https://blog.ohtly.com/tags/%E8%BF%90%E7%BB%B4/ Recent content in 运维 on OHTLY Blog Hugo zh-cn Sun, 24 May 2026 23:19:00 +0800 https://blog.ohtly.com/posts/2026-05-24-%E6%90%AD%E5%BB%BA%E5%9F%BA%E4%BA%8E-katago-%E7%9A%84%E5%9B%B4%E6%A3%8B%E6%B8%B8%E6%88%8F/ Sun, 24 May 2026 20:00:00 +0800 https://blog.ohtly.com/posts/2026-05-24-%E6%90%AD%E5%BB%BA%E5%9F%BA%E4%BA%8E-katago-%E7%9A%84%E5%9B%B4%E6%A3%8B%E6%B8%B8%E6%88%8F/ <h1 id="搭建基于-katago-的围棋游戏"> 搭建基于 Katago 的围棋游戏 <a class="heading-link" href="#%e6%90%ad%e5%bb%ba%e5%9f%ba%e4%ba%8e-katago-%e7%9a%84%e5%9b%b4%e6%a3%8b%e6%b8%b8%e6%88%8f"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h1> <h2 id="回顾"> 回顾 <a class="heading-link" href="#%e5%9b%9e%e9%a1%be"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <h3 id="李世石-vs-alphago"> 李世石 vs AlphaGo <a class="heading-link" href="#%e6%9d%8e%e4%b8%96%e7%9f%b3-vs-alphago"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p>2016 年 3 月，韩国首尔，全世界都在关注一场特殊的围棋比赛。</p> <p>李世石九段对战 DeepMind 的 AlphaGo。五番棋，1:4。李世石赢下了第四局——那一步&quot;挖&quot;成了围棋史上的经典。那时候，人们还在讨论：AI 到底能不能真正理解围棋？</p> <p>答案是：能，而且远超人类。</p> <h3 id="开源的-katago"> 开源的 KataGo <a class="heading-link" href="#%e5%bc%80%e6%ba%90%e7%9a%84-katago"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p>仅仅几年后，开源的 <strong>KataGo</strong> 横空出世。它基于 AlphaGo Zero 的论文思路，但做了大量优化——更快的训练速度、更强的网络结构、支持多规则多路盘、还开源。</p> <p>到今天，KataGo 的官方评级系统中，主力模型 <strong>ELO 已经达到 14095</strong>。作为参考：职业顶尖棋手在这个标度上大约是 3000-3500 ELO。</p> <p>差距已经不是&quot;能不能赢&quot;的问题，而是&quot;赢多少&quot;的问题。</p> <h3 id="平民化部署"> 平民化部署 <a class="heading-link" href="#%e5%b9%b3%e6%b0%91%e5%8c%96%e9%83%a8%e7%bd%b2"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p>最让人感慨的是——这样的 AI 不需要 Google 的超级计算机。</p> <p>一台普通单机服务器 + 一块 <strong>NVIDIA RTX 4060 Ti</strong>（~3000元级别显卡），配合 <strong>TensorRT</strong> 加速，就能跑起 KataGo，棋力依然碾压一切人类选手。</p> <p>这正是本文想要分享的部署方案：用最普通的硬件，搭建一套基于 KataGo 的围棋对弈环境。</p> https://blog.ohtly.com/posts/2026-05-06-gpu-auto-health-check/ Tue, 05 May 2026 22:30:00 +0800 https://blog.ohtly.com/posts/2026-05-06-gpu-auto-health-check/ <p>GPU 在虚拟化直通（Passthrough）环境下运行时，偶尔会出现驱动丢失、NVML 报错等问题，导致容器内无法使用 GPU。本文介绍一个轻量级的自动巡检自愈方案，从检测到修复再到飞书通知，全自动闭环。</p> <img src="https://blog.ohtly.com/images/飞书.png" alt="飞书告警通知" style="max-width: none !important; width: auto; height: auto; display: block; margin-left: 0; border: 1px solid #999;"> <h2 id="问题背景"> 问题背景 <a class="heading-link" href="#%e9%97%ae%e9%a2%98%e8%83%8c%e6%99%af"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>在 PVE 虚拟机中通过 PCIe Passthrough 直通 NVIDIA GPU 时，容器内偶尔会出现：</p> <pre tabindex="0"><code>Failed to initialize NVML: Unknown Error </code></pre><p>重启容器后可短暂恢复，但一段时间后再次失效。这类问题在虚拟化环境中难以彻底根治（涉及 ASPM 电源管理、驱动状态等问题），需要一个主动巡检 + 自动修复的兜底机制。</p> <h2 id="架构总览"> 架构总览 <a class="heading-link" href="#%e6%9e%b6%e6%9e%84%e6%80%bb%e8%a7%88"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <div class="mermaid"> graph LR GC[gpu-checker<br/>每 60s 巡检] -->|docker exec nvidia-smi| OS[GPU 应用容器] GC -->|异常| A[自动修复] A -->|1.告警| AT[alert-transformer] A -->|2.重启| OS A -->|3.重检| B{恢复?} B -->|是| AT B -->|否| C[人工介入] AT -->|hooks| OC[OpenClaw] OC -->|飞书机器人| FS[飞书通知] </div> <h2 id="部署-gpu-checker"> 部署 gpu-checker <a class="heading-link" href="#%e9%83%a8%e7%bd%b2-gpu-checker"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>巡检容器是一个独立的 Docker 容器，使用 <code>docker:cli</code> 镜像，通过挂载 docker.sock 来操作宿主机上的其他容器：</p> https://blog.ohtly.com/posts/2026-05-06-dcgm-exporter-gpu-alert/ Tue, 05 May 2026 21:53:58 +0800 https://blog.ohtly.com/posts/2026-05-06-dcgm-exporter-gpu-alert/ <p>GPU 是生产环境中重要的计算资源，温度过高、显存泄漏、硬件故障等问题如果不及时发现，可能影响线上服务。本文记录一套完整的 GPU 监控告警方案，从指标采集到飞书推送的全自动链路。</p> <h2 id="监控目标"> 监控目标 <a class="heading-link" href="#%e7%9b%91%e6%8e%a7%e7%9b%ae%e6%a0%87"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <table> <thead> <tr> <th>维度</th> <th>指标</th> <th>告警阈值</th> </tr> </thead> <tbody> <tr> <td>温度</td> <td>GPU 核心温度 / 显存温度</td> <td>&gt; 83°C / &gt; 100°C</td> </tr> <tr> <td>显存</td> <td>VRAM 使用率</td> <td>&gt; 90%</td> </tr> <tr> <td>功耗</td> <td>GPU 功率</td> <td>&gt; 150W</td> </tr> <tr> <td>硬件健康</td> <td>PCIe 重连、行重映射错误</td> <td>任何异常</td> </tr> <tr> <td>可用性</td> <td>DCGM-Exporter 进程是否存活</td> <td>宕机 1m</td> </tr> </tbody> </table> <h2 id="架构总览"> 架构总览 <a class="heading-link" href="#%e6%9e%b6%e6%9e%84%e6%80%bb%e8%a7%88"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <div class="mermaid"> flowchart LR A[DCGM-Exporter<br/>monkey:9400] -->|scrape| B[Prometheus<br/>robin:9090] B -->|alert rules| C[Alertmanager<br/>robin:9093] C -->|webhook| D[alert-transformer<br/>rivo:9091] D -->|hooks| E[OpenClaw] E -->|飞书机器人| F[飞书] </div> <h2 id="部署-dcgm-exporter"> 部署 DCGM-Exporter <a class="heading-link" href="#%e9%83%a8%e7%bd%b2-dcgm-exporter"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>在 GPU 节点上通过 Docker 部署 DCGM-Exporter。使用 DaoCloud 镜像加速国内拉取：</p> https://blog.ohtly.com/posts/2026-05-05-%E6%99%BA%E8%83%BD%E7%9B%91%E6%8E%A7%E6%8A%80%E6%9C%AF%E6%96%B9%E6%A1%88/ Tue, 05 May 2026 13:49:54 +0800 https://blog.ohtly.com/posts/2026-05-05-%E6%99%BA%E8%83%BD%E7%9B%91%E6%8E%A7%E6%8A%80%E6%9C%AF%E6%96%B9%E6%A1%88/ <h1 id="智能监控技术方案"> 智能监控技术方案 <a class="heading-link" href="#%e6%99%ba%e8%83%bd%e7%9b%91%e6%8e%a7%e6%8a%80%e6%9c%af%e6%96%b9%e6%a1%88"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h1> <h2 id="概述"> 概述 <a class="heading-link" href="#%e6%a6%82%e8%bf%b0"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>本文档描述基于开源组件构建的智能监控告警体系，实现从指标采集到飞书通知的完整告警流程。</p> <h3 id="架构概览"> 架构概览 <a class="heading-link" href="#%e6%9e%b6%e6%9e%84%e6%a6%82%e8%a7%88"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p><strong>告警处理流程</strong></p> <div class="mermaid"> flowchart TD A["node-exporter<br/>:9100"] B["Prometheus<br/>:9090"] C["Alertmanager<br/>:9093"] D["alert-transformer<br/>:9091"] E["OpenClaw<br/>:18789"] F["飞书 Webhook"] G["告警规则<br/>alerts.yml"] A -->|指标采集| B B -->|告警评估| C B -.->|加载| G C -->|Webhook| D D -->|格式转换| E E -->|飞书通知| F </div> <p><strong>指标采集流程</strong></p> <div class="mermaid"> flowchart LR subgraph 指标 H["node-exporter<br/>:9100"] I["Prometheus<br/>:9090"] H -->|"Prometheus 抓取 (15s)"| I end subgraph 日志 J["Docker 日志"] K["Alloy<br/>:12345"] L["Loki<br/>:3100"] J -->|采集| K K -->|发送| L end </div> <h3 id="组件职责"> 组件职责 <a class="heading-link" href="#%e7%bb%84%e4%bb%b6%e8%81%8c%e8%b4%a3"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <table> <thead> <tr> <th>组件</th> <th>职责</th> <th>端口</th> <th>部署位置</th> </tr> </thead> <tbody> <tr> <td>node-exporter</td> <td>系统指标采集 (CPU/内存/磁盘/网络)</td> <td>9100</td> <td>每台被监控主机</td> </tr> <tr> <td>Prometheus</td> <td>指标抓取、存储、告警规则评估</td> <td>9090</td> <td>监控服务器</td> </tr> <tr> <td>Alertmanager</td> <td>告警去重、分组、路由、抑制</td> <td>9093</td> <td>监控服务器</td> </tr> <tr> <td>alert-transformer</td> <td>告警格式转换为 OpenClaw API</td> <td>9091</td> <td>监控服务器</td> </tr> <tr> <td>OpenClaw</td> <td>AI 决策、自然语言处理、飞书通知</td> <td>18789</td> <td>OpenClaw 服务器</td> </tr> <tr> <td>Loki</td> <td>日志存储和查询</td> <td>3100</td> <td>监控服务器</td> </tr> <tr> <td>Alloy</td> <td>Docker 日志采集</td> <td>12345</td> <td>监控服务器</td> </tr> </tbody> </table> <h2 id="部署配置"> 部署配置 <a class="heading-link" href="#%e9%83%a8%e7%bd%b2%e9%85%8d%e7%bd%ae"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <h3 id="node-exporter-部署"> node-exporter 部署 <a class="heading-link" href="#node-exporter-%e9%83%a8%e7%bd%b2"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h3> <p>每台被监控主机部署 node-exporter，建议使用 Docker Compose：</p> https://blog.ohtly.com/posts/2026-04-16-elasticsearch-ik/ Thu, 16 Apr 2026 19:58:59 +0800 https://blog.ohtly.com/posts/2026-04-16-elasticsearch-ik/ <h1 id="elasticsearch-中文分词索引环境的部署"> Elasticsearch 中文分词索引环境的部署 <a class="heading-link" href="#elasticsearch-%e4%b8%ad%e6%96%87%e5%88%86%e8%af%8d%e7%b4%a2%e5%bc%95%e7%8e%af%e5%a2%83%e7%9a%84%e9%83%a8%e7%bd%b2"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h1> <h2 id="背景"> 背景 <a class="heading-link" href="#%e8%83%8c%e6%99%af"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p>在 RAG（检索增强生成）和中文搜索场景中，Elasticsearch 默认的标准分词器无法正确处理中文文本，会将每个汉字单独切分，导致搜索效果极差。IK 分词器（analysis-ik）是 Elasticsearch 最流行的中文分词插件，支持两种分词模式：</p> <ul> <li><code>ik_smart</code>：最少切分（粗粒度），适合搜索场景</li> <li><code>ik_max_word</code>：最细粒度切分，适合分析场景</li> </ul> <p>本文记录在 Docker Compose 环境下部署带 IK 分词器的 Elasticsearch 单节点服务，并配置安全认证。</p> <h2 id="版本选择说明"> 版本选择说明 <a class="heading-link" href="#%e7%89%88%e6%9c%ac%e9%80%89%e6%8b%a9%e8%af%b4%e6%98%8e"> <i class="fa-solid fa-link" aria-hidden="true" title="链接到标题"></i> <span class="sr-only">链接到标题</span> </a> </h2> <p><strong>为什么选择 Elasticsearch 8.x 而不是 9.x？</strong></p> <p>本文部署的是 Elasticsearch 8.17.4，主要原因是当时 IK 分词器尚未支持 Elasticsearch 9.x。</p> <p>根据 <a href="https://github.com/infinilabs/analysis-ik" class="external-link" target="_blank" rel="noopener">infinilabs/analysis-ik</a> 官方发布页面的版本记录：</p> <ul> <li>IK 插件对 ES 8.x 的支持：持续更新到 8.19.x</li> <li>IK 插件对 ES 9.x 的支持：从 2025 年 5 月才陆续发布（9.0.0 于 2025-05-17 发布）</li> </ul> <p>因此，在 2026 年初进行技术选型时，考虑到 IK 插件的稳定性和生态兼容性，选择了 ES 8.17.4。</p>