<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yumgpkpm的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yumgpkpm</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yumgpkpm]]></copyright><item><title><![CDATA[(CDH 7）CDP Private Cloud Base 7.3.1 → Acceldata ODP 3.3.6.4 引擎迁移风险评估表]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/167490321</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/167490321</guid><author>yumgpkpm</author><pubDate>Sat, 10 Oct 2026 14:59:51 +0800</pubDate><description><![CDATA[本次迁移风险评估显示，从CDP Private Cloud Base 7.3.1升级至Acceldata ODP 3.3.6.4存在高风险，核心挑战集中在Impala→Trino引擎转换（如语法、UDF、Kudu支持、事务等），需大量代码改造与业务逻辑重写。Spark 3.5→Spark 4.1迁移涉及Scala版本变更、API废弃及ANSI模式行为差异，需分步验证。Hive、Hadoop底层兼容性中等，需重点测试元数据与调度行为。湖仓表格式基本兼容，但安全组件（Ranger/Atlas）需重构行级策略与血]]></description><category></category></item><item><title><![CDATA[CDP 7.3.1（Cloudera Runtime 7.3.1）VS Acceldata ODP 3.3.6.4 核心引擎详细版本对比]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/167489223</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/167489223</guid><author>yumgpkpm</author><pubDate>Sat, 10 Oct 2026 14:42:10 +0800</pubDate><description><![CDATA[CDP Private Cloud Base 7.3.1 与 Acceldata ODP 3.3.6.4 核心引擎对比显示：CDP 基于 Cloudera 定制分支，稳定性强，Impala 低延迟、安全审计完善，适合传统数仓；但缺乏 Spark4、DeltaLake 原生支持及 Celeborn。ODP 采用原生 Apache 版本，支持 Spark4、Trino 联邦查询、三湖仓格式原生兼容，性能提升显著，多版本共存灵活，但缺少 Impala 与 Cloudera 深度增强的安全治理能力。选型需权衡稳定性]]></description><category></category></item><item><title><![CDATA[Acceldata ODP 3.3.6.4 vs CDP Private Cloud Base 7.3.2 对比]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/167389207</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/167389207</guid><author>yumgpkpm</author><pubDate>Fri, 09 Oct 2026 15:47:18 +0800</pubDate><description><![CDATA[ODP 3.3.6.4基于Apache原生组件，无厂商锁定，支持Spark4、Celeborn远程Shuffle及Iceberg/Hudi/Delta原生湖仓格式，具备多版本Spark共存与开箱即用的Superset/Trino/Pinot，TCO低，适合降本迁移与技术升级。CDP 7.3.2则依托ClouderaManager与商业增强（如Lakehouse Optimizer、SRM、纠删码），在企业级安全与SLA支持上更成熟，适合核心金融政企场景。选型应根据是否追求自主可控、成本控制或依赖商业特性权衡]]></description><category></category></item><item><title><![CDATA[Acceldata ODP（Open Data Platform）3.3.6.4（RHEL9）保姆级完整安装手册]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/167388464</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/167388464</guid><author>yumgpkpm</author><pubDate>Fri, 09 Oct 2026 15:26:08 +0800</pubDate><description><![CDATA[本文为Acceldata ODP 3.3.6.4（RHEL9）在线部署保姆级手册，涵盖环境规划、节点配置、免密SSH、yum源设置、Ambari Server/Agent安装及Web向导部署全流程。强调必须使用JDK17、主机名规范、时间同步、FQDN解析一致等硬性要求，提供离线RPM部署方案与高频问题排查指南，确保集群稳定上线。]]></description><category></category></item><item><title><![CDATA[2 张天数智芯 天垓 150（单卡 64GB，计 128GB HBM）可跑最大 Qwen3-8B、Qwen3-14B FP16 LoRA 模型 + 完整实操步骤 、 命令]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/163338475</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/163338475</guid><author>yumgpkpm</author><pubDate>Thu, 30 Jul 2026 15:58:16 +0800</pubDate><description><![CDATA[摘要 本文详细介绍了在2张天数智芯天垓150（单卡64GB HBM，共128GB显存）上微调Qwen3系列大模型的技术方案与实操步骤。核心结论： 硬件适配性 标准DDP模式：Qwen3-8B可稳定训练（batch=8~12），Qwen3-14B需极小batch且易OOM，30B及以上无法运行。 FSDP分片模式：通过权重/梯度/优化器分片，双卡可极限微调Qwen3-14B（需batch=1，序列≤2048），30B仍需4卡。 实操流程 方案A（推荐）：DDP双卡训练Qwen3-8B，提供完整脚本、环境配置及]]></description><category></category></item><item><title><![CDATA[华为昇腾 1 张卡 300I Duo 跑 Qwen3.6-27B、Qwen3-Embedding-8B 嵌入模型、Qwen3-Reranker-8B 重排序模型（GPUStack 辅助），保姆级命令及]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/163269015</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/163269015</guid><author>yumgpkpm</author><pubDate>Tue, 28 Jul 2026 11:56:10 +0800</pubDate><description><![CDATA[摘要：本教程详细介绍了在华为昇腾Atlas 300I Duo（单卡双NPU）上部署Qwen3系列模型的完整流程。硬件配置为单卡双NPU（96GB显存），部署组合包括Qwen3.6-27B对话模型（TP=2）、Qwen3-Embedding-8B嵌入模型和Qwen3-Reranker-8B重排序模型，形成完整的RAG全链路解决方案。教程涵盖环境配置（驱动、CANN工具包、Docker）、GPUStack部署、模型下载与参数设置、API调用测试及常见问题解决方案。重点包括：1）显存资源优化分配策略；2）专用启动]]></description><category></category></item><item><title><![CDATA[寻求天数智芯 天垓 150 的 2.1.4及以上 固件程序]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/162967670</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/162967670</guid><author>yumgpkpm</author><pubDate>Fri, 17 Jul 2026 14:11:23 +0800</pubDate><description><![CDATA[寻求天数智芯 天垓 150 的 2.1.4及以上 固件程序，可以有偿。]]></description><category></category></item><item><title><![CDATA[天数智芯天垓150S｜华为泰山鲲鹏服务器 LLM大模型部署&微调 保姆级实操教程（CoreX4.4.0）]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/162927859</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/162927859</guid><author>yumgpkpm</author><pubDate>Thu, 16 Jul 2026 10:54:43 +0800</pubDate><description><![CDATA[链接: https://pan.baidu.com/s/1PDj6dySUNHotNABp7d1a0w?链接:https://pan.baidu.com/s/1wbRWJUSyElplFgse_NyOwg?：LLaMA2、Qwen、ChatGLM、Baichuan 7B/13B 推理、LoRA微调。：全卡统一 2.1.4（必须，否则训练抖动、功耗N/A）# 1. 查看显卡识别、固件、功耗是否正常（无N/A）（官方最优适配、ixCCL原生支持、分布式最稳）# 简易推理启动（自动识别天垓150S GPU）]]></description><category></category></item><item><title><![CDATA[Cloud Data AI Manager 是一个用于管理、监控和操作企业级数据湖和大数据解决方案的全面平台。]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/162491776</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/162491776</guid><author>yumgpkpm</author><pubDate>Wed, 01 Jul 2026 16:25:36 +0800</pubDate><description><![CDATA[CloudDataAIManager是CloudDataAI公司开发的企业级大数据管理平台，主要功能包括：集群安装与升级、集中配置管理、实时监控与报警、诊断工具集成、安全管理（Kerberos/LDAP支持）、多组件扩展（HDFS/YARN等）以及自动化运维。该平台通过图形化界面和RESTful API简化Hadoop生态系统的部署与维护，提供配置变更追踪、资源监控、安全审计等特性，兼顾易用性与灵活性，适合不同规模的大数据环境管理需求。]]></description><category></category></item><item><title><![CDATA[1 天落地 GLM-5.2：华为昇腾 910B 双机分布式推理保姆级教程（纯实操命令）]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/162259958</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/162259958</guid><author>yumgpkpm</author><pubDate>Wed, 24 Jun 2026 09:32:25 +0800</pubDate><description><![CDATA[容器镜像：swr.cn-southwest-2.myhuaweicloud.com/base_image/dockerhub/lmsysorg/vllm-ascend:cann8.5.0-910b-glm5。--tensor-parallel-size 16：总张量并行 16 卡，Node0 占用 rank0-7，Node1 占用 rank8-15。--data-parallel-rpc-port 10521：跨机 RPC 通信端口，防火墙放行。命令、实操流程、报错排错为主，无冗余理论。]]></description><category></category></item><item><title><![CDATA[华为HUAWEI昇腾910B下千问Qwen3.6-27B在的推理加速实践]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/161614074</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/161614074</guid><author>yumgpkpm</author><pubDate>Tue, 02 Jun 2026 10:24:12 +0800</pubDate><description><![CDATA[例如，将模型文件及MindIE容器镜像存放在高速NVMe盘（如 /mnt/nvme1n1），服务运行目录存放在系统盘或数据盘（如 /mnt/nvme0n1）。这是昇腾平台最基础也最有效的优化。将高频访问的注意力权重固定在L1 Cache，将庞大的模型参数保留在HBM中，通过减少跨层级数据搬运来降低延迟。将Qwen3.6-27B部署于华为昇腾910B，绝非简单的“模型搬运”，而是一场从硬件特性到软件栈的深度适配。上，不仅符合国家信创合规与数据安全的要求，更能通过软硬件的深度协同优化，释放出惊人的推理性能。]]></description><category></category></item><item><title><![CDATA[Hadoop（CDH6、CDP7）在Qwen3.7大模型训练中的作用，（含部署、运行操作步骤）]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/161457184</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/161457184</guid><author>yumgpkpm</author><pubDate>Wed, 27 May 2026 16:09:55 +0800</pubDate><description><![CDATA[在训练大模型前，首先需要搭建一个高可用的 Hadoop 集群（包含 NameNode、DataNode 等），确保有充足的存储空间（HDFS）和计算能力（MapReduce/YARN）。清洗完毕的高质量语料会被保存为 Parquet 或 JSONL 格式，并存入 HDFS 的特定目录下（例如 /ai/train/qwen3_data/），等待被训练脚本读取。原始数据（如网页文本、日志）非常杂乱，需要通过 Hadoop 生态进行 ETL（抽取、转换、加载）处理，并转化为大模型能“读懂”的格式。]]></description><category></category></item><item><title><![CDATA[【华为昇腾910B】在AI大模型推理速度与GPU显卡选择中地位]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/161214321</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/161214321</guid><author>yumgpkpm</author><pubDate>Tue, 19 May 2026 10:25:05 +0800</pubDate><description><![CDATA[在这个规模下，单卡推理4090的性能与A100几乎持平（模型能完整放在一张卡里，不涉及多卡通信），但价格只有A100的十分之一。397B总参数量的旗舰模型，实际激活只有17B参数，显存需求只有34GB。以RTX 4090的24GB显存为例：7B模型（FP16）稳跑，13B模型（FP16）基本能跑但长序列有压力，30B及以上不量化基本跑不了。Qwen3.6-27B是270亿参数的稠密多模态模型，支持多模态思考与非思考模式，在智能体编程方面达到旗舰级表现，全面超越前代Qwen3.5-397B-A17B。]]></description><category></category></item><item><title><![CDATA[Cloudera报告显示，约 80% 的企业表示 AI大模型 发展受制于Hadoop大数据访问阻碍]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/161105740</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/161105740</guid><author>yumgpkpm</author><pubDate>Fri, 15 May 2026 10:43:19 +0800</pubDate><description><![CDATA[Cloudera最新报告揭示企业AI应用面临&quot;数据鸿沟&quot;：96%企业已部署AI，但80%仍受数据访问限制困扰。主要障碍包括数据质量(22%)、成本超支(16%)和系统整合问题(15%)。报告指出84%企业自认数据可靠，但仅18%实现全面治理，暴露出严重的数据治理盲区。行业差异显著：电信业54%清楚数据位置，而金融业仅30%。随着AI进入实施阶段，解决数据基础问题将成为企业成败关键。]]></description><category></category></item><item><title><![CDATA[（华为昇腾Ascend、鲲鹏Kunpeng）今天紧缩投资环境下计算软件企业的困境和应对策略]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/160377823</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/160377823</guid><author>yumgpkpm</author><pubDate>Tue, 21 Apr 2026 17:46:44 +0800</pubDate><description><![CDATA[AI技术正深刻重塑软件行业格局，传统SaaS模式面临根本性挑战。一方面，AI智能体动摇了按席位收费的商业模式，企业IT预算转向&quot;结果导向&quot;；另一方面，资本市场信心动摇导致融资环境收紧，技术壁垒被AI工具削弱。企业需积极转型：将AI升级为核心驱动力，向&quot;智能体即服务&quot;演进；重构商业模式为按用量或结果收费；强化数据、合规和生态壁垒。政策层面通过普惠算力和税收优惠为企业减负。这场变革将加速行业洗牌，拥抱AI转型、建立核心壁垒的企业有望脱颖而出。]]></description><category></category></item><item><title><![CDATA[虚拟化和超融合的区别！（三分钟搞明白）]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/160327758</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/160327758</guid><author>yumgpkpm</author><pubDate>Mon, 20 Apr 2026 10:53:21 +0800</pubDate><description><![CDATA[虚拟化与超融合的区别可以概括为：虚拟化是一种资源抽象技术，通过将单台物理服务器拆分为多台虚拟机来提高资源利用率；而超融合则是将计算、存储、网络虚拟化和管理功能集成的一体化架构解决方案。虚拟化主要解决服务器资源浪费问题，需要外接存储设备；超融合则采用分布式存储，简化了传统三层架构，实现开箱即用。核心区别在于：虚拟化是独立技术组件，超融合是融合架构；虚拟化适合小规模场景，超融合更适合中大规模云化部署。简单来说，虚拟化是&quot;零件&quot;，超融合是&quot;整车&quot;。]]></description><category></category></item><item><title><![CDATA[Qwen3.6正式开源，华为昇腾910B实现高效适配]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/160253589</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/160253589</guid><author>yumgpkpm</author><pubDate>Fri, 17 Apr 2026 15:34:38 +0800</pubDate><description><![CDATA[多模态能力方面，模型原生支持“思考/非思考”双模式切换，在MMBench、RealWorldQA等视觉语言基准测试中表现媲美Claude-Sonnet-4.5，尤其在空间智能领域，RefCOCO基准得分达92.0，ODInW13基准得分50.8，能够精准完成图像目标定位、文档信息提取等复杂任务。该模型采用混合专家（MoE）架构，以350亿总参数量、仅激活30亿参数的轻量化设计，在编程、多模态理解等核心能力上实现显著突破，同时华为昇腾910B已完成对该模型的深度适配，为国产算力生态注入新活力。]]></description><category></category></item><item><title><![CDATA[vLLM v0.19.0 发布：ToB生产级 Agent 部署的底座成熟了]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/160025008</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/160025008</guid><author>yumgpkpm</author><pubDate>Fri, 10 Apr 2026 16:28:39 +0800</pubDate><description><![CDATA[vLLM v0.19.0 的 448 个提交，不只是数字，而是生产级 Agent 基础设施的坚实步伐。Gemma 4 的工具使用能力，加上 vLLM 的稳定服务，可以构建可靠的「能动手」的 Agent。如果说 Ollama 是「本地跑模型的瑞士军刀」，那 vLLM 就是「生产环境部署模型的大杀器」。Gemma 4 的多模态支持 + vLLM 的高效推理 = 可以「看懂」图像的 Agent。vLLM v0.19.0 的发布，标志着生产级本地部署 Agent 的技术栈正在成熟。两者结合，吞吐量提升显著。]]></description><category></category></item><item><title><![CDATA[Qwen 闭源了，影响有多大⁉️]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/160011511</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/160011511</guid><author>yumgpkpm</author><pubDate>Fri, 10 Apr 2026 10:30:54 +0800</pubDate><description><![CDATA[阿里Qwen3.6-Plus模型宣布闭源，改用API付费模式，引发行业关注。此前Qwen系列长期开源（累计3亿次下载），此次转变或与阿里财报压力（净利润暴跌66%）及MaaS业务增长（token消耗量增6倍）相关。技术负责人林俊旸离职、ATH事业群成立等组织变动同步发生。目前国产开源大模型仅剩DeepSeek保持全开源（235B参数）。开发者面临选择：免费开源社区版或付费高性能企业版。商业决策虽合理，但长期影响取决于开发者选择，开源生态或受冲击。（149字）]]></description><category></category></item><item><title><![CDATA[华为昇腾910B上用Kubernetes（K8s）部署LLM（Qwen3-32B）的详细步骤，保姆级命令及方法、下载链接等]]></title><link>https://blog.youkuaiyun.com/yumgpkpm/article/details/159948839</link><guid>https://blog.youkuaiyun.com/yumgpkpm/article/details/159948839</guid><author>yumgpkpm</author><pubDate>Wed, 08 Apr 2026 10:19:45 +0800</pubDate><description><![CDATA[华为昇腾910B上用Kubernetes（K8s）部署LLM（Qwen3-32B）的详细步骤，保姆级命令及方法、下载链接等。ascend.huawei.com/npu: 1  # 请求1张NPU卡。使 K8s 能识别并调度 NPU 资源（资源名：ascend.huawei.com/npu）：已有一套运行中的 Kubernetes 集群，并且目标节点已安装昇腾910B硬件。# 输出：ascend.huawei.com/npu: 8。# 安装 kernels（运行时算子）# 示例：下载驱动（ARM64）]]></description><category></category></item></channel></rss>