双龙贺岁,龙蜥 LoongArch GA 版正式发布

本文涉及的产品
全球加速 GA,每月750个小时 15CU
简介: Anolis OS 8.4 LoongArch 正式版发布产品包括 ISO、软件仓库、虚拟机镜像、容器镜像。

新封面图.png

简介

继  Anolis OS LoongArch 预览版发布后,现迎来龙蜥 LoongArch 正式版首发,该正式版在预览版的基础上提供了 AppStream、PowerTools 等仓库。Anolis OS 8.4 LoongArch 版是龙蜥社区发起的项目,完美地支持 LoongArch 体系架构,是打造国产化生态环境中重要的一项成果。


龙芯指令系统(LoongArch®)是龙芯中科基于二十年的 CPU 研制和生态建设积累推出的新指令集,具有较好的自主性、先进性与兼容性的新平台。包括基础架构部分和向量指令、虚拟化、二进制翻译等扩展部分,近 2000 条指令。


发布内容

Anolis OS 8.4 LoongArch 正式版发布产品包括 ISO、软件仓库、虚拟机镜像、容器镜像

亮点

  • 支持图形界面和多种安装场景
  • 使用 docker-ce 20.10.3 为默认的容器管理工具
  • 使用 lbrowser 浏览器和 evolution 邮件客户端,lbrowser 基于 chromium 内核开发,支持 npapi 插件功能,支持国家商用密码算法模块和国产安全协议模块,修复目前已知所有安全漏洞。
  • 内核更新到 4.19.190-4

硬件支撑

CPU
内存
硬盘
3a5000
3b5000
3c5000
4GB以上
120GB以上

已知问题

问题单

问题描述

67

kdump没有服务文件

84

内核没有 softlockup_panic、hardlockup_panic 等配置项

284

rust 无法编译

305

内核没有提供 abi 包

镜像地址

主机镜像:

https://mirrors.openanolis.cn/anolis/8.4/isos/GA/loongarch64/

容器镜像:

docker pull openanolis/anolisos:8.4-loongarch64

配置 EPEL 仓库:

cat > /etc/yum.repos.d/epel.repo << EOF
[epel]
name=epel
baseurl=http://pkg.loongnix.cn/loongnix-server/8.3/epel/loongarch64/release/Everything/
gpgcheck=0
EOF

配置容器仓库:

执行以下命令编辑 /etc/docker/daemon.json,增加 insecure-registries 的配置,重新加载并重启 docker 使配置生效。

mkdir -p /etc/docker/
tee /etc/docker/daemon.json <<-‘EOF’
{
“insecure-registries”:[“harbor.loongnix.cn”]
}
EOF
sudo systemctl daemon-reload
sudo systemctl enable docker
sudo systemctl restart docker

使用以下帐号进行登陆:

用户名:loongsoncloud

密码:loongson@SYS3

docker login harbor.loongnix.cn

拉取镜像:

docker pull harbor.loongnix.cn/mirrorloongsoncontainers/alpine:v3.11.11

附录

Anolis OS 8 comes with no guarantees or warranties of any sorts, either written or implied. The individual packages in the distribution come with their own licences.  

致谢

衷心感谢参与和协助龙蜥社区(OpenAnolis)的所有成员,尤其是产品发布小组。特别感谢来自 LoongArch SIG 组的成员(https://openanolis.cn/sig/LoongArch龙芯中科、统信软件、中科方德、万里红、红旗软件、阿里云是你们的辛勤付出,以及对开源的热爱才保障版本顺利发布,也为龙蜥操作系统(Anolis OS) 8 更好地发展提供无限空间!

反馈

Bug跟踪:https://bugzilla.openanolis.cn/

邮件列表:loongarch@lists.openanolis.cn

—— 完 ——
加入龙蜥社群

加入微信群:添加社区助理-龙蜥社区小龙(微信:openanolis_assis),备注【龙蜥】与你同在;加入钉钉群:扫描下方钉钉群二维码。欢迎开发者/用户加入龙蜥社区(OpenAnolis)交流,共同推进龙蜥社区的发展,一起打造一个活跃的、健康的开源操作系统生态!

开发者社区.png

关于龙蜥社区

龙蜥社区OpenAnolis)是由企事业单位、高等院校、科研单位、非营利性组织、个人等在自愿、平等、开源、协作的基础上组成的非盈利性开源社区。龙蜥社区成立于 2020 年 9 月,旨在构建一个开源、中立、开放的Linux 上游发行版社区及创新平台。


龙蜥社区成立的短期目标是开发龙蜥操作系统(Anolis OS)作为 CentOS 停服后的应对方案,构建一个兼容国际 Linux 主流厂商的社区发行版。中长期目标是探索打造一个面向未来的操作系统,建立统一的开源操作系统生态,孵化创新开源项目,繁荣开源生态。

目前,龙蜥OS 8.4已发布,支持 X86_64 、Arm64、LoongArch 架构,完善适配飞腾、海光、兆芯、鲲鹏、龙芯等芯片,并提供全栈国密支持。

欢迎下载:https://openanolis.cn/download

加入我们,一起打造面向未来的开源操作系统!

https://openanolis.cn

相关文章
|
19天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA遗传优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
该算法结合了遗传算法(GA)与分组卷积神经网络(GroupCNN),利用GA优化GroupCNN的网络结构和超参数,提升时间序列预测精度与效率。遗传算法通过模拟自然选择过程中的选择、交叉和变异操作寻找最优解;分组卷积则有效减少了计算成本和参数数量。本项目使用MATLAB2022A实现,并提供完整代码及视频教程。注意:展示图含水印,完整程序运行无水印。
|
1月前
|
算法
基于GA遗传优化的TSP问题最优路线规划matlab仿真
本项目使用遗传算法(GA)解决旅行商问题(TSP),目标是在访问一系列城市后返回起点的最短路径。TSP属于NP-难问题,启发式方法尤其GA在此类问题上表现出色。项目在MATLAB 2022a中实现,通过编码、初始化种群、适应度评估、选择、交叉与变异等步骤,最终展示适应度收敛曲线及最优路径。
114 29
|
7天前
|
算法 决策智能
基于GA-PSO遗传粒子群混合优化算法的TSP问题求解matlab仿真
本文介绍了基于GA-PSO遗传粒子群混合优化算法解决旅行商问题(TSP)的方法。TSP旨在寻找访问一系列城市并返回起点的最短路径,属于NP难问题。文中详细阐述了遗传算法(GA)和粒子群优化算法(PSO)的基本原理及其在TSP中的应用,展示了如何通过编码、选择、交叉、变异及速度和位置更新等操作优化路径。算法在MATLAB2022a上实现,实验结果表明该方法能有效提高求解效率和解的质量。
|
1月前
|
算法
基于GA遗传优化的离散交通网络双层规划模型设计matlab仿真
该程序基于GA遗传优化设计了离散交通网络的双层规划模型,以路段收费情况的优化为核心,并通过一氧化碳排放量评估环境影响。在MATLAB2022a版本中进行了验证,显示了系统总出行时间和区域排放最小化的过程。上层模型采用多目标优化策略,下层则确保总阻抗最小,实现整体最优解。
|
5月前
|
机器学习/深度学习 算法
【MATLAB】GA_BP神经网络时序预测算法
【MATLAB】GA_BP神经网络时序预测算法
127 8
|
2月前
|
算法
基于GA-PSO遗传粒子群混合优化算法的CVRP问题求解matlab仿真
本文介绍了一种基于GA-PSO混合优化算法求解带容量限制的车辆路径问题(CVRP)的方法。在MATLAB2022a环境下运行,通过遗传算法的全局搜索与粒子群算法的局部优化能力互补,高效寻找最优解。程序采用自然数编码策略,通过选择、交叉、变异操作及粒子速度和位置更新,不断迭代直至满足终止条件,旨在最小化总行驶距离的同时满足客户需求和车辆载重限制。
|
2月前
|
算法
基于GA遗传优化的PID控制器最优控制参数整定matlab仿真
通过遗传算法优化PID控制器的Kp、Ki、Kd参数,以输出误差为目标值,迭代求得最优参数。采用MATLAB 2022a验证,利用遗传算法全局寻优特性,自动完成参数整定,适合复杂及非线性系统,有效提升控制性能。
|
3月前
|
传感器 机器学习/深度学习 算法
基于GA遗传算法的WSN网络节点覆盖优化matlab仿真
本研究应用遗传优化算法于无线传感器网络(WSN),优化节点布局与数量,以最小化节点使用而最大化网络覆盖率。MATLAB2022a环境下,算法通过选择、交叉与变异操作,逐步改进节点配置,最终输出收敛曲线展现覆盖率、节点数及适应度值变化。无线传感器网络覆盖优化问题通过数学建模,结合遗传算法,实现目标区域有效覆盖与网络寿命延长。算法设计中,采用二进制编码表示节点状态,适应度函数考量覆盖率与连通性,通过选择、交叉和变异策略迭代优化,直至满足终止条件。
|
3月前
|
算法 数据安全/隐私保护
基于GA遗传优化算法的Okumura-Hata信道参数估计算法matlab仿真
在MATLAB 2022a中应用遗传算法进行无线通信优化,无水印仿真展示了算法性能。遗传算法源于Holland的理论,用于全局优化,常见于参数估计,如Okumura-Hata模型的传播损耗参数。该模型适用于150 MHz至1500 MHz的频段。算法流程包括选择、交叉、变异等步骤。MATLAB代码执行迭代,计算目标值,更新种群,并计算均方根误差(RMSE)以评估拟合质量。最终结果比较了优化前后的RMSE并显示了SNR估计值。
57 7
|
4月前
|
算法
基于GA遗传优化的混合发电系统优化配置算法matlab仿真
**摘要:** 该研究利用遗传算法(GA)对混合发电系统进行优化配置,旨在最小化风能、太阳能及电池储能的成本并提升系统性能。MATLAB 2022a用于实现这一算法。仿真结果展示了一系列图表,包括总成本随代数变化、最佳适应度随代数变化,以及不同数据的分布情况,如负荷、风速、太阳辐射、弃电、缺电和电池状态等。此外,代码示例展示了如何运用GA求解,并绘制了发电单元的功率输出和年变化。该系统原理基于GA的自然选择和遗传原理,通过染色体编码、初始种群生成、适应度函数、选择、交叉和变异操作来寻找最优容量配置,以平衡成本、效率和可靠性。

热门文章

最新文章