总结 Flink HA
https://nightlies.apache.org/flink/flink-docs-release-1.19/zh/docs/deployment/ha/overview/
由官方文档可知：
1 | mvn clean package -DskipTests -Drat.skip=true |
1 | mvn clean package -DskipTests -Drat.skip=true -pl flink-dist |
如果该模块依赖其他模块，可能需要先将其他模块 install 到本地，如果依赖的模块的源代码有修改，则需要重新install，比如 flink-dist 依赖的 flink-clients 模块源代码有改动，则需要先：1
mvn clean install -DskipTests -Drat.skip=true -pl flink-clients
如果要打的源代码修改过，那么需要先执行：1
2
3mvn spotless:apply
# 或只对单个模块
mvn spotless:apply -pl flink-clients
否则会报：1
2
3The following files had format violations:
……
Run 'mvn spotless:apply' to fix these violations.
上篇文章 讲了 Ghelper 的安装配置，并在最后提到 Ghelper 只是可以通过浏览器访问，要想在 Linux 服务器或者 Windows 本地命令行中，则可以通过 Clash 代理的方式。
1 | mkdir /usr/local/clash |
1 | cd /usr/local/clash |
Ollama 是一个专注于本地化部署和运行大型语言模型（LLM）的工具，旨在让用户能够在自己的设备上高效地运行和微调模型。它由 Ollama 团队开发，这是一家独立的初创公司，由 Michael Chiang 和 Jeffrey Morgan 创立，总部位于加利福尼亚州帕洛阿尔托 。Ollama 的代码完全开源，遵循 MIT 开源协议，其开源地址为：https://github.com/ollama/ollama ，用户可以自由查看、修改和分发。其主要特点包括：
跨平台支持：兼容 Windows、Linux、MacOS 系统。
丰富模型库：提供 1700 + 大语言模型，如 Qwen、Llama 等，可在官网 model library 中直接下载使用。
用户模型上传：支持将 huggingface 等地方的 ggml 格式模型导入使用，也能将基于 pytorch 等格式的模型转换为 ggml 格式后导入。
自定义配置：用户可通过编写 modelfile 配置文件自定义模型推理参数，如 temperature、top_p 等，调节模型生成效果。
多 GPU 并行加速：支持多 GPU 并行推理加速，在多卡环境下可设置环境变量指定特定 GPU。
more >>
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录（注意不是yilia根目录）执行以下命令：
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置：
jsonContent:
meta: false
pages: false
posts:
title: true
date: true
path: true
text: false
raw: false
content: false
slug: false
updated: false
comments: false
link: false
permalink: false
excerpt: false
categories: false
tags: true