告别服务器繁忙，云上部署DeepSeek
本文以 DeepSeek-R1-Distill-Qwen-32B-FP8 为例，向您介绍如何在GPU实例上使用容器来部署量化的 DeepSeek-R1 蒸馏模型。
部署使用 CHAT-NEXT-WEB 基于 Deepseek
本文介绍如何在阿里云轻量服务器上部署基于 `Deepseek` 的 `CHAT-NEXT-WEB` 项目。首先，准备一台 Linux 服务器并安装 Docker，确保防火墙允许特定端口访问。接着，通过阿里云容器镜像服务解决国内网络限制问题，将镜像推送到私有仓库并拉取到本地。配置并启动 `chat-next` 项目，使用 Deepseek API 进行优化。最后，安装 Nginx 和 Certbot 配置 HTTPS 访问，确保安全性和自动续签。整个过程需严格遵循官方文档，以避免因网络问题导致的安装失败。
今日小结通过aliyun的本地容器镜像部署我的nginx和php环境
简介：
本教程介绍如何基于 Dragonwell 的 Ubuntu 镜像创建一个运行 Nginx 的 Docker 容器。首先从阿里云容器镜像服务拉取基础镜像，然后编写 Dockerfile 确保 Nginx 作为主进程运行，并暴露 80 端口。最后，在包含 Dockerfile 的目录下构建自定义镜像并启动容器，确保 Nginx 在前台运行，避免容器启动后立即退出。通过 `docker build` 和 `docker run` 命令完成整个流程。
AI 场景下，函数计算 GPU 实例模型存储最佳实践
当前，函数计算 FC 已被广泛应用在各种 AI 场景下，函数计算支持通过使用容器镜像部署 AI 推理应用，并且提供多种选项来访问训练好的模型。为了帮助开发者高效地在函数计算上部署 AI 推理应用，并快速解决不同场景下的模型存储选型问题，本文将对函数计算的 GPU 模型存储的优缺点及适用场景进行对比分析，以期为您的模型存储决策提供帮助。
安全漏洞、eBPF、机密计算、商用密码等技术分享|龙蜥大讲堂113期
欢迎大家参加首届中国研究生操作系统创新大赛。我是龙蜥社区安全委员会委员、阿里云技术专家张诗乐。今天，我将为大家介绍龙蜥社区的漏洞治理以及相关的赛题。主要内容分为三个部分：首先，我将简要介绍龙蜥社区及其操作系统；其次，我们将探讨龙蜥社区的漏洞治理流程；最后，我们将解析与龙蜥社区相关的赛题。
1. 龙蜥社区漏洞治理
2. 龙蜥社区赛题介绍
3. 基于 eBPF 的容器异常检测
4. 赛题解析系列
DockerHub被禁掉的应对之法
在DockerHub被禁用或访问受限的情况下，可以选择使用其他公共镜像仓库、本地私有镜像仓库或镜像加速器。这些替代方案不仅能够保证容器化应用的正常运行，还可以根据具体需求提供不同的功能和服务。确保按照文档和指南进行配置，以实现最佳效果和性能。
小团队 CI/CD 实践：无需运维，Java Web应用的自动化部署
本文介绍如何使用GitHub Actions和阿里云Kubernetes（ACK）实现Java Web应用的自动化部署。通过CI/CD流程，开发人员无需手动处理复杂的运维任务，从而提高效率并减少错误。文中详细讲解了Docker与Kubernetes的概念，并演示了从创建Kubernetes集群、配置容器镜像服务到设置GitHub仓库Secrets及编写GitHub Actions工作流的具体步骤。最终实现了代码提交后自动构建、推送镜像并部署到Kubernetes集群的功能。整个过程不仅简化了部署流程，还确保了应用在不同环境中的稳定运行。
GitLab Runner 全面解析：Kubernetes 环境下的应用
GitLab Runner 是 GitLab CI/CD 的核心组件，负责执行由 `.gitlab-ci.yml` 定义的任务。它支持多种执行方式（如 Shell、Docker、Kubernetes），可在不同环境中运行作业。本文详细介绍了 GitLab Runner 的基本概念、功能特点及使用方法，重点探讨了流水线缓存（以 Python 项目为例）和构建镜像的应用，特别是在 Kubernetes 环境中的配置与优化。通过合理配置缓存和镜像构建，能够显著提升 CI/CD 流水线的效率和可靠性，助力开发团队实现持续集成与交付的目标。
