本案例基于云开发环境演示，将以KML_VML和KML_BLAS为例，介绍鲲鹏数学库获取和编译，然后使用C语言编写demo进行性能测试查看KML优化前后的性能效果。 一、概述1. 案例介绍鲲鹏数学库（KML, Kunpeng Math Library）是基于鲲鹏平台优化的高性能数学函数库，由多个子库组成，广泛应用于科学计算、HPC等领域。 通过本案例，用户可以快速掌握鲲鹏数学库的安装与使用，并对所涉及的数学库性能表现有清晰认识。2. 案例流程 二、操作步骤1. 云开发环境准备登录华为开发者空间，点击开发平台 > 云开发环境 > 开发桌面，点击创建按钮，创建开发环境：2. 安装数学库打开Terminal，执行以下命令下载数学库软件包，本次案例使用的是1.7.0版本。wget https://repo.oepkgs.net/openeuler/rpm/openEuler-20.03-LTS-SP3/extras/aarch64/Packages/b/boostkit-kml-1.7.0-1.aarch64.rpm 解压软件包： rpm2cpio boostkit-kml-1.7.0-1.aarch64.rpm | cpio -div 添加软链接，使用ln -s命令创建软链接，类似于Windows中的快捷方式，它是一个特殊的文件，其内容是指向另一个文件或者目录的路径，当访问软链接时，系统会根据软链接中的路径找到实际指向的目标文件或目录来进行操作。 下面三组命令分别创建了libkspblas.so、libkvml.so和libkm.so三个软链接，分别指向根据find命令找到对应实际的kspblas.so、kvml.so和km.so文件。 sudo cp -R ./usr/local/kml/ /usr/local/sudo cd /usr/local/kmlsudo ln -s 'find ./ -name *kspblas.so* -type f' ./libkspblas.sosudo ln -s 'find ./ -name *kvml.so* -type f' ./libkvml.sosudo ln -s 'find ./ -name *km.so* -type f' ./libkm.so 3. 修改环境变量在 Linux 系统中，LD_LIBRARY_PATH是一个重要的环境变量，它用于指定动态链接库（.so文件）的搜索路径。当程序在运行时需要加载动态链接库，系统会首先在默认的系统库路径中查找，然后会按照LD_LIBRARY_PATH环境变量所指定的路径顺序进行查找。将多个与/usr/local/kml相关的库目录添加到LD_LIBRARY_PATH环境变量中，是因为程序依赖于这些目录下的动态链接库来正确运行。通过将这些目录添加到LD_LIBRARY_PATH，可以确保程序在运行时能够找到所需的库文件。echo 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kblas/locking:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kblas/nolocking:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kblas/omp:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kblas/pthread:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kvml/multi:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kvml/single:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kspblas/multi:$LD_LIBRARY_PATH' | sudo tee -a /etc/profileecho 'export LD_LIBRARY_PATH=/usr/local/kml/lib/kspblas/single:$LD_LIBRARY_PATH' | sudo tee -a /etc/profile执行命令使环境生效。source /etc/profile4. 数学库性能测试4.1 KML_VML测试矢量数学库（Vector Math Library）借助计算密集型核心数学函数（幂函数、三角函数、指数函数、双曲函数、对数函数等）的矢量实施显著提升应用速度。使用命令创建测试文件test_sin.c文件。cdvi test_sin.c进入到vim编辑器界面后，按下“i”键后，复制以下代码粘贴到编辑器中，复制完成后按下“ESC”键输入“:wq”，退出编辑器界面，该段代码主要功能是：初始化长度为100000的向量src，分别用计时器对循环使用系统函数库的sin函数求解以及调用KML_VML提供的向量三角函数vdsin求解，记录两种方法的耗时，对比KML_VML与系统函数库的性能。#include <stdio.h>#include <sys/time.h>#include <math.h>#include "kvml.h"#define LEN 100000int main(){ double src[LEN] = {0}; double dst1[LEN] = {0}; double dst2[LEN] = {0}; for(int i = 0; i < LEN; i++){ src[i] = i; } struct timeval start, end; long t;gettimeofday(&start, NULL); for(int i = 0; i < LEN; i++){ dst1[i] = sin(src[i]); }gettimeofday(&end, NULL); t = 100000 * (end.tv_sec - start.tv_sec) + end.tv_usec - start.tv_usec; printf("Calculate Time without KML_VML: %ld us \n", t);gettimeofday(&start, NULL); vdsin(LEN, src, dst2); gettimeofday(&end, NULL); t = 100000 * (end.tv_sec - start.tv_sec) + end.tv_usec - start.tv_usec; printf("Calculate Time with KML_VML: %ld us \n", t); return 0;}编译文件， 编译时添加动态库和头文件所在路径，并链接系统数学库和KML_VML动态库。gcc test_sin.c -o test -L/usr/local/kml/lib/kvml/single -lkvml -lm -I/usr/local/kml/include -fopenmp -std=c99使用ldd指令检查程序依赖库是否准确链接。ldd test  执行可执行文件，进行性能对比。./test结果显示，对于一个长度为100000的数组，用C语言的for循环实现求正弦函数值，需要2712微秒，而使用KML_VML仅需要828微秒。 4.2 KML_BLAS测试BLAS（Basic Linear Algebra Subprograms）提供了一系列基本线性代数运算函数的标准接口，包括矢量线性组合、矩阵乘以矢量、矩阵乘以矩阵等功能。BLAS已被广泛的应用于工业界和科学计算，成为业界标准。KML_BLAS库提供BLAS函数的C语言接口。使用命令创建测试文件test_gemv.c文件。vi test_gemv.c进入到vim编辑器界面后，按下“i”键后，复制以下代码粘贴到编辑器中，复制完成后按下“ESC”键输入“:wq”，退出编辑器界面，该段代码主要功能是：初始化规模为1000300的矩阵A，长度为300的向量x，长度为1000的向量y1和y2，分别用计时器对按照矩阵-向量的成家规则实现算法求解，即y=alphaAx+betay，以及调用KML_BLAS提供的函数cblas_dgemv求解，记录两种方法的耗时，对比KML_BLAS与手动实现矩阵乘加的性能。#include <stdio.h>#include <stdlib.h>#include <time.h>#include <sys/time.h>#include "kblas.h" #define M 1000#define N 300int main() { double alpha = 1.0; double beta = 1.0; double (*A)[N] = (double (*)[N])malloc(M * N * sizeof(double)); double *x = (double *)malloc(N * sizeof(double)); double *y1 = (double *)malloc(M * sizeof(double)); double *y2 = (double *)malloc(M * sizeof(double)); srand((unsigned int)time(NULL)); for (int i = 0; i < M; i++) { for (int j = 0; j < N; j++) { A[i][j] = (double)rand() / RAND_MAX; } } for (int i = 0; i < N; i++) { x[i] = (double)rand() / RAND_MAX; } for (int i = 0; i < M; i++) { y1[i] = (double)rand() / RAND_MAX; y2[i] = (double)rand() / RAND_MAX; } // 方法一：按照矩阵-向量的乘加规则实现算法求解 struct timeval start, end; long t;gettimeofday(&start, NULL); for (int i = 0; i < M; i++) { double sum = 0.0; for (int j = 0; j < N; j++) { sum += A[i][j] * x[j]; } y1[i] = alpha * sum + beta * y1[i]; }gettimeofday(&end, NULL); t = 100000 * (end.tv_sec - start.tv_sec) + end.tv_usec - start.tv_usec; printf("Calculate Time without KML_BLAS: %ld us \n", t); // 方法二：调用KML_BLAS提供的函数cblas_dgemv求解gettimeofday(&start, NULL); cblas_dgemv(CblasRowMajor, CblasNoTrans, M, N, alpha, (const double *)A, N, x, 1, beta, y2, 1); gettimeofday(&end, NULL); t = 100000 * (end.tv_sec - start.tv_sec) + end.tv_usec - start.tv_usec; printf("Calculate Time with KML_BLAS: %ld us \n", t); return 0;}编译文件，编译时添加动态库和头文件所在路径，并链接KML_BLAS动态库。gcc test_gemv.c -g -o test2 -L /usr/local/kml/lib/kblas/locking/ -lkblas -I /usr/local/kml/include -std=c99使用ldd指令检查程序依赖库是否准确链接。ldd test2执行可执行文件，进行性能对比。./test2结果显示，计算一个1000*300的矩阵-向量乘加运算，用C语言的for循环实现，需要1653微秒，而使用KML_BLAS仅需要187微秒，性能提升将近8倍。  

尊敬的开发者：    您好！    感谢大家一直以来对沃土云创计划的关注与支持，为了给广大开发者提供更优质、更全面的服务与支持，沃土云创计划将在近期进行升级调整。2026年1月1日起，沃土云创代金券权益申请通道将暂时关闭，请各位开发者耐心等待。    本次调整旨在为2026年全新政策落地做好准备。我们诚挚邀请您持续关注后续发布的版本计划细则，届时将推出更完善更丰富的开发者支持权益。特别说明：对于2025年已成功提交申请的用户，凡符合当时政策要求的，我们将继续按原规则完成审核与权益发放，不受本次调整影响。    给大家带来的不便，我们深表歉意，敬请谅解。如有疑问，欢迎通过官方渠道联系我们。

2025年12月20日，华为云HCDG开发者日·长沙站技术交流活动在长沙智谷大学生创业基地成功举办，本次活动由华为云HCDG长沙核心组成员傅湘平发起，华为云HCDG主办、长沙软件园有限公司、柳枝行动承办、湖南好学星城网络科技有限公司协办,吸引了IT行业从业者、人工智能领域爱好者以及高校技术爱好者超过80人参与活动。活动以承办方柳枝行动宣传片启幕，围绕AI大模型的前沿趋势与落地应用展开深度对话，同时会议还分享了AI学习路线，参会人员在会后参观长沙人工智能中心算力机房，让参与者通过现场交流以及实地参观，亲身感受人工智能技术的应用价值。 （会议签到与现场图）  （观看柳枝行动宣传片与宣传册）  活动内容1、华为开发者空间，助力AI智能应用开发活动正式开始后，华为云高级工程师胡宇以云端连线的方式，详细为大家讲解了华为开发者空间的核心定位：这是华为为全球开发者量身打造的专属开发平台，汇聚昇腾、鸿蒙、鲲鹏、盘古大模型等顶尖技术资源。平台推出180小时免费云开发环境、百万级云函数调用、每周200万MaaS Tokens，搭配免费AI Notebook、鸿蒙云手机等权益，一站式覆盖代码编写、模型训练、应用部署全流程，以低门槛赋能开发者拥抱AI创新浪潮。同时，他还详细介绍了平台内置的220+实操文档、13+微认证和12+学习课程，鼓励大家通过空间资源进行系统化的学习与实践，将理论知识转化为实际开发能力。 （胡宇远程分享） 2、AI赋能千行百业-典型场景及案例分享随后，湖南省人工智能学会理事陈添乐先生带来《AI大模型赋能千行百业》主题分享。他分享了自己2025年来的在研项目：与湖南省胸科医院联合研发《结核病感染筛查大模型》、参与湖南省2025重点研发计划《多模态轻量化水稻病虫害防控大模型》。同时，他还分享了长沙人工智能创新中心典型AI场景化应用，包括政务、金融、无人系统、文旅、脑机接口、农业等领域，陈添乐表示，接下来是人工智能应用落地时代，AI大模型可以赋能千行百业，有望在游戏、教育、医疗等领域发挥关键作用。 （湖南省人工智能学会理事陈添乐） 3、AI学习路线及案例实操茶歇过后，华为云HCDG核心组成员、好学星城创始人傅湘平为我们分享了 AI的学习路线及智能体案例实操。他系统梳理了AI在游戏开发、日常生活、自媒体创作、教育教学、电商运营、办公协同、程序开发、艺术音乐等日常场景的应用实践。现场带大家通过华为云开发者空间-Versatile Agent开发平台进行智能体开发实操，讲解了工作流应用人事智能面试问题生成的开发流程以及实现思路，并现场讲解了人事面试题库生成工作流的开发细节、然后讲解了高校智能体知识库的开发流程，并现场讲解了提示词的设计思路以及插件、MCPServer的详细开发步骤。进一步为大家梳理出一条清晰的 AI大模型学习路线：从理论基础逐步延伸至项目实战，为不同阶段的AI技术学习者提供了实用的学习框架与方法建议。 （华为云HCDG核心组成员、好学星城创始人傅湘平） 4、智能体趣味问答活动后期，来到智能体趣味问答比赛环节，智能体围绕AI基础常识、华为云技术生态、常用编程语言、来宾指定领域等随机提问，嘉宾通过现场举手抢答的方式参与。大家在紧张而有趣的比拼中，亲身感受AI智能体的实用价值。同时，我们还为积极参与答题的来宾送上奖品。 （会场答题氛围热烈） 5、合影并参观人工智能创新中心活动最后，参会者集体合影留念，并一同参观了长沙人工智能创新中心的展厅以及算力机房。在专业讲解员的带领下，大家近距离观摩先进的智算基础设施，了解AI大模型目前在各个行业的应用成果 ，对AI产业的发展前景形成了更为深刻、全面的认知。 （会场大合影）  （长沙人工智能创新中心展厅参观）  （算力机房参观） 此次华为云HCDG开发者日·长沙站活动不仅为开发者搭建了交流学习的平台，更推动了AI大模型技术的落地实践与生态共建。未来，好学星城将继续携手各方伙伴深化AI技术交流与合作，推出更多高质量的技术分享、实操培训与行业交流活动，共同探索AI时代的产业新机遇，为区域数字经济发展注入源源不断的科技动力。助力每一位学习者和开发者在技术浪潮中稳步成长、勇敢前行。    

推荐概要本文介绍使用华为云主机服务为实验环境，通过搭建云主机并利用其强大的计算能力，对全国主要城市的租房数据进行深入分析。借助 Python 数据分析工具，结合华为云的资源，完成从数据挖掘、清洗到模型训练、测试以及数据可视化的全流程操作。本案例由重庆大学 冯永老师提供课程信息面向对象：计算机专业学生课程信息：《大数据架构与技术》专业课次：3学分/56学时覆盖人数： 150+人/每学期授课周期： 4个月业务背景与挑战随着城市化进程的加速，租房市场成为人们生活的重要组成部分。了解不同城市的租房价格、房屋面积、楼层分布等信息对于租户、房东以及房地产从业者都具有重要的意义。通过分析全国主要城市的租房数据，不仅可以为租户提供决策参考，帮助他们找到性价比更高的房源，还能为房地产从业者提供市场趋势的洞察，助力其优化房源配置和定价策略。此外，对于城市规划者而言，这些数据也能为城市的住房规划和发展提供有力支持。方案设计业务价值 核心实现代码部署与运维1.数据预处理：使用OneHotEncoder对类别型特征（如“城市”）进行独热编码，将这些特征转换为数值形式。2.模型设置与参数选择：设置了XGBoost回归模型参数，包括目标函数、树方法、设备类型以及评估指标等。3.模型训练：结合基础参数和最佳超参数一起训练最终模型。4.模型评估与解释性分析：训练完成后，用测试集进行预测，并计算出根均方误差(RMSE)和R²得分等评价指标来衡量模型效果。性能与成本资源名称规格单价（元）时长（分钟）弹性云服务器ECSX86计算，通用计算增强型 | c7.large.2 | 2 vCPUs | 4 GiB  CentOS 7.6 64bit (40GB)0.6120弹性公网IP按流量计费  5Mbit/s0.8元/GB120CodeArts服务免费体验版免费120分布式消息服务Kafka实例按需计费，集群版 3.x，kafka.2u4g.cluster.small，数量：33.15120开发者心得我们可以清楚地看到华东地区的房租是最高的，但是平均面积却偏小，这一定程度上反映了华东地区住房人口的密度较大，处于房源紧张的状态，而西北地区房源很可能供大于求，华南华北地区也许是供求平衡的，但是华南地区很可能存在炒作房租的现象，因为房租较高，但平均面积却不像华东地区紧张，同样地，根据预测模型的具体结果，我们可以看到，落实到具体城市时，差异是巨大的，在同样的面积下，预测结果差距很大，这也一定程度上反应了我国目前的房租仍然在地区上不平衡，部分地区房源十分紧张，但部分地区却无法正常出租，以至于出现较低价，这对于我国的人口流动分析有一定现实意义上的参考帮助。  

推荐概要本文介绍使用卷积神经网络进行小麦识别，包括 yolo模型的准备与部署，使用Django框架搭建Web系统，通过Hadoop+Spark分布式实现算例，并结合Mysql数据库赋能数据存储。本案例由重庆大学 冯永老师提供课程信息面向对象：计算机专业学生课程信息：《大数据架构与技术》专业课次：3学分/56学时覆盖人数： 150+人/每学期授课周期： 4个月业务背景与挑战随着全球人口持续增长和气候变化日益加剧，农业生产系统正面临前所未有的压力。作为全球最重要的主粮作物之一，小麦的稳产增产直接关系到国家粮食安全与全球食物供给稳定。在此背景下，精准掌握田间小麦生长状态、科学评估产量潜力，成为提升农业管理效率和保障粮食安全的关键环节。麦穗作为小麦产量构成的核心器官，其数量、密度与发育状况是衡量长势与预估产量的重要指标。近年来，基于计算机视觉的麦穗识别技术为实现高效、非侵入式的田间监测提供了新路径，有望显著提升农业生产的智能化水平。方案设计业务价值核心实现代码  部署与运维1.Django框架搭建Web系统，结合了Django框架的灵活性和强大功能，通过数据增强和目标检测计数算法，系统能够深入抽取图像特征，提供精确的检测计数服务。2.Hadoop+Spark分布式实现算例，Hadoop和Spark的分布式计算能力与高斯滤波，自动编码去噪技术的结合，为大规模图片数据的处理和分析提供了强大的解决方案。3.Mysql数据库赋能数据存储，存储大量小麦照片的数据，为用户判断小麦长势提供参考。性能与成本开发者心得农业AI不能仅追求“高指标”，更要注重“真落地”。复杂模型的价值在于其能否在真实农田中稳定工作，而高质量、多样化的数据是连接算法与现实的关键桥梁。   

你好，我参与的华为云开发者沃土云创计划（个人方向）于2025年12月提交了学习代金券（应用开发与构建）的申请，2026年看不到申请记录点么回事

携手BISHENG，企业开发者创新的优质土壤推荐概要：BISHENG作为AI应用层平台企业，面临技术、商业与服务的多重挑战。为满足市场对稳定算力与模型的迫切需求，BISHENG联合华为开发者空间，通过打造低代码平台与开箱即用环境，共同为客户提供高性能算力与大模型资源，携手推动AI应用生态的繁荣与商业落地。一、业务背景及痛点伙伴BISHENG希望达成以下几方面目标：①技术层面： 降低开发者使用门槛，提供高性能、易部署的AI开发环境；②商业层面： 打通从技术成果到市场变现的闭环，触达并服务企业级开发者；③生态层面： 建立品牌影响力，提升在AI领域的竞争力。二、方案设计华为开发者生态以“平台+服务”为核心，致力于构建开放、繁荣的开发者生态系统，为伙伴提供全栈支持，共同加速AI创新和落地。1、技术赋能-开发者空间：实现低代码平台+开箱即用环境，向伙伴提供稳定、高性能的底层算力支持和大模型，并合作完成案例。① 简易部署，提供开箱即用的鲲鹏云主机和Docker环境，开发者无需繁琐配置即可快速接入BISHENG平台，将精力聚焦于AI模型创新；② 算力支持，提供高性能MaaS服务（例如DeepSeek-R1接入），让开发者能便捷调用顶尖大模型，大幅缩短开发周期和试错成本。2、商业闭环：为伙伴提供变现路径，商业版已上架至云商店，触达更多开发者引流至云商店购买。3、生态协同-共建行业影响力：① 高端平台展示：深度合作参与行业顶级大会（如HC大会），开发者组织（HCDG）BISHENG作为主讲分享成功实践，华为提供技术演示平台和支撑，共同吸引开发者关注。三、核心业务流程合作完成开发者空间案例：华为开发者空间部署BISHENG平台实现DeepSeek vs GLM终极AI辩论赛。开发者空间&BISHENG平台开发AI辩论赛流程：华为开发者空间鲲鹏云主机部署BISHENG平台；开通华为云MaaS DeepSeek-V3模型服务，接入BISHENG平台；BISHENG平台构建工作流应用；BISHENG平台发布构建的AI模型辩论赛应用，浏览器访问体验。 【案例共创】华为开发者空间部署BISHENG平台实现DeepSeek vs GLM终极AI辩论赛cid:link_0四、合作达成成果及价值1.开发者-降低技术门槛,聚焦核心创新-从技术赋能到商业转化完整支持-让成果看得见、摸得着、有价值 2.伙伴-精准、高效地触达企业开发者-通过联合方案,建立行业影响力-让成果看得见、摸得着、有价值 3.华为侧-共同赢得企业及企业开发者-通过联合方案提升更多基于空间、学堂的活跃-输出场景案例批量复制

南京大学空间融入课程重构案例推荐概要：华为开发者空间携手南京大学，基于文理交融特色探索创新模式，把开发者空间融入南大学子课程与实践环节。聚焦 AI、鸿蒙、昇腾等前沿根技术，借校企优质师资合力，让南大学子在课堂解锁多元实践场景，以跨学科实践赋能科技人才创新能力跃升 。面向对象：软件工程专业大二学生课程信息：《计算机操作系统》操作系统专业课、3学分/48学时覆盖人数： 240人/每期授课周期： 8周次一、“计算机操作系统”合作背景南京大学课程“计算机操作系统” 中，低年级学生在本地配置操作系统实验环境过程繁琐、易出错，影响学习体验；借助华为开发者空间云主机可简化环境配置操作、提高实验效率，学生普遍反馈难度偏高，与理论课程关联较弱，无实操，与培养软件工程专业学生操作系统应用能力的目标偏离。二、“计算机操作系统”课程介绍南京大学软件学院开展《计算机操作系统》课程，将原课程基于华为开发者空间云主机的课程实践进行重构。面向软件工程专业大二学生，培养其理解和应用操作系统的能力，特别是开发与操作系统交互的底层软件的能力。三、华为开发者空间的使用场景和优势开发资源：每人一套基于华为云openEuler系统的鲲鹏云开发环境，解决缺少实际环境问题。开箱即用：鲲鹏云开发环境预置各形态服务器，主流开发软件及工具，开箱即用，解决因为配置繁琐、耗时长问题。镜像分享：支持老师制作镜像，并分享给学生在鲲鹏云开发环境操作使用，避免环境不一致问题影响教学进度。容器模板化：支持通过镜像拉起环境，保证环境一致性。四、基于华为开发者空间的课程实验设计面向软件工程专业大二学生，培养其理解和应用操作系统的能力，特别是开发与操作系统交互的底层软件的能力。云平台的操作和云主机的使用内核模块的概念、进程的概念，进程状态的变化等内存管理相关的系统调用的使用、内存管理算法等I/O中断检测、设备驱动编写等文件的操作、文件系统的操作等进程间通信的手段软件包构建的知识、软件包特征的理解等五、基于华为开发者空间的课程实验安排六、课后感言课程改革和实践课帮助理论联系实践，更好的理解计算操作系统和软件应用作业更偏向于软件开发和应用，能够快速上机，节省大量时间完成。 

 华为云开发者空间AI Notebook环境没有patch这个工具，因为编译算子需要用到这个工具，所以有什么办法可以自己安装这个工具吗？

Ollama是一个强大的开源工具，旨在帮助用户轻松地在本地运行、部署和管理大型语言模型（LLMs）。它提供了一个简单的命令行界面，使用户能够快速下载、运行和与各种预训练的语言模型进行交互。Ollama 支持多种模型架构，并且特别适合那些希望在本地环境中使用 LLMs 的开发者和研究人员。DeepSeek-R1:1.5B是一个轻量级的开源推理模型。它通过知识蒸馏技术从性能强大的大型模型（DeepSeek-R1）中迁移了推理能力，旨在以更小的参数量（15亿）实现高效的逻辑推理。该模型专为资源受限的环境设计，内存占用低（约3GB），适合在移动端、边缘计算设备或高并发场景下部署。尽管规模小，它在数学和代码推理等任务上仍具备可观的能力。欢迎来华为开发者空间-云开发环境体验案例，留下您的宝贵意见或建议。 

AppCube新建高级页面拖入组件失败

 01 在“黑土地”上，为开发者点亮光12月27日-28日，上海华为练秋湖研发中心。冬日的寒风挡不住技术人的热血，2025华为开发者大赛暨开发者年度会议在此盛大举行。华为云CEO周跃峰在现场提到，要联合开发者打造行业AI的“梦工厂”。在这场顶级技术盛会中，观测云的角色非常明确：我们不仅是参与者，更持续护航开发者生态。如果说华为云为开发者提供了广袤的算力“黑土地”，那么观测云所做的，就是在这片土地上构建一套 “全链路数据观测基础设施”。我们深知，对于身处数字化转型深水区的开发者而言，代码能跑只是及格线，“系统稳定、性能强大、数据完整、故障可溯”才是硬道理。在这场顶级技术盛会中，观测云不仅是参与者，也愿意为开发者创新构建稳定高性能的基础设施。 02观测云赛道复盘：英雄配好刀，洞察定乾坤本届大赛，观测云赛道成为了检验开发者实战能力的试金石。决赛现场，我们看到了极具含金量的答辩：- 线上选手跨越地域限制，现场演示了如何利用观测云抽丝剥茧，在复杂的微服务架构下迅速锁定根因；- 线下选手面对评委的犀利提问，从容自信，将极客精神展现得淋漓尽致。这不仅是一场比赛，更是一次关于 “在AI时代，可观测性技术如何持续创造价值”的深度对话。 03巅峰时刻：双云携手，为开发者加冕本次大会的高潮，无疑是颁奖典礼。这不仅是对获奖者的表彰，更是华为云 x 观测云生态紧密融合的有力见证。在聚光灯下，华为云开发者支持与运营部部长 林华鼎 与 观测云CEO助理 沙昀其 共同登台，为在观测云赛道脱颖而出的优胜者颁奖。这一幕极具象征意义——大厂的生态加持 & 垂直领域的极致工具，两者强强联手，共同托举起开发者的创新梦想。正如林华鼎部长所言，华为云致力于构建开放共赢的生态，而观测云正是这一生态中不可或缺的“可观测性基础设施”。                            04现场回响：零距离的观测温度赛场之外，观测云的展台成为了连接开发者与技术的纽带。在观测云展台只有纯粹的技术交流。从eBPF技术的落地应用，到Trace链路追踪的实操演练，观测云的技术专家与参会者们零距离互动。 每一个驻足提问的身影，每一次恍然大悟的点头，都印证了观测云的品牌理念：离开发者近一点，再近一点。 05结语：每一位开发者的智慧皆可扎根生长从观测云入驻华为云云商店，让获取服务更便捷；到打通WeLink，让告警直达工作群，实现秒级协同；再到第一时间适配鸿蒙原生应用（HarmonyOS Next）的监控支持……我们将工具链磨得更锋利，并会继续携手华为云，在工具链、技术社区、生态赋能上持续投入。为了让每一位开发者的智慧皆可扎根生长。观测云特别推出了开箱即用的免费版——为每一位构建者提供可托付的可观测性。比赛虽已落幕，但创新的火种已经点燃。我们也欢迎每一位开发者加入我们的开发者社区，与我们一起成长！

  冬日的蓉城暖意融融，思想的碰撞点亮创新征程。12月20日，G-Star Gathering Day 成都站活动圆满落下帷幕。本次活动由AtomGit及华为云开发者联盟HCDG联合主办，以“AI全栈技术探索：从基础设施到智能应用”为核心主题，集结了数据库领域专家、开源社区领袖与华为云资深工程师，为现场开发者带来了一场兼具深度与实践价值的技术盛宴，让前沿技术理念在交流中生根发芽。  本次活动聚焦AI全栈技术体系，从底层数据库架构、开源生态应用，到开发工具赋能、前端解决方案，再到LLM软硬件协同，多维度拆解技术难点，分享实践经验，为开发者搭建了高效的交流平台与学习桥梁。  数据库作为AI时代的数据基石，其技术演进方向直接影响智能应用的效能。OpenTenBase ACE、Oracle ACE Pro、PostgreSQL ACE尹海文老师以《AI时代需要什么样的数据库》为主题，从环境背景、演进目标、技术挑战及创新构想四个维度，深度剖析了数据库技术发展的关键趋势与突破方向。他结合自身丰富的行业经验，阐释了分布式数据库在AI场景下的优化设计原则，提出通过统一分片策略、复制表优化等方式规避跨节点交互损耗，为开发者构建适配AI时代的数据库架构提供了清晰指引。  开源生态的蓬勃发展为技术创新注入了强劲动力，开源鸿蒙与具身智能的融合更是开辟了全新应用赛道。蜀鸿会创始人、OpenHarmony Python SIG Leader唐佐林老师带来《开源鸿蒙与具身智能应用》分享，深入探讨了OpenHarmony遇上具身智能后的技术碰撞与应用可能。他聚焦开源生态下的智能硬件开发新范式，通过实际应用场景拆解，让现场开发者直观感受到开源技术在智能交互领域的独特优势，为相关领域的技术探索提供了新思路。  好的工具是技术落地的加速器，高效的开发环境更是开发者创新的重要支撑。华为开发者空间运营经理高睿孺老师以《华为开发者空间，助力AI智能应用开发》为题，详细介绍了华为开发者空间的核心价值。作为开发者专属的云上成长空间，这里预置了免费的华为根技术工具和资源，集成昇腾、鸿蒙、鲲鹏等多项核心技术，提供从学习、开发到部署的全旅程支持。无论是AI Agent的快速开发、低代码可视化开发，还是多IDE远程协作，华为开发者空间都能提供适配支持，有效降低开发门槛，加速AI创意落地。  前端作为智能应用与用户交互的核心载体，其智能化升级直接影响用户体验。华为云前端高级工程师赵鹏老师分享的《MateChat 智能化前端解决方案》，为开发者轻松构建智能化应用提供了实用路径。该方案聚焦前端开发的痛点难点，通过标准化的技术框架与组件化设计，简化智能化应用的开发流程，让开发者无需深入钻研复杂算法，即可快速实现应用的智能化升级，大幅提升开发效率。  LLM技术的落地应用，离不开硬件与推理框架的精准匹配。SKFI中韩未来革新加速器社长、华为云HCDE开发者专家唐云峰老师围绕《LLM 硬件与推理框架选型匹配》展开分享，结合行业实践案例，解析了不同应用场景下LLM硬件选型的核心逻辑，以及推理框架与硬件适配的关键要点。他强调，软硬件协同优化是提升LLM应用性能、降低部署成本的核心，为开发者在实际项目中规避选型误区、提升应用效能提供了宝贵经验。  一场场精彩的分享引发了现场开发者的强烈共鸣，互动交流环节中，大家围绕技术细节、实践难点积极提问，嘉宾们耐心解答，现场氛围热烈而浓厚。参会开发者纷纷表示，本次活动的分享内容兼具理论高度与实践指导性，不仅厘清了技术认知上的困惑，更收获了可直接应用于项目的实用方法，为后续的技术探索与项目开发提供了有力支撑。  随着分享环节的结束，G-Star Gathering Day 成都站圆满落下帷幕，但技术探索与交流的脚步从未停歇。

明天，12 月 27 日，2025 华为开发者大赛总决赛暨开发者年度会议将在上海 · 华为练秋湖研发中心正式开启。从代码成型到方案打磨，再到最终站上决赛舞台，这一路并不轻松。明天，所有准备都将被带到现场，用一次完整的展示，交出最终答案。作为本届大赛的合作伙伴与可观测性赛道支持方，观测云已经就位。展台已搭建完成，技术与团队已在现场待命，期待与每一位开发者面对面交流，见证作品真正走上舞台的那一刻。舞台已经亮灯，答案即将揭晓。明天，观测云在练秋湖，等你到场！   

案例介绍本文主要介绍如何在云开发环境中使用鲲鹏服务器通过RPM方式部署MongoDB，并提供了调优指南。案例内容一、概述1. 案例介绍MongoDB是一个基于分布式文件存储的数据库。由C++语言编写，旨在为Web应用提供可扩展的高性能数据存储解决方案。MongoDB是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。性能调优是一个涉及多个层面的复杂过程，从硬件和操作系统的选择到子系统的设计和算法选择，都需要仔细考虑。在调优过程中，必须遵循一定的原则以确保得到正确的结果。通过本实验，用户可以快速掌握鲲鹏服务器中MongoDB的安装与使用，并对其性能调优有清晰认识。2. 适用对象企业个人开发者高校学生3. 案例时间本案例总时长预计60分钟。4. 案例流程说明：云开发环境准备；配置安装环境；安装MongoDB；调优指南。5. 资源总览本案例预计花费0元。资源名称规格单价（元）时长（分钟）华为开发者空间云开发环境-开发桌面鲲鹏通用计算增强型 kc2 | 4vCPUs | 8G | Euler免费60二、操作步骤1. 云开发环境准备登录华为开发者空间，点击开发平台 > 云开发环境 > 开发桌面，点击创建按钮，创建开发环境：自定义开发环境名称，点击确定按钮，创建开发环境：开发环境状态由创建中变为已就绪：点击更多->开机，开发环境状态变为运行中：点击远程桌面，进入开发桌面：2. 配置安装环境停止防火墙。sudo systemctl stop firewalld.service关闭防火墙。sudo systemctl disable firewalld.service查看防火墙状态。sudo systemctl status firewalld.service创建数据目录以存储MongoDB的数据文件。执行如下命令创建数据目录。sudo mkdir /datasudo mkdir -p /data/mongo配置外网Yum源：查看Yum源，可以看到存在外网Yum源（存在后缀为.repo的文件）。ls /etc/yum.repos.d/使Yum源生效。sudo yum clean allsudo yum makecachesudo yum list配置本地Yum源：下载OS镜像文件。（备用下载地址：https://mirrors.huaweicloud.com/centos-vault/altarch/7.6.1810/isos/aarch64/CentOS-7-aarch64-Everything-1810.iso）sudo wget https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0013/CentOS-7-aarch64-Everything-1810.iso挂载OS镜像文件，编辑文件。sudo mount /home/developer/CentOS-7-aarch64-Everything-1810.iso /mntsudo vim /etc/fstab按“i”进入编辑模式，在文件末尾添加如下信息。输入完成后按“Esc”键，输入 “:wq”，按“Enter”保存并退出编辑。/home/developer/CentOS-7-aarch64-Everything-1810.iso /mnt iso9660 loop 0 0备份Yum源。cd /etc/yum.repos.dsudo mkdir baksudo mv *.repo bak配置本地Yum源。cd /etc/yum.repos.dsudo vim local.repo按“i”进入编辑模式，在文件末尾添加如下信息。输入完成后按“Esc”键，输入 “:wq”，按“Enter”保存并退出编辑。[local]name=local.repobaseurl=file:///mntenabled=1gpgcheck=0查看local.repo文件。sudo cat local.repo使Yum源生效。sudo yum clean allsudo yum makecachesudo yum list3. 安装MongoDB本文以MongoDB 4.0.12版本为例通过RPM包安装MongoDB和MongoDB Tools的操作步骤。安装依赖包。cd ~sudo yum -y install python2 python2-setuptools python2-devel net-tools切换到“/root”目录下，分别下载MongoDB和MongoDB Tools的RPM包。sudo cd /rootsudo wget https://mirrors.huaweicloud.com/kunpeng/yum/el/7/aarch64/Packages/database/mongo-4.0.12-1.el7.aarch64.rpm --no-check-certificatesudo wget https://mirrors.huaweicloud.com/kunpeng/yum/el/7/aarch64/Packages/database/mongodb-tools-4.0.6-1.aarch64.rpm --no-check-certificate安装MongoDB和MongoDB Tools的RPM包。sudo rpm -ivh mongo-4.0.12-1.el7.aarch64.rpm sudo rpm -ivh mongodb-tools-4.0.6-1.aarch64.rpm查看安装后的MongoDB和MongoDB Tools的RPM包和路径。sudo rpm -qa | grep mongo-4.0.12 sudo rpm -qa | grep mongodb-tools-4.0.6-1ll /usr/local/mongo/bin/ ll /usr/local/mongodb-tools/bin/   查看MongoDB版本。cd ~sudo find / -name mongod 2>/dev/nullsudo /usr/local/mongo/bin/mongod --version修改MongoDB的配置文件，删除并新建“/etc/mongodb.cnf”文件。sudo rm -f /etc/mongodb.cnfsudo vim /etc/mongodb.cnf按“i“进入编辑模式，添加如下内容，添加完成后按“Esc”键，输入“:wq”，按“Enter”保存并退出编辑。dbpath=/data/mongologpath=/data/mongo/mongo.loglogappend=trueport=27017fork=trueauth=falsebind_ip=0.0.0.0配置文件参数说明：dbpath代表数据文件存放目录。logpath代表日志文件存放目录。logappend=true代表日志以追加的形式添加。port代表端口号。fork=true代表以守护程序的方式启用，即在后台运行。auth=false代表连接数据库不需要验证用户名和密码。bind_ip代表可以访问的地址。127.0.0.1表示自己访问，0.0.0.0 表示所有人都能访问。启动MongoDB数据库，使用配置文件启动MongoDB数据库。sudo nohup /usr/local/mongo/bin/mongod -f /etc/mongodb.cnf &确认MongoDB数据库进程是否正常启动，可以看到数据库进程ID为2995且已正常启动。sudo ps -ef | grep mongod查看MongoDB数据库的监测端口，在本例中MongoDB数据库的监测端口为27017。sudo netstat -anpt 、登录MongoDB数据库并验证数据库是否可以正常运行。cd /usr/local/mongo/binsudo ./mongo查看当前存在的数据库，并输入“exit“退出。show dbs  验证MongoDB Tools中的命令是否正常，进入MongoDB Tools的bin目录。cd /usr/local/mongodb-tools/bin/验证MongoDB Tools命令是否正常。本文以mongorestore和mongoreplay为例进行说明。sudo ./mongorestore --versionsudo ./mongorestore --helpsudo ./mongoreplay --versionsudo ./mongoreplay --help4. 调优指南4.1 缓存参数调优编辑文件，按“i“进入编辑模式，将“vm.swappiness = 0“ 修改为“vm.swappiness = 1“，修改完成后按“Esc”键，输入“:wq”，按“Enter”保存并退出编辑。sudo vim /etc/sysctl.conf原理：vm.swappiness值越大，越积极使用交换分区；值越小，越积极使用内存，将值设置为“1”，以减少交换分区的使用。 执行如下命令使修改生效。sudo sysctl -p将dirty_ratio参数设置为“5“，表示内存里的脏数据百分比不能超过这个值。echo 5 | sudo tee /proc/sys/vm/dirty_ratio4.2 数据库参数调优通过调整数据库的配置参数，可以有效提升数据库的性能和可靠性（根据实际需求设计即可）。请参见下表修改数据库的配置文件。配置文件默认为“/etc/mongodb.cnf”，修改配置文件后需重启数据库生效。参数说明建议acheSizeGBcacheSizeGB参数控制WiredTiger引擎使用内存上限。如果一台机器只部署一个MongoDB，建议设置成内存的60%。OplogOplog用于MongoDB的复制。建议大小设置为可用disk空间的5%。commitIntevalMs控制MongoDB的journal日志刷新。建议使用默认值，值越大，性能越好，但数据丢失可能性更大。syncPeriodSecs控制flush到磁盘的时间间隔。建议使用默认值，值越大，性能越好，但影响数据库可靠性。noprealloc是否启用数据文件预分配。建议设置为true。noscripting是否启用脚本引擎。建议设置为true。notablescan是否允许表扫描。建议设置为true。4.3 客户端优化编辑文件。sudo vim /etc/sysctl.conf按“i”进入编辑模式，在末尾追加以下内容。net.ipv4.ip_local_port_range = 1024 65535net.ipv4.tcp_tw_reuse = 1net.core.somaxconn = 65535net.core.netdev_max_backlog = 8096net.ipv4.tcp_max_syn_backlog = 8192net.ipv4.tcp_keepalive_time = 600net.ipv4.tcp_fin_timeout = 30net.ipv4.tcp_max_tw_buckets = 3000 参数说明：参数说明net.ipv4.tcp_tw_reuse允许将TIME-WAIT sockets重新用于新的TCP连接 0：关闭（default）1：开启net.ipv4.ip_local_port_range用于向外连接的端口范围net.core.somaxconn定义了系统中每一个端口最大的监测队列的长度，这是个全局的参数，默认值为128net.core.netdev_max_backlog每个网络接口接收数据包的速率比内核处理这些包的速率快时，允许送到队列的数据包的最大数目net.ipv4.tcp_max_syn_backlog表示那些尚未收到客户端确认信息的连接（SYN消息）队列的长度，默认为1024，加大队列长度为262144，可以容纳更多等待连接的网络连接数net.ipv4.tcp_keepalive_time表示如果套接字由本端要求关闭，这个参数决定了它保持在FIN-WAIT-2状态的时间，默认为2小时net.ipv4.tcp_fin_timeout表示开启TCP连接中TIME-WAIT sockets的快速回收，默认为0，表示关闭net.ipv4.tcp_max_tw_buckets表示系统同时保持TIME_WAIT sockets的最大数量，默认为180000追加完成后按“Esc”键，输入“:wq”，按“Enter”保存并退出编辑。执行以下使修改结果立即生效。sudo sysctl -p至此，鲲鹏BoostKit之MongoDB安装与调优全部完成。