"model": "88003ac1ca7a4e4e8efa7caee648323b", "messages": [{"role": "user", "content": [{"type": "text", "text": "描述下这张图"}, {"type": "imageurl", "imageurl": {"url": " "}}]}], "streamoptions": {"includeusage": true}, "paralleltoolcalls": true, "stream": false} embedding向量化：GET cute baby sea otter rerank重排序：POST {"query": "Python教程", "documents": ["Python基础语法", "Python高级特性", "Java编程入门"], "model": "xirangmodelid", "topn": 2}

API名称 1万次 10万次 100万次 500万次 1000万次 购买入口 通用OCR识别 450元 3200元 11500元 22000元 身份证识别 1350元 9600元 39000元 78000元 车牌识别 1350元 9600元 39000元 78000元 驾驶证识别 300元 2800元 15000元 45000元 80000元 行驶证识别 300元 2800元 15000元 45000元 80000元 营业执照识别 1350元 9600元 39000元 78000元

本节介绍翼加密应用的下载方式 使用加密AI云电脑的用户，均建议在AI云电脑内安装翼加密客户端。 用户可以通过翼加密客户端调整加密文件的密级；也可以通过客户端完成文件脱密外发的申请和审批工作。 翼加密客户端的安装方式： (1) 如果您的AI云电脑有安装“天翼AI云电脑应用市场”，可打开应用市场，在“首页”的“天翼专区”找到“翼加密”进行下载安装。 (2) 可以通过“翼加密”客户端下载地址安装: 下载翼加密 (3) 在加密桌面内，点击右下角托盘图标，根据指引下载客户端。

天翼量云电脑（政企版）在开通桌面后，首次使用的用户账号需激活才能使用，本节介绍了用户账号激活的操作说明。 1. 完成开通AI云电脑后，用户邮箱会收到天翼AI云电脑（政企版）开通提醒邮件，根据流程激活账号即可。（初次开通AI云电脑，需激活账号） 2. 根据步骤完成激活流程填写密码，即完成账号认证 。（后续需使用该账号密码登录AI云电脑客户端进行连接使用） 如遇激活失败，可通过如下方式重新激活： 重发激活邮件：< 联系管理员处理，在管理控制台组织管理用户管理，修改通知邮箱。

节点磁盘LVM配置 翼MR支持将多个磁盘配置成LVM（Logic Volume Management），多个磁盘规划成一个逻辑卷组。配置成LVM可以避免各磁盘间使用不均的问题，保持各个磁盘间均匀使用在HDFS和Kafka等能够利用多磁盘能力的组件上尤其重要。并且LVM可以支持磁盘扩容时不需要重新挂载，避免了业务中断。 数据可靠性 翼MR可利用弹性云服务器ECS提供的反亲和节点组以及放置组的能力，结合Hadoop的机架感知能力，将数据冗余到多个物理宿主机上，避免物理硬件的失效造成数据的失效。

性能规格 性能项目 性能指标 200M流量处理能力 标准版 8C16G 400M流量处理能力+上网行为管理 增强版 16C32G 应用层最大流量处理能力(TLS/SSL) 标准版 200Mbps 应用层最大流量处理能力(TLS/SSL) 增强版 400Mbps 推荐最大防护AI云电脑数 标准版 200台 推荐最大防护AI云电脑数 增强版 400台 性能项目 性能指标 告警信息支持渠道 短信、邮件、AI云电脑弹窗 病毒扫描支持协议类型 HTTP(S)、SMTP(S)、 FTP 网站访问管控支持协议 HTTP(S) 支持隧道协议 vxlan 日志存储最低要求 100GB 使用限制 1.翼甲控制台仅支持在同VPC下AI云电脑登录。 2.Centos与Ubuntu系统用户桌面不支持上网行为管理。 3.首次绑定或切换带宽时将有510min无法上网。 4.当防护带宽流量超过设置额度时，部分流量将会绕行。

本文为您详细介绍DeepSeekR1模型。 模型简介 DeepSeekR1是一款具有671B参数大小的创新性大语言模型，该模型基于transformer架构，通过对海量语料数据进行预训练，结合注意力机制，经过监督微调、人类反馈的强化学习等技术进行对齐，具备语义分析、计算推理、问答对话、篇章生成、代码编写等多种能力。R1模型在多个NLP基准测试中表现出色，具备较强的泛化能力和适应性。 使用场景 DeepSeekR1 模型适用于多种场景，包括但不限于： ●文本生成：如自动写作、内容创作、对话生成等。 ●文本分类：如情感分析、主题分类、垃圾邮件检测等。 ●机器翻译：支持多语言之间的高质量翻译。 ●问答系统：用于智能客服、知识库问答等场景。 ●信息抽取：如实体识别、关系抽取、事件抽取等。 评测效果 在对话模型典型任务方面的评测效果如下： Category Benchmark (Metric) Claude3.5Sonnet1022 GPT4o 0513 DeepSeek V3 OpenAI o1mini OpenAI o11217 DeepSeek R1 Architecture MoE MoE Activated Params 37B 37B Total Params 671B 671B English MMLU (Pass@1) 88.3 87.2 88.5 85.2 91.8 90.8 MMLURedux (EM) 88.9 88.0 89.1 86.7 92.9 MMLUPro (EM) 78.0 72.6 75.9 80.3 84.0 DROP (3shot F1) 88.3 83.7 91.6 83.9 90.2 92.2 IFEval (Prompt Strict) 86.5 84.3 86.1 84.8 83.3 GPQADiamond (Pass@1) 65.0 49.9 59.1 60.0 75.7 71.5 SimpleQA (Correct) 28.4 38.2 24.9 7.0 47.0 30.1 FRAMES (Acc.) 72.5 80.5 73.3 76.9 82.5 AlpacaEval2.0 (LCwinrate) 52.0 51.1 70.0 57.8 87.6 ArenaHard (GPT41106) 85.2 80.4 85.5 92.0 92.3 Code LiveCodeBench (Pass@1COT) 33.8 34.2 53.8 63.4 65.9 Codeforces (Percentile) 20.3 23.6 58.7 93.4 96.6 96.3 Codeforces (Rating) 717 759 1134 1820 2061 2029 SWE Verified (Resolved) 50.8 38.8 42.0 41.6 48.9 49.2 AiderPolyglot (Acc.) 45.3 16.0 49.6 32.9 61.7 53.3 Math AIME 2024 (Pass@1) 16.0 9.3 39.2 63.6 79.2 79.8 MATH500 (Pass@1) 78.3 74.6 90.2 90.0 96.4 97.3 CNMO 2024 (Pass@1) 13.1 10.8 43.2 67.6 78.8 Chinese CLUEWSC (EM) 85.4 87.9 90.9 89.9 92.8 CEval (EM) 76.7 76.0 86.5 68.9 91.8 CSimpleQA (Correct) 55.4 58.7 68.0 40.3 63.7