本文介绍如何创建服务。 云容器引擎为满足多种复杂场景下应用间的互相访问，提供了不同的访问方式，从而满足不同场景提供不同访问通道。本平台暂时支持的服务类型（Service）包括：集群内访问（ClusterIP）和节点访问（Nodeport）两种类型，集群内访问表示可以被同个集群内的其他应用访问，节点访问可以将service暴露给外部使用。 操作步骤 1.单击左侧控制台导航栏的【资源管理】>【网络管理】，将默认进入【服务】管理页面； 2.点击【创建服务】，进入服务创建页面，惨照下表设置参数，其中带“”的参数为必填参数； 参数 参数说明 服务名称 新建服务的名称 集群 服务所在集群。若没有可选集群，单击“创建集群”进行创建，操作步骤请参见集群创建 命名空间 服务所在命名空间。若没有可选命名空间，单击“创建命名空间”进行创建，操作步骤请参见创建命名空间 关联应用 选择需要添加Service的工作负载（如果还未创建应用请优先创建有状态应用或无状态应用） 访问方式 “集群内访问 ( ClusterIP )”、“节点访问（Nodeport）” 端口映射 . 协议：请根据业务的协议类型选择TCP、UDP . 容器端口：应用程序实际监听的端口 . 访问端口：容器端口映射到集群虚拟IP上的端口，用虚拟IP访问应用时使用 . Nodeport: 绑定到节点上的端口，默认取值范围为3000032767 . 添加端口配置：点击添加端口配置新增一行端口映射 3.单击【创建】，等待创建成功，创建成功后将自动返回服务列表页，可对已经创建的服务可以编辑YAML、更新、删除的操作。

一个VPC最多支持购买多少个私网NAT网关实例？ 当前单个VPC最多支持购买5个私网NAT网关，如需增加配额可通过提交工单来解决，具体操作步骤请参见提交工单。 私网NAT网关支持创建的SNAT规则和DNAT规则数能否增加？ 可以，通过变配为更高规格的私网NAT网关实例可以增加SNAT规格和DNAT规则数，具体操作步骤请参见管理私网NAT网关。 私网NAT网关变配时，是否会中断用户业务？ 在提升私网NAT网关配置规格时，对存量会话无影响；当需降低私网NAT网关配置规格时，请在业务低峰时进行调整，避免因超过配置规格所支持的并发连接数上限，而影响到业务。 当多条SNAT规则的源网段重叠时，如何匹配SNAT规则的优先级？ 系统会根据最长掩码匹配规则确定优先进行SNAT转换服务，掩码位数越大，优先级越高。 如下SNAT配置规则，来自源地址为192.168.2.2的报文会优先匹配上ID为ngwsrr722welrzd的SNAT规则，转换后的源IP地址为192.168.2.4。 私网NAT网关是否支持跨帐号使用？ 私网NAT网关本身不支持跨帐号使用，但可以通过对等连接实现不同帐户间VPC通信，将需使用私网NAT网关的流量引流到私网NAT网关所在VPC，实现跨帐号共享私网NAT网关。

本文主要介绍存储概述。. Volume（存储卷） 容器中的文件在磁盘上是临时存放的，当容器重建时，容器中的文件将会丢失，另外当在一个Pod中同时运行多个容器时，常常需要在这些容器之间共享文件，这也是容器不好解决的问题。Kubernetes抽象出了Volume来解决这两个问题，也就是存储卷，Kubernetes的Volume是Pod的一部分，Volume不是单独的对象，不能独立创建，只能在Pod中定义。 Pod中的所有容器都可以访问Volume，但必须要挂载，且可以挂载到容器中任何目录。 实际中使用容器存储如下图所示，将容器的内容挂载到Volume中，通过Volume两个容器间实现了存储共享。 Volume的生命周期与挂载它的Pod相同，但是Volume里面的文件可能在Volume消失后仍然存在，这取决于Volume的类型。 存储卷类型说明 Volume可分为本地磁盘存储和云存储两大类。 本地磁盘存储 本地磁盘存储可以使用如下几种类型，具体使用请参见本地磁盘存储。 emptyDir：一种简单的空目录，主要用于临时存储。 hostPath：将主机（节点）某个目录挂载到容器中，适用于读取主机上的数据。 ConfigMap：特殊类型，将Kubernetes特定的对象类型挂载到容器。 Secret：特殊类型，将Kubernetes特定的对象类型挂载到容器。 LocalPV：本地持久卷，直接使用节点的本地磁盘，持久化存储容器数据。 云存储： CCE支持使用云存储有如下几种。 云硬盘EVS 极速文件存储SFS Turbo 对象存储OBS 弹性文件存储SFS

本章节介绍应用容灾多活的接入层配置。 概述 在应用分层架构中，接入层能够在不同应用节点间分配流量，实现故障转移（failover）和故障恢复（failback）。 应用容灾多活为每个站点配置网关集群实例，承接业务外部流量，实现流量识别、路由计算以及转发纠错。 前提条件 已开通接入层功能模块。 已完成系统架构配置以及路由规则配置。 已在每个站点所属资源池创建云原生网关（链接到云原生网关文档）实例。 已按规划打通网关实例与转发目的网络，具体操作可参考虚拟私有云VPC（链接到VPC文档）等网络产品套件。 绑定网关 1. 登录应用高可用服务控制台。 2. 单击左侧菜单栏应用容灾多活 ，在应用容灾多活菜单下单击数据双活/应用双活 ，进入数据双活/应用双活管理页面。 3. 在应用系统列表中找到需要配置的应用系统，单击应用系统名称 ，进入应用系统概览页面。 4. 单击左侧导航栏容灾配置 ，在容灾配置菜单下单击接入层配置 ，进入容灾配置接入层配置页面。 5. 在站点网关列表，单击所选站点操作列选择网关 按钮，弹出接入层网关选择页面。 6. 在接入层网关实例列表，单击所选网关实例操作列选择按钮，完成站点网关实例绑定。 7. 如需调整网关实例，单击所选站点操作列移除网关按钮，根据界面提示解绑后重新绑定即可。 注意 多活系统会将路由规则推送至绑定的网关实例，请勿将已绑定网关实例移作他用，以免产生路由冲突。

本文介绍全站加速在金融行业的最佳实践。 行业概况 当前，以移动支付、线上证券交易等为代表的数字金融已深入到生活的方方面面。对于金融企业而言，如何在满足人民银行、银保监会等金融监管机构合规性要求的基础上，提升自身数字化竞争力成为当下的重要课题。 天翼云全站加速产品，依托全球2300+分布式加速节点，基于云网融合优势，通过动静分离、多级缓存、智能路由、协议优化、链路优化等多项技术，为用户提供低延时、高可用的加速网络服务。在保障金融企业安全发展的前提下，不断优化用户体验，助力金融企业提升管理与经营效能。 方案架构 网站及应用作为金融企业的门户和窗口，在日常管理与经营中起到至关重要的作用。金融企业网站业务场景多样，用户分布广，跨区域跨运营商访问不稳定；分支机构间的数据互动受网络链路影响，可控性较低。针对以上痛点，天翼云全站加速以客户需求为导向，以客户体验为核心，打通实践价值的最后一公里，同时提升业务的安全性与合规性。 需求场景 网站及办公应用加速 业务挑战：金融客户网站业务场景多样，用户分布广，跨区域跨运营商访问不稳定。一般存在总部、多分支机构协同办公，分支机构遍布全球，数据互动受网络链路影响极不可控。 方案优势：天翼云全站加速凭借全球2300+三网节点覆盖，通过智能调度，传输优化等自研技术，可实时计算优质回源路径，为金融网站、app访问提速增效。

图连通性测试 VPN支持对端网关域名对接吗？ 对端VPN连接需要明确对端的公网IP地址，暂不支持通过域名方式与对端设备进行对接。 我创建的VPN连接有几个隧道？ VPN连接下的隧道和本端子网/对端子网的数量有关，隧道总数等于本端子网数和远端子网数的乘积。 当两个子网间存在数据流时，连接这两个子网的IPsec隧道状态就会变成Active。 只要有一个IPsec隧道的状态为Active，对应VPN连接的状态就会显示已连接。 如何在已创建的VPN连接中，限定特定的主机访问云上子网？ 云下限制： VPN设备按照策略限制访问 路由器或交换机上设置ACL限制 云上限制： 安全组限制源IP ACL限制 说明 不建议通过修改本端子网和对端子网的方式来限定访问。 VPN是否启动了DPD检测机制？ 是的。 VPN服务默认开启了DPD探测机制，用于探测用户侧数据中心IKE进程的存活状态。 3次探测失败后即认为用户侧数据中心IKE异常，此时云会删除本端隧道，以保持双方的隧道同步。 DPD协议本身并不要求对端也同步进行配置（但是要求对端可以应答DPD探测），为了保证协商双方隧道状态一致，避免出现单边隧道（一端存在隧道，而另一端已不存在），建议用户同时启动用户侧网关的DPD探测机制，用于探测云侧VPN服务的IKE状态。 说明 DPD探测失败后会删除隧道，不会导致业务不稳定。

参数 描述 虚拟私有云 文档数据库实例所在的虚拟专用网络，可对不同业务进行网络隔离，方便地管理、配置内部网络，进行安全、快捷的网络变更。您需要创建或选择所需的虚拟私有云。 子网 通过子网提供与其他网络隔离的、可以独享的网络资源，以提高网络安全。 实例创建成功后，可以修改子网分配的内网地址，具体请参见 安全组 安全组限制安全访问规则，加强文档数据库服务与其它服务间的安全访问。 说明 请确保所选取的安全组允许客户端访问数据库实例（如协议选择为TCP，方向选择为入方向，端口设置为8635，源地址设置为实例所属子网或所属安全组）。 跨网段访问配置 现在设置 配置源端对应的网段，确保在源端ECS网络与实例节点网络连通的前提下， 可以在ECS端连接实例。 说明 源端ECS连接实例的前提是与实例节点网络通信正常，如果网络不通，可以参考《虚拟私有云用户指南》中

DCS实例支持公网访问吗？ Redis3.0实例不支持公网访问。 Redis 4.0及以上版本的实例，暂不支持直接绑定公网，开启密码访问模式的单机、主备、读写分离、Proxy集群实例支持通过ELB实现公网访问，开启公网访问的操作，请参考开启Redis公网访问并获取公网访问地址。 Cluster集群实例不支持公网访问。 DCS实例是否支持跨VPC访问？ 跨VPC访问，即客户端和实例是否在同一个VPC。 一般情况下，不同VPC间网络不互通，不在同一VPC下的弹性云主机无法访问DCS缓存实例。 对于单机和主备类型的DCS缓存实例，可以通过创建VPC对等连接，将两个VPC的网络打通，实现跨VPC访问DCS缓存实例。 用户通过VPC对等访问DCS缓存实例时，除了满足VPC对等网跨VPC访问的约束之外，还存在如下约束： 当创建实例时使用了172.16.0.0/12~24网段时，客户端不能在192.168.1.0/24、192.168.2.0/24、192.168.3.0/24网段。 当创建实例时使用了192.168.0.0/16~24网段时，客户端不能在172.31.1.0/24、172.31.2.0/24、172.31.3.0/24网段。 当创建实例时使用了10.0.0.0/8~24网段时，客户端不能在172.31.1.0/24、172.31.2.0/24、172.31.3.0/24网段。 关于创建和使用VPC对等连接，请参考《虚拟私有云 用户指南》的“对等连接”章节。 注意 DCS Redis集群实例不支持跨VPC访问，比如不能通过建立VPC对等连接的方式，从一个VPC去访问另一个VPC的集群实例。

本节介绍翼加密的创建加密策略的流程，以及相关配置项的说明。 开通翼加密后，通过AI云电脑控制台菜单找到“文件加密”——“加密策略管理”，点击“新建”即可创建加密策略。 加密策略配置项说明如下表所示： 策略内容 说明 工作场景 安全办公场景：加密范围文档文件全选加密强度。标准金融财务办公：加密范围文档文件全选加密强度。最高自定义设置：不预设加密范围和加密强度，完全由管理员自定义选择。 加密范围 自定义配置加密管控的应用进程，以及加密的文件格式类型。 剪切板控制 开启后加密管控进程打开的文件无法复制粘贴内容到非加密管控进程。比如用WPS打开的word文档内的文字图片无法复制到微信，保证加密数据安全无泄漏。加密管控进程之间的复制粘贴操作正常，如WPS打开的多个word文档之间允许复制粘贴。 加密强度 国密算法（旗舰版）：SM4，适用于有国密加密安全要求的政企部门或组织。最高（旗舰版）：AES256，安全系数最高，适用对文件安全性要求高的场景。高（旗舰版）：AES192，安全系数高，适用于对文件安全性有较高要求的场景。标准（标准版）：AES128，基础的安全加密等级，能有效加密文件，防止文件数据外泄。

本节介绍创建多机训练任务。 创建任务 在智算控制台页面选择“离线训练”，单击“创建AI应用”。 基本信息 在创建详情页根据需要修改任务基本的信息，比如任务名、任务类型（Pytorch/Tensorflow/Minspore）、命名空间等配置。 配置信息 选择多机训练任务。 选择框架 这里会根据选择的任务类型筛选出所有对应的框架镜像。 说明 这里使用nvidiapytorchexample框架，此框架内置了用于演示的Mnist训练数据集和代码。 选择框架镜像版本，如下所示此演示镜像支持多架构。 选择队列 队列用于限制一组任务所使用的资源。 说明 若没有队列则单击去创建，并设置各类资源配额。 配置Master 配置Master资源及启动参数等信息，如果需要使用RDMA加速训练则将RDMA资源通过自定义方式进行挂载。

代码助手插件提供多种核心功能,包括自然语言生成代码、代码重构与调试、任务自动化等。用户可以通过在侧边栏的聊天输入框中输入自然语言需求快速体验其功能,生成的代码可以直接在 VS Code 编辑器中查看、运行或进一步修改。 插件版本 CodeAgentsrd1.0.0 安装 方式1：在线使用 打开开发机 启动code server 点击左侧边栏代码助手插件，无需安装即可开始使用 方式2：离线使用 下载插件 通过网盘分享的文件：CodeAgentsrd1.0.0prod0205.vsix 链接: 提取码: kyzs 打开本地vscode 点击扩展按钮 添加扩展 选择第一步下载的插件进行安装 AI配置 系统默认配置 默认配置为使用天翼云息壤MaaS模型，活动期间每日全局发放一定数量的免费tokens数，具体数量根据活动阶段不等，无需任何配置，打开插件即可使用。

代码助手插件提供多种核心功能,包括自然语言生成代码、代码重构与调试、任务自动化等。用户可以通过在侧边栏的聊天输入框中输入自然语言需求快速体验其功能,生成的代码可以直接在 VS Code 编辑器中查看、运行或进一步修改。 插件版本 CodeAgentsrd1.0.0 安装 方式1：在线使用 打开开发机 启动code server 点击左侧边栏代码助手插件，无需安装即可开始使用 方式2：离线使用 下载插件 通过网盘分享的文件：CodeAgentsrd1.0.0prod0205.vsix 链接: 提取码: kyzs 打开本地vscode 点击扩展按钮 添加扩展 选择第一步下载的插件进行安装 AI配置 系统默认配置 默认配置为使用天翼云息壤MaaS模型，活动期间每日全局发放一定数量的免费tokens数，具体数量根据活动阶段不等，无需任何配置，打开插件即可使用。

本文将为您介绍云硬盘的基本概念,包括IOPS、吞吐量等。 IOPS 云硬盘每秒能够执行的输入/输出操作次数的指标，即每秒读写的操作次数。 吞吐量 云硬盘每秒传输的数据量，即读取和写入的数据量。 IO读写时延 云硬盘连续两次读写操作之间所需要的最小时间间隔。 突发能力 容量较小的云硬盘在一定时间内达到IOPS突发上限，超过IOPS上限的能力即为突发能力。 VBD 磁盘模式，VBD类型的云硬盘只支持简单的读写命令。适用于绝大多数业务场景。 SCSI 磁盘模式，SCSI类型的云硬盘支持SCSI指令透传，允许弹性云主机和物理机操作系统直接访问底层存储介质。多与共享盘搭配于集群环境中使用。 FCSAN 磁盘模式，当前FCSAN类型仅支持物理机使用。 地域 地域（Region）是指物理的数据中心的地理区域。地域从地理位置和网络时延维度划分，同一个Region内共享弹性计算、块存储、对象存储、VPC网络、弹性公网IP、镜像等公共服务。 可用区 可用区（AZ，Availability Zone）是指在同一地域内，电力和网络互相独立的物理区域。一个AZ是一个或多个物理数据中心的集合，具备独立的风火水电，可用区之间距离100KM以内，一个Region中的多个AZ间通过高速光纤相连，以满足用户跨AZ构建高可用性系统的需求。 其余详细信息可参见产品地域和可用区页面。

本文介绍了云防火墙（原生版）的产品定义和产品架构。 云防火墙（原生版）（CTCFW，Cloud Firewall）是一款云原生的云上边界网络安全防护产品，可提供统一的互联网边界管控与安全防护，并提供业务整体情况可视化、日志审计和分析等功能，帮助您完成网络边界防护与等保合规。 产品功能 访问控制：可统一管理互联网访问控制策略（南北向），提供流量可视、访问控制、入侵防御等功能，全面保护用户的网络安全。 入侵防御：内置复合威胁检测引擎，支持对互联网上的恶意流量、DDoS攻击，漏洞利用等攻击行为进行入侵防护，并提供精准的漏洞虚拟补丁，智能阻断入侵风险。 流量可视：提供全面的用户业务流量可视化，实现网络访问可视，网络会话可视，网络行为可视，帮助用户全面感知网络情况。 日志审计：为用户全面记录入侵防御日志、访问控制日志、流量日志和操作日志，帮助用户完成等保合规要求。 产品架构 云防火墙（原生版）整体架构主要包括3个部分，分别为中央管理平台、南北向流量控制模块和日志平台。 中央管理平台：提供策略规则的编辑和下发能力，并展示安全整体情况，为您提供可视化平台。 南北向流量控制模块：主要用于实现互联网到主机间的访问控制，支持4~7层访问控制。 日志平台：存放入侵防御日志、访问控制日志、流量日志和操作日志，并提供查询分析能力。

在Redis管理控制台支持对客户端与Redis实例进行连接状态诊断。 前提条件 只有当分布式缓存Redis缓存实例处于“运行中”状态，才能执行此操作。 功能说明： 当IP地址为公网IP时，则检测是否绑定弹性IP。若IP地址在VPC网段内或为公网IP且已绑定弹性IP，并且已经配置白名单，则检测该IP地址是否已正确配置在Redis实例的白名单中。若当前IP地址检查通过，但仍无法成功连接Redis实例，可能存在如下问题： 1.网络异常:请通过PING命令测试客户端机器与Redis实例间的网络是否正常，若异常，请检查客户端所在网络环境。 2.客户端IP地址发生变化:若客户端IP地址发生变更，需要将客户端当前IP地址添加至白名单中建议对客户端设置固定IP地址，或在实例白名单中添加0.0.0.0/0，设置此白名单后，所有IP地址均可访问该实例。 3.密码错误:请检查Redis实例密码。 操作步骤 1. 登录 Redis管理控制台。 2. 在管理控制台左上角选择实例所在的区域。 3. 在实例列表页，单击目标实例名称进入实例详情页面。 4. 在连接信息区域，点击“IPv4连接地址”右侧的连接诊断按钮即弹出连接诊断对话框。 5. 在打开的连接诊断对话框，输入需要诊断的客户端IP地址即可诊断该IP地址与Redis实例的网络连通性。

名称 描述 是否必须 BucketName 存储桶名称。 类型：字符串。 是 delimiter 分隔符，一个用来对关键字们进行分组的字符。所有的关键字都包含delimiter和prefix间的相同子串，prefix之后第一个遇到delimiter的字符串都会加到一个叫CommonPrefix的组中。如果没有特别定义prefix，所有的关键字都会被返回，但不会有CommonPrefix。delimiter 只支持”/”，不支持其他分隔符。 类型：字符串。 否 marker 分页标识。还有需要返回的用户时，上条响应结果中会返回该参数。查看未显示项时，请求参数中需要携带此参数。 类型：字符串。 取值：与上条响应中返回的结果值相同。 否 maxkeys 设置响应中最多返回的条数。如果存在超出您指定的返回项，则IsTruncated响应元素为true，表示需要再次发送请求查看未显示的项。查看未显示的项时，需要携带响应参数Marker的值。 类型：整型。 取值：1~1000，默认值为1000。 否 prefix 前缀用来限制返回的结果必须以这个前缀开始，可以通过前缀将bucket分为若干个组。 否 encodingtype 指定响应中Delimiter、Marker、Prefix、NextMarker、Key、CommonPrefixes.Prefix的编码类型。如果Delimiter、Marker、Prefix、NextMarker、Key、CommonPrefixes.Prefix包含xml 1.0标准不支持的控制字符，可通过设置该参数对响应中的Delimiter、Marker、Prefix、NextMarker、Key、CommonPrefixes.Prefix进行编码。 类型：字符串。 取值：url，字母不区分大小写。 否

本文向您介绍本地盘云主机数据迁移的相关信息。 操作场景 本地盘云主机，同时具有本地盘和云盘两种数据存储的方式，当用户出现以下应用场景时，需要考虑自行迁移本地盘云主机数据： 需要切换数据到另一台主机。 需要扩大本地盘容量，但由于当前不支持本地盘的变配操作，故需要用户自行迁移数据至更大规格的本地盘中。 操作步骤 1. 创建云硬盘。 用户需要前往云硬盘产品控制台界面，根据迁移的数据量大小，购买合适大小的云硬盘。 2. 挂载云硬盘。 将新创建购买的云硬盘，挂载到当前需要进行数据迁移的本地盘云主机上，可在云硬盘控制台列表通过“挂载”操作执行。 3. 自行备份本地盘数据。 用户需要登陆到本地盘云主机，自行操作，将本地盘数据迁移至新挂载的云硬盘上。 至此用户已完成数据的迁移，用户继续将包含迁移数据的云硬盘挂载到其它主机上，以完成数据在不同主机间的迁移，步骤如下： 4. 创建云主机。 用户需要前往云主机产品控制台界面，根据迁移的数据量大小，购买合适大小的本地盘云主机。 5. 挂载云硬盘。 将云硬盘，挂载到新创建的云主机上，可通过控制台的"挂载"操作进行。 6. 迁移云盘数据。 将已挂载的云硬盘数据迁移到当前新创建的本地盘云主机中，进行存储。

本节介绍集群联邦常见问题及其解决方法。 集群联邦是否收费？ 集群联邦实例及其相关功能本身免费，分布式容器云平台不会向您收取任何费用。但涉及到的部分关联云资源会产生费用，例如ELB、EIP等，相关费用将由具体云产品直接向您收取。 集群联邦是否支持关联多个容器舰队？ 一个集群联邦，默认限制只允许关联一个容器舰队。 若您存在多舰队启用联邦调度的需求，可考虑： 方式一：多舰队分别关联不同联邦实例，基于不同联邦实现单舰队内的多集群调度； 方式二：将相关注册集群统一加入一个容器舰队并关联一个集群联邦，在联邦中通过成员集群打Label方式，将成员集群进行联邦场景下的分组管理； 集群联邦管理关联的成员集群对集群间的连通性有什么要求？ 1. 联邦实例所在VPC需可以访问关联集群的API Server端点； 2. 不同资源位置组合下，可考虑不同的网络联通方式： 1. 若集群联邦和成员集群属于同资源池不同VPC，则默认尝试内网互通(有启用VPC对等连接情况下)，若内网不互通则后台自动尝试创建VPCE方式打通内网访问； 2. 若集群联邦和成员集群属于不同资源池，则默认尝试内网互通(可通过云间高速打通)，也可选择公网方式（需联邦VPC配置SNAT出口，并确保成员集群apiserver有绑定EIP以暴露到公网）；

模板验证失败的是什么原因？ 出于安全保证和的模版合规性的原因，我们内置了一些模版校验规则，具体规则请参考核心约束与限制 诊断资源栈部署失败的原因？ 控制台会展示详细的报错原因和执行日志： 1. 部署失败状态会直接提示失败原因 2. 资源栈事件可以查看完整的执行日志 删除资源栈失败怎么办？ 可能原因包括 资源间存在依赖（如子网未解绑 EIP）； 用户或外部操作修改了资源属性； 部分资源已在控制台手动删除； 可查看失败原因和执行日志，手动处理后重试。 如何更新我现有的资源？ 请参考以下流程：更新模版 > 资源栈选择更新> 填写参数> 创建执行计划 > 部署执行计划 部署失败能否回滚到上一次成功的栈状态？ 可以开启资源栈的失败回滚功能，当部署失败的时候，会自动回滚到上次部署成功的状态。 删除资源栈时，会删除所有资源吗？ 您可选择是否删除所有资源。如选择删除所有资源，执行删除操作时，系统会按照资源依赖关系的反向顺序，自动销毁资源栈内由模板创建的所有资源。此操作不可逆，请务必谨慎操作！ 在执行删除前，系统会要求您再次确认。

本文主要介绍 区域和可用区 什么是区域、可用区？ 我们用区域和可用区来描述数据中心的位置，您可以在特定的区域、可用区创建资源。 区域（Region）：从地理位置和网络时延维度划分，同一个Region内共享弹性计算、块存储、对象存储、VPC网络、弹性公网IP、镜像等公共服务。Region分为通用Region和专属Region，通用Region指面向公共租户提供通用云服务的Region；专属Region指只承载同一类业务或只面向特定租户提供业务服务的专用Region。 可用区（AZ，Availability Zone）：一个AZ是一个或多个物理数据中心的集合，有独立的风火水电，AZ内逻辑上再将计算、网络、存储等资源划分成多个集群。一个Region中的多个AZ间通过高速光纤相连，以满足用户跨AZ构建高可用性系统的需求。 下图阐明了区域和可用区之间的关系。 图 区域与可用区 如何选择区域？ 建议就近选择靠近您或者您的目标用户的区域，这样可以减少网络时延，提高访问速度。 如何选择可用区？ 是否将资源放在同一可用区内，主要取决于您对容灾能力和网络时延的要求。 如果您的应用需要较高的容灾能力，建议您将资源部署在同一区域的不同可用区内。 如果您的应用要求实例之间的网络延时较低，则建议您将资源创建在同一可用区内。

VPN的带宽限速，是限制的哪个方向的带宽，带宽的单位是什么？ 云上用户购买的VPN网关带宽指的是出云方向的，同时为了避免入云方向不限速带来的流量不对称问题。入云方向的带宽策略调整如下两种情况： 如果所购买的带宽 10Mbit，则入云方向与购买的带宽一致。 按带宽计费度量采用国际统一的带宽单位Mbit，按流量计费的度量单位为GByte。 VPN网关带宽到达限额时有什么影响？ VPN带宽限速限制的出VPC方向的带宽，如果您VPN的带宽超过限额使用时，会出现网络卡顿、部分子网间无法访问、甚至出现VPN连接中断现象（无法收到VPN的探测报文）。 因此在出现VPN带宽已达到上限时，建议您对VPN网关带宽进行扩容。 说明 VPN的带宽最大为1000(Mbit/s)。 修改了VPN带宽大小，为什么测试没有生效？ VPN带宽修改到生效会有一定的延迟，是正常现象。 请在修改带宽5分钟后再进行带宽测试。 说明 修改VPN带宽大小，不会导致用户业务和网络中断。 如何选择购买VPN带宽的大小？ 购买VPN时，选择带宽大小需要考虑以下两个因素： VPN隧道中单位时间的数据传输量（需要冗余一定带宽，防止链路拥塞）。 考虑两端的出口带宽，云上带宽要小于云下出口带宽。

本章节主要介绍DCS服务的Redis 4.0/5.0版本的读写分离实例，读写分离实例默认为从服务端侧实现的读写分离，通过Proxy节点识别用户读写请求，如果是写请求，则转发给主节点，如果是读请求，则转发给备节点。 读写分离主要适用于读高并发、写请求较少的业务场景，解决高并发的性能问题，节约运维成本。 说明 读写分离功能，仅在部分Region支持，具体请以控制台显示为准。 读写分离实例 实例示意图说明： 终端节点服务 终端节点服务，主要是将Redis缓存实例配置为VPC终端节点支持的服务，用户可以直接通过终端节点服务的地址访问。 Redis读写分离实例提供的IP地址和域名，即为终端节点服务的地址。 ELB 弹性负载均衡服务器，采用集群高可用方式，支持多可用区部署。 Proxy 代理服务器集群。通过Proxy节点识别用户读写请求，如果是写请求，则转发给主节点，如果是读请求，则转发给备节点，不需要用户在客户端做任何配置。 Sentinel集群 监控主备节点状态，当主节点出现故障或异常时，进行主备倒换，保证服务不中断。 主备实例 读写分离实例，后端是一个主备实例，包含了主和备两个节点。默认开启数据持久化功能，同时保持节点间数据同步。 主备节点支持跨可用区部署。

本文为您介绍如何在GPU云主机上进行ViT模型训练，完成CV领域中图像分类任务。 背景信息 ViT全称Vision Transformer，该模型是在2020年由 Alexey Dosovitskiy 等人提出，将Transformer应用在图像分类的模型，虽然不是第一次将Transformer应用在视觉任务，但模型结构效果好，可扩展性强，成为了Transformer在CV领域应用的里程碑。模型示意图如下： 实例环境如下表所示。 实例类型 pi2.2xlarge.4 所在地域 上海7 系统盘 40GB 数据盘 10GB 操作系统 Ubuntu 18.04.5 LTS 公网弹性IP带宽 5Mbps 操作步骤 1. 配置PyTorch开发环境。 a. 安装NVIDIA GPU驱动、CUDA和CUDNN组件。 执行以下命令，安装NVIDIA显卡驱动。 apt install tar gcc g++ make buildessential chmod +x NVIDIALinuxx8664515.65.01.run ./NVIDIALinuxx8664515.65.01.run noopenglfiles 安装完成后执行nvidiasmi命令，查看是否安装成功。 ./cuda11.7.0515.43.04linux.run tar xJvf cudnnlinuxx86648.5.0.96cuda11archive.tar.xz cd cudnnlinuxx86648.5.0.96cuda11archive sudo cp include/ /usr/local/cuda11.7/include/ sudo cp lib/ /usr/local/cuda11.7/lib64/ sudo chmod a+r /usr/local/cuda11.7/include/cudnn sudo chmod a+r /usr/local/cuda11.7/lib64/libcudnn b. 配置conda环境。 依次执行以下命令，配置conda 环境。 wget c chmod +x Miniconda3py394.12.0Linuxx8664.sh ./Miniconda3py394.12.0Linuxx8664.sh c. 编辑~/.condarc 文件，加入下图配置信息，将 conda 的软件源替换为清华源。 channels: defaults showchannelurls: true defaultchannels: customchannels: condaforge: msys2: bioconda: menpo: pytorch: pytorchlts: simpleitk: deepmodeling: 详情请参见：清华大学开源软件镜像站 执行conda info，确认软件源已替换。 d. 执行以下命令替换pip源为清华源。 pip config set global.indexurl e. 安装Pytorch组件。 执行以下命令，安装 PyTorch。 pip install torch1.13.1+cu117 torchvision0.14.1+cu117 torchaudio0.13.1 extraindexurl 依次执行以下命令，查看PyTorch 是否安装成功。 2. 实验数据。 CIFAR10（Canadian Institute for Advanced Research10）是一个常用的计算机视觉数据集，用于图像分类任务。它由60000个32x32彩色图像组成，这些图像均来自于10个不同的类别，每个类别包含6000个图像。数据集被分为两个部分：训练集和测试集，其中训练集包含50000个图像，测试集包含10000个图像。CIFAR10数据集中的图像涵盖了广泛的对象类别，包括飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。每个图像都有一个标签，表示它所属的类别。这个数据集被广泛用于计算机视觉领域的算法开发、模型训练和性能评估。 3. 使用ColossalAIExamples模型训练。 本文在分布式训练框架 ColossalAI 的基础上进行模型训练和开发。ColossalAI 提供了一组便捷的接口，通过这组接口能方便地实现数据并行、模型并行、流水线并行或者混合并行。 a. 安装ColossalAI和其他组件。 pip install colossalai timm titans b. ViT示例模型训练。 git clone cd ColossalAIExamples/image/visiontransformer/dataparallel 由于单卡T4显存有限，修改config.py文件，将BATCHSIZE设置为32。执行以下命令启动训练： colossalai run nprocpernode 1 trainwithcifar10.py config config.py 模型运行过程如下图所示：

本节介绍翼加密如何分配加密策略。 通过AI云电脑控制台菜单找到“文件加密”—“加密策略管理”，点击右侧的“分配”，自定义设置加密策略的适用范围。 加密策略可以按3个维度进行分配。 分配给部门 部门内的所有桌面将被分配上策略。并且该部门添加新的桌面时，新桌面也将分配上对应的加密策略。 分配给桌面池 桌面池内的所有桌面将被分配上策略。并且该桌面池添加新的桌面时，新桌面也将分配上对应的加密策略。 分配给桌面 加密策略也可以直接分配给桌面。 注意：当桌面分配的加密策略，与对应的桌面池、部门设置的加密策略冲突时，按桌面＞桌面池＞部门的优先级判断。即： 1、先判断桌面是否分配了加密策略，若有，则以桌面分配的加密策略为准； 2、若桌面没有分配加密策略，则判断桌面所属桌面池是否分配了加密策略，若有，则以桌面池分配的加密策略为准； 3、若桌面池也没有分配加密策略，则判断桌面所属部门是否分配了加密策略，若有，则以部门分配的加密策略为准。

模型 模型简介 模型ID DoubaoSeed2.0pro DoubaoSeed2.0Pro 是字节跳动推出的最新一代旗舰级通用Agent大模型，隶属于豆包大模型2.0系列，专为应对大规模生产环境下的深度推理与长链路任务执行场景而设计，全面对标GPT 5.2与Gemini 3 Pro。该模型围绕真实世界复杂任务需求进行系统性优化，强化了多模态理解、复杂指令执行与长尾领域知识储备，在数学推理、视觉感知、长上下文处理等多个基准测试中达到业界顶尖水平。其token定价较同级海外模型降低约一个数量级，在保证卓越性能的同时大幅降低部署与使用成本，进一步缩小了与前沿闭源模型的差距，目前已在豆包App、电脑端、网页版及火山引擎API服务同步上线。 d4432662ebed421890bf8fe60e400439 Qwen3Max 千问3系列Max模型，相较preview版本在智能体编程与工具调用方向进行了专项升级。本次发布的正式版模型达到领域SOTA水平，适配场景更加复杂的智能体需求。 3d1c69eb6e1d40f186124b98141e64fd DoubaoSeed1.8 DoubaoSeed1.8是字节跳动自主研发的最新一代旗舰级多模态通用智能体（General Agent）大模型，于2025年12月18日在FORCE原动力大会上正式发布，专为应对真实场景中的复杂工作流、多模态交互及智能体执行任务而设计。该模型突破传统单一语言模型局限，实现从“回答问题”到“执行任务”的质变，融合视觉、语言、推理和行动能力于一体，优化了图片编码token数量与推理效率，在多模态理解、智能体操作、代码编写等领域表现卓越，跻身全球大模型第一梯队，其日均token使用量已突破50万亿，进一步缩小了与前沿闭源模型的差距，成为面向实际应用场景的高效实干型AI助手superscript:3。 87f80d930d3e4c478e50f7a121dfbb97 DoubaoSeed1.60615 DoubaoSeed1.60615是全新多模态深度思考模型，同时支持minimal/low/medium/high 四种reasoning effort。 更强模型效果，服务复杂任务和有挑战场景。 651c9b454b58458f9b604e67c03ab73f Doubao1.5pro32k Doubao1.5pro32k 是字节跳动自主研发的新一代旗舰级大模型，专为长文本处理、多场景适配及高精度任务需求而设计，是豆包1.5系列产品线的核心成员之一。该模型坚持高质量训练路线，在14.8万亿高质量tokens上完成预训练，并通过监督微调和强化学习进一步优化，相较于前代模型实现了知识、代码、推理等核心能力的全面跃升。Doubao1.5pro32k集成了稀疏MoE架构与高效上下文管理技术，坚持不使用任何其他模型生成的数据，凭借极低的幻觉率和优异的综合表现，在多项公开评测基准中达到全球领先水平，显著缩小了与前沿闭源模型（如GPT4 Turbo）的差距，可广泛适配个人、企业及专业领域的多样化需求。 3b4f6505923d48beb3d779a28c704a4e Qwen3CoderPlus Qwen3CoderPlus 是阿里通义千问团队研发的顶级代码专用大模型，在 Qwen3 通用模型基座上进行了大规模的代码专项继续预训练与指令微调。该模型熟练掌握 92 种编程语言，在代码生成、Bug 修复、代码解释及跨语言翻译等任务上表现卓越。Qwen3CoderPlus 引入了“仓库级（Repositorylevel）”代码理解技术，能够处理复杂的项目依赖关系，是程序员、数据科学家及自动化运维人员的理想开发助手。 f9089c3c29b24ac7a0148efad6c0650d Qwen3VLPlus Qwen3VLPlus 是阿里通义千问 Qwen3 家族中的增强型视觉语言模型（VisionLanguage Model），专为处理高难度的图像与视频理解任务而设计。相较于开源版本，Plus 版在视觉感知的清晰度、长视频时序分析及视觉智能体（Visual Agent）交互能力上进行了大幅强化。它采用了先进的“原生动态分辨率”技术，支持任意长宽比的图像输入，能够像人类一样精准识别密集文本、复杂图表及长达数小时的视频内容，是构建多模态应用的理想基座。 b0d79f4a19bb4fa8a71745fff38325a4 Qwen3.5397BA17B Qwen3.5397BA17B 是阿里通义千问团队研发的新一代旗舰级开源多模态 MoE（Mixture of Experts）模型。该模型拥有 3970 亿总参数，但在推理时仅激活 170 亿参数（A17B），实现了极致的性能与效率平衡。Qwen3.5 采用了创新的“门控 DeltaNet + MoE”混合架构，实现了视觉与语言的早期融合训练。它不仅在推理、编码和多语言理解上跨代际超越了前代 Qwen3，更在智能体（Agent）和视觉理解任务上表现卓越，原生支持“思考模式”，具备强大的现实世界适应能力。 06b788a9218d4a5b905e5681c2f4e721 GLM5 GLM5 是智谱 AI 推出的最新一代旗舰级开源大模型，专为应对复杂系统工程和长周期智能体（Agent）任务而设计。该模型坚持扩展（Scaling）路线，参数量从前代的 355B（激活 32B）扩展至 744B（激活 40B），预训练数据量提升至 28.5T tokens。GLM5 集成了 DeepSeek 稀疏注意力（DSA）机制，并引入了全新的异步强化学习基础设施“slime”，在推理、编程和智能体任务上表现卓越，是目前全球开源模型中的佼佼者，进一步缩小了与前沿闭源模型（如 GPT5.2）的差距。 6d3a57c3a6fb465e968b604783b89eda DeepSeekV3.2（正式版） DeepSeekV3.2是深度求索（DeepSeek）开源的最新一代旗舰级通用大模型。该模型是一个在高计算效率与卓越推理和代理性能之间取得平衡的模型。实现了顶尖性能与超高推理效率的完美平衡，该模型在编程、数学、推理及多语言理解等核心任务上展现出卓越能力，是面向开发者与企业的高级智能助手。 64badd7229504be5a44123367666a51f DeepSeekV3.2（体验版） DeepSeekV3.2是深度求索（DeepSeek）开源的最新一代旗舰级通用大模型。该模型是一个在高计算效率与卓越推理和代理性能之间取得平衡的模型。实现了顶尖性能与超高推理效率的完美平衡，该模型在编程、数学、推理及多语言理解等核心任务上展现出卓越能力，是面向开发者与企业的高级智能助手。 2656053fa69c4c2d89c5a691d9d737c3 Qwen3Coder480BA35BInstruct Qwen3Coder480BA35BInstruct是阿里通义千问开源的顶尖代码大模型，采用混合专家（MoE）架构，总参 4800 亿、激活 350 亿参数，实现性能与成本的平衡，能处理仓库级代码与跨文件依赖。 e8ffc9d7e2b34a7487b30d6682207376 Qwen3235BA22BInstruct2507 Qwen3235BA22BInstruct2507是阿里通义千问发布的开源 MoE 架构大模型，总参 2350 亿、激活 220 亿参数，在指令遵循、推理、编码等多领域性能突出，覆盖 100 多种语言与长尾知识。 aab61a64c8504336848e1720bd379ed4 KimiK2Instruct Kimi K2 是一款先进的混合专家（MoE）语言模型，激活参数为 320 亿，总参数为 1 万亿。通过 Muon 优化器进行训练，Kimi K2 在前沿知识、推理和编码任务上表现出色，同时精心优化了代理能力。 38a6a77904264b3dac4644aedb0e5ced Qwen330BA3B Qwen3是Qwen 系列最新一代大型语言模型，提供了一系列密集型和专家混合（MoE）模型。基于广泛的训练，Qwen3 在推理、指令执行、代理能力和多语言支持方面实现了突破性进展 4efd64f3736d41a08f89db919dbe9c6b BGERerankerLarge BGERerankerLarge是北京智源人工智能研究院（BAAI）发布的一款基于深度学习的重排序模型，能够在中英文两种语言环境下，对检索结果进行优化，提高检索的准确性和相关性。与嵌入模型不同，Reranker使用question和document作为输入，直接输出相似度而不是嵌入。 0cb4c1ed8f374eadbe8bffe30bd039dc BaichuanM232B BaichuanM232B是百川 AI 的医疗增强推理模型，是百川发布的第二个医疗模型。该模型专为现实世界的医疗推理任务设计，在 Qwen2.532B的基础上引入了创新的大型验证系统。通过对真实医疗问题的领域特定微调，它在保持强大通用能力的同时实现了突破性的医疗性能。 9488c08cf627421aacdeb44bd9c2f95c DeepSeekV3.1 DeepSeekV3.1是一个支持思考模式和非思考模式的混合模型。是在 DeepSeekV3.1Base 的基础上进行后训练得到的，后者是通过两阶段长上下文扩展方法在原始 V3 基础检查点上构建的，遵循了原始 DeepSeekV3 报告中概述的方法。通过收集额外的长文档并大幅扩展两个训练阶段来扩大的数据集。 37d1d0f4183b4800a44a69abf9102dfa DeepSeekV30324 DeepSeekV30324是DeepSeek团队于2025年3月24日发布的DeepSeekV3语言模型的新版本。是一个专家混合（MoE）语言模型，总参数为6710亿个，每个Token激活了370亿个参数。0324版本开创了一种用于负载均衡的辅助无损策略，并设定了多令牌预测训练目标以提高性能。该模型版本在几个关键方面比其前身DeepSeekV3有了显著改进。 11bd888a35434486bf209066c7dad0ee DeepSeekR10528 DeepSeekR10528是DeepSeek团队推出的最新版模型。模型基于 DeepSeekV30324 训练，参数量达660B。该模型通过利用增加的计算资源并在后训练期间引入算法优化机制，显著提高了其推理和推理能力的深度。该模型在各种基准测试评估中表现出出色的性能，包括数学、编程和一般逻辑。它的整体性能现在接近 O3 和 Gemini 2.5 Pro 等领先机型。 ff3f5c450f3b459cbe5d04a5ea9b2511 DeepSeekR1 DeepSeekR1 是一款具有创新性的大语言模型，由杭州深度求索人工智能基础技术研究有限公司开发。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，能够理解和生成自然语言。它经过监督微调、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。 4bd107bff85941239e27b1509eccfe98 DeepSeekV3 DeepSeekV3是DeepSeek团队开发的新一代专家混合（MoE）语言模型，共有671B参数，在14.8万亿个Tokens上进行预训练。该模型采用多头潜在注意力（MLA）和DeepSeekMoE架构，继承了DeepSeekV2模型的优势，并在性能、效率和功能上进行了显著提升。 9dc913a037774fc0b248376905c85da5 DeepSeekR1DistillLlama70B DeepSeekR1DistillLlama70B是基于Llama架构并经过强化学习和蒸馏优化开发的高性能语言模型。该模型融合了DeepSeekR1的先进知识蒸馏技术与Llama70B模型的架构优势。通过知识蒸馏，在保持较小参数规模的同时，具备强大的语言理解和生成能力。 515fdba33cc84aa799bbd44b6e00660d DeepSeekR1DistillQwen32B DeepSeekR1DistillQwen32B是通过知识蒸馏技术从DeepSeekR1模型中提炼出来的小型语言模型。它继承了DeepSeekR1的推理能力，专注于数学和逻辑推理任务，但体积更小，适合资源受限的环境。 b383c1eecf2c4b30b4bcca7f019cf90d Baichuan2Turbo BaichuanTurbo系列模型是百川智能推出的大语言模型，采用搜索增强技术实现大模型与领域知识、全网知识的全面链接。 43ac83747cb34730a00b7cfe590c89ac Qwen272BInstruct Qwen2 是 Qwen 大型语言模型的新系列。Qwen2发布了5个尺寸的预训练和指令微调模型，包括Qwen20.5B、Qwen21.5B、Qwen27B、Qwen257BA14B以及Qwen272B。这是指令调整的 72B Qwen2 模型，使用了大量数据对模型进行了预训练，并使用监督微调和直接偏好优化对模型进行了后训练。 2f05789705a64606a552fc2b30326bba ChatGLM36B ChatGLM36B 是 ChatGLM 系列最新一代的开源模型，在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上，ChatGLM36B 引入了更强大的基础模型、更完整的功能支持、更全面的开源序列几大特性。 7450fa195778420393542c7fa13c6640 TeleChat12B 星辰语义大模型TeleChat是由中电信人工智能科技有限公司研发训练的大语言模型，TeleChat12B模型基座采用3万亿 Tokens中英文高质量语料进行训练。TeleChat12Bbot在模型结构、训练数据、训练方法等方面进行了改进，在通用问答和知识类、代码类、数学类榜单上相比TeleChat7Bbot均有大幅提升。 fdc31b36028043c48b15131885b148ce Llama38BInstruct Meta 开发并发布了 Meta Llama 3 系列大型语言模型 （LLM），包含 8B 和 70B 两种参数大小，Llama38BInstruct 是经过指令微调的版本，针对对话用例进行了优化，在常见的行业基准测试中优于许多可用的开源聊天模型。 bda59c34e4424598bbd5930eba713fbf Llama370BInstruct Meta 开发并发布了 Meta Llama 3 系列大型语言模型 （LLM），包含 8B 和 70B 两种参数大小，Llama370BInstruct 是经过指令微调的版本，针对对话用例进行了优化，在常见的行业基准测试中优于许多可用的开源聊天模型。 6192ed0cb6334302a2c32735dbbb6ce3 QwenVLChat QwenVLChat模型是在阿里云研发的大规模视觉语言模型 QwenVL 系列的基础上，使用对齐机制打造的视觉AI助手，该模型有更优秀的中文指令跟随，支持更灵活的交互方式，包括多图、多轮问答、创作等能力。 e8c39004ff804ca699d47b9254039db8 StableDiffusionV2.1 StableDiffusionV2.1是由 Stability AI 公司推出的基于深度学习的文生图模型，它能够根据文本描述生成详细的图像，同时也可以应用于其他任务，例如图生图，生成简短视频等。 40f9ae16e840417289ad2951f5b2c88f DeepseekV2LiteChat DeepseekV2LiteChat是一款强大的开源专家混合（MoE）语言聊天模型，具有16B参数，2.4B活动参数，使用5.7T令牌从头开始训练，其特点是同时具备经济的训练和高效的推理。 0855b510473e4ec3a029569853f64974 Qwen2.572BInstruct Qwen2.5系列发布了许多基本语言模型和指令调整语言模型，参数范围从0.5到720亿个参数不等。Qwen2.572BInstruct模型是Qwen2.5系列大型语言模型指令调整版本。 d9df728b30a346afb74d2099b6c209aa Gemma29BIT Gemma29BIT是Google最新发布的具有90亿参数的开源大型语言模型的指令调优版本。模型在大量文本数据上进行预训练，并且在性能上相较于前一代有了显著提升。该版本的性能在同类产品中也处于领先地位，超过了Llama38B和其他同规模的开源模型。 4dae2b9727db46b7b86e84e8ae6530a9 Llama3.23BInstruct Meta Llama3.2多语言大型语言模型（LLMs）系列是一系列预训练及指令微调的生成模型，包含1B和3B参数规模。Llama3.2指令微调的纯文本模型专门针对多语言对话应用场景进行了优化，包括代理检索和摘要任务。它们在通用行业基准测试中超越了许多可用的开源和闭源聊天模型。这是Llama3.23BInstruct版本。 f7d0baa95fd2480280214bfe505b0e2e ChatGLM36B32K ChatGLM36B32K模型在ChatGLM36B的基础上进一步强化了对于长文本的理解能力，能够更好的处理最多32K长度的上下文。具体对位置编码进行了更新，并设计了更有针对性的长文本训练方法，在对话阶段使用 32K 的上下文长度训练。 98b6d84f6b15421886d64350f2832782 CodeGemma7BIT CodeGemma是构建在Gemma之上的轻量级开放代码模型的集合。CodeGemma7BIT模型是CodeGemma系列模型之一，是一种文本到文本和文本到代码的解码器模型的指令调整变体，具有70亿参数，可用于代码聊天和指令跟随。 fa8b78d2db034b6798c894e30fba1173 Qwen2.5Math7BInstruct Qwen2.5Math系列是数学专项大语言模型Qwen2Math的升级版。系列包括1.5B、7B、72B三种参数的基础模型和指令微调模型以及数学奖励模型Qwen2.5MathRM72B，Qwen2.5Math7BInstruct的性能与Qwen2Math72BInstruct相当。 ea056b1eedfc479198b49e2ef156e2aa DeepSeekCoderV2LiteInstruct DeepSeekCoderV2LiteInstruct是一款强大的开源专家混合（MoE）语言聊天模型，具有16B参数，2.4B活动参数。该模型基于DeepSeekV2进一步预训练，增加了6T Tokens，可在特定的代码任务中实现与GPT4Turbo相当的性能。 f23651e4a8904ea589a6372e0e860b10 BGEm3 BGEm3是智源发布的通用语义向量模型BGE家族新成员，支持超过100种语言，具备领先的多语言、跨语言检索能力，全面且高质量地支撑“句子”、“段落”、“篇章”、“文档”等不同粒度的输入文本，最大输入长度为8192，并且一站式集成了稠密检索、稀疏检索、多向量检索三种检索功能，在多个评测基准中达到最优水平。 46c1326f63044fbe80443af579466fe3 Qwen27BInstruct Qwen27BInstruct是 Qwen2大型语言模型系列中覆盖70亿参数的指令调优语言模型，支持高达 131,072 个令牌的上下文长度，能够处理大量输入。 0e97efbf3aa042ebbaf0b2d358403b94 Qwen3235BA22B Qwen3235BA22B是Qwen3系列大型语言模型的旗舰模型。拥有2350多亿总参数和220多亿激活参数。在代码、数学、通用能力等基准测试中，与DeepSeekR1、o1、o3mini、Grok3和Gemini2.5Pro等顶级模型相比，表现出极具竞争力的结果。 35af69e0d4af492ca366cf2df03c3172 Qwen332B Qwen3是Qwen系列中最新一代的大型语言模型，提供一整套密集（Dense）模型和混合专家（MoE）模型。Qwen3基于广泛的培训而构建，在推理、指令遵循、代理功能和多语言支持方面取得了突破性的进步。Qwen332B是参数量为32.8B的密集（Dense）模型。 3836b8d2ec5d46fc94cc7891064940aa Qwen314B Qwen3是Qwen系列中最新一代的大型语言模型，提供一整套密集（Dense）模型和混合专家（MoE）模型。Qwen3基于广泛的培训而构建，在推理、指令遵循、代理功能和多语言支持方面取得了突破性的进步。Qwen314B是参数量为14.8B的密集（Dense）模型。 5873b698960f45c8ae36e72566f7f141 Qwen38B Qwen3是Qwen系列中最新一代的大型语言模型，提供一整套密集（Dense）模型和混合专家（MoE）模型。Qwen3基于广泛的培训而构建，在推理、指令遵循、代理功能和多语言支持方面取得了突破性的进步。Qwen38B是参数量为82亿的密集（Dense）模型。 dceefe3233794dd385e3c2ab500dc6c8 Qwen34B Qwen3是Qwen 系列最新一代大型语言模型，提供了一系列密集型和专家混合（MoE）模型。基于广泛的训练，Qwen3 在推理、指令执行、代理能力和多语言支持方面实现了突破性进展 8606056bfe0c49448d92587452d1f2fc QwQ32B QwQ32B是一款拥有 320 亿参数的推理模型，其性能可与具备 6710 亿参数（其中 370 亿被激活）的 DeepSeekR1 媲美。该模型集成了与Agent相关的能力，使其能够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。 b9293363bfbf4db2bccb839ff4300d17 Qwen2.5VL72BInstruct Qwen2.5VL72BInstruct模型是阿里云通义千问开源的全新视觉模型，具有720亿参数规模，以满足高性能计算场景的需求。目前共推出3B、7B、32B和72B四个尺寸的版本。这是旗舰版Qwen2.5VL72B的指令微调模型，在13项权威评测中夺得视觉理解冠军，全面超越GPT40与Claude3.5。 88003ac1ca7a4e4e8efa7caee648323b

本节包含了计算加速型P2s云主机的概述、规格。 概述 P2s型弹性云主机采用NVIDIA Tesla V100 GPU，在提供云主机灵活性的同时，提供高性能计算能力和优秀的性价比。P2s型弹性云主机能够提供超高的通用计算能力，适用于AI深度学习、科学计算，在深度学习训练、科学计算、计算流体动力学、计算金融、地震分析、分子建模、基因组学等领域都能表现出巨大的计算优势。 类型 CPU基频/睿频 CPU型号 ::: P2s 2.6GHz/3.5GHz 第二代英特尔® 至强® 可扩展处理器 6278 规格 表 P2s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 网卡个数上限 GPU GPU连接技术 显存（GiB） 虚拟化类型 ::::::::::: p2s.2xlarge.8 8 64 10/4 50 4 4 1V100 PCIe Gen3 132GiB KVM p2s.4xlarge.8 16 128 15/8 100 8 8 2V100 PCIe Gen3 232GiB KVM p2s.8xlarge.8 32 256 25/15 200 16 8 4V100 PCIe Gen3 432GiB KVM p2s.16xlarge.8 64 512 30/30 400 32 8 8V100 PCIe Gen3 832GiB KVM

背景说明 传统终端防护多依赖已知威胁特征库，难以应对零日攻击、无文件恶意代码等未知威胁，因此需要 EDR（终端威胁检测与响应）能力来补位；它能实时监控终端行为以精准识别异常，发现威胁后自动阻断进程、隔离文件以减少攻击损失，还可追踪攻击路径与源头为防护优化提供依据，完整覆盖 “检测 响应 溯源” 环节，有效填补传统防护在终端安全上的关键缺口。 功能说明 AOne EDR 模块是基于 AI 行为分析引擎的下一代终端安全主动防护解决方案，通过多维度行为监测技术，从 200 + 行为维度对程序运行、系统调用及网络通信活动进行实时监测，构建 "持续监测 智能分析 主动响应" 的闭环安全体系，精准阻断勒索病毒、无文件攻击等已知 / 未知恶意软件的入侵与破坏。 ⚠️注意：此功能需要购买终端管理企业版套餐。 操作步骤 1. 登录边缘安全加速控制台，选择【终端管理】。 2. 在左侧导航栏点击【威胁检测与响应】【威胁事件】，查看威胁事件分布 3. 针对当前的威胁事件进行研判及分析。

外接设备管控 连接的各类外设进行全生命周期管理，在保障业务需求的同时，防范因外设随意接入、数据不当传输引发的安全风险 ，筑牢终端安全防线。 钓鱼防护 基于AI训练邮件样本，构建钓鱼邮件、IM聊天检测大模型，阻断恶意程序执行与信息窃取链路，全方位守护社工安全，有效抵御钓鱼威胁。 资产易管理 自动识别与精准盘点终端资产，实时追踪资产状态与位置，记录资产全生命周期信息，为企业资产合理调配与高效利用提供支撑。 学术加速 AOne学术加速是天翼云旗下一款提供海外教育资源加速服务的应用软件，基于天翼云优质的边缘网络资源与加速技术，有效解决高校访问海外教育资源时的访问体验差、合规性无保障等问题，满足高校师生访问跨境学术资源、海外线上学术会议、跨境教育SaaS应用等场景的加速需求，帮助学生拓展学习视野，获得最佳的学术体验。 全球精品网络 基于AOne全球精品网络，使用协议加速、智能选路、传输优化等技术，大幅提升访问全球学术教育资源、SAAS服务、视频会议的网速。 多平台通用 提供iOS、安卓、Windows、MacOS，无论手机还是电脑，随时随处即开即用。

本节介绍人脸识别产品的API调用方法。 1.选择产品聚合页 点击【产品人工智能】，选择【人脸识别】，打开对应的产品聚合页。 2.打开产品文档 点击【产品文档】，跳转到对应的文档中心，文档中心中【API参考】章节介绍了API调用的相关说明。 3.查看API的请求地址 API的请求地址格式为：{终端节点地址}+{对应接口URI}。 3.1终端节点地址 3.2对应接口URI 以人脸检测为例，选择【API参考API人脸检测】，右侧即可查看URI。 4.查看接口文档 以人脸检测为例：点击【API参考】【API】，选择【人脸检测】，右侧即可查看、请求方法、接口要求、请求URL、请求参数、返回值说明、状态码等信息。

本小节主要介绍RDSPostgreSQL的vector插件使用方法。 操作场景 RDSPostgreSQL支持 vector插件，提供了一个新的数据类型，能够存储向量类型数据，并实现向量相似度匹配，为AI产品提供底层数据支持。 前提条件 请确保您的实例内核大版本满足，本插件所支持的内核版本，请参考支持的版本插件列表。 插件使用 安装插件 sql CREATE EXTENSION IF NOT EXISTS vector; 卸载插件 sql DROP EXTENSION IF EXISTS vector; 使用示例 数据存储&查询 创建具有3维的向量列 sql CREATE TABLE items (id bigserial PRIMARY KEY, embedding vector(3)); 插入向量 sql INSERT INTO items (embedding) VALUES ('[1,2,3]'), ('[4,5,6]'); 通过L2距离得到最近邻 sql SELECT FROM items ORDER BY embedding '[3,1,2]'; 通过余弦距离得到最近邻 sql SELECT FROM items ORDER BY embedding '[3,1,2]'; 通过内积得到最近邻， 返回的是负内积，因为Postgres只支持运算符上的ASC顺序索引扫描 sql SELECT FROM items ORDER BY embedding '[3,1,2]'; 距离计算 sql SELECT embedding '[3,1,2]' AS distance FROM items; SELECT (embedding '[3,1,2]') 1 AS innerproduct FROM items; SELECT 1 (embedding '[3,1,2]') AS cosinesimilarity FROM items;

本节介绍应用市场的日志记录功能。 普通用户可以通过弹窗查看被阻止运行的程序记录，可以在页面上直接申请应用放行，并能查看申请处理进度。管理员则可以在弹窗中查看到其他用户的推荐、放行、上架等申请，并可以在弹窗处直接处理。 注：目前仅天翼AI云电脑电脑客户端（支持版本：Windows、Linux、Mac）支持消息弹窗 阻止记录 在此页面，可查看所有桌面内应用运行被阻止的记录。 申请记录 申请记录分为三种：程序放行、应用推荐和应用发布。 在程序放行页面，可查看所有桌面应用被阻止后申请放行的记录。 在应用推荐页面，可查看所有用户提交的企业应用的推荐记录。 在应用发布页面，可查看管理员用户提交的所有企业应用的上架申请记录

本节介绍创建单机训练任务。 创建任务 在智算控制台页面选择“离线训练”，单击“创建AI应用”。 基本信息 设置任务基本信息，比如任务名，任务类型、命名空间等。 配置信息 配置训练任务，选择单机任务。 选择框架和版本 这里会根据选择的任务类型筛选出所有对应的框架镜像。 说明 选择nvidiapytorchexample框架，此框架内置了Mnist训练数据集。 选择框架版本，此框架支持多架构。 选择队列 说明 若没有则单击“创建队列”，设置各类资源配额。 选择队列，设置任务资源，以及环境变量和启动命令等。 启动参数 启动命令如下：可调整对应训练轮次参数，GPU设置backend为nccl。 shell python3 /opt/mnist/src/mnist.py epochs5 backendnccl Pytorch任务环境变量必须设置。 shell PROTOCOLBUFFERSPYTHONIMPLEMENTATION:python 单击“确认”，完成任务创建。 查看任务