1.从零开始构建向量数据库:Milvus 的源码源码编译安装(一)
2.[Chem RISC-V] 在全志 D1 上玩 xTB
3.Visual Studio配置C++中Armadillo矩阵库的方法
从零开始构建向量数据库:Milvus 的源码编译安装(一)
在知乎上新开了关于“向量数据库”内容的专栏[1],本文将详细介绍如何在x和ARM架构的安装Linux系统上编译安装开源项目Milvus,这个项目由Linux Foundation AI & Data基金会支持,源码常与Weaviate和Elasticsearch相提并论[2][3]。安装 由于Milvus主要在GitHub进行开发,源码中文网络中关于编译安装的安装animate 源码实现教程很少,且大多是源码过时的1.x版本资料,而Milvus的安装版本迭代迅速,目前主要提供Docker容器安装,源码本地开发者或追求透明度的安装开发者可能会觉得不够友好。本文将从头开始,源码逐步引导你进行编译安装。安装前置准备
在开始前,源码需要确保操作系统、安装开发环境和必要的源码房屋管理源码依赖已经准备妥当。Linux作为主力生产环境,本文将重点介绍在Ubuntu上编译。macOS和Windows上的步骤类似,但这里主要针对Linux。操作系统
推荐使用Ubuntu,无论是服务器、容器基础镜像,还是个人笔记本。具体配置和安装细节可以参考我在其他文章中介绍的《笔记本上搭建Linux学习环境》[6]。开发环境
Milvus主要使用Golang编写,同时包含C++代码。确保Golang和C++环境可用,参考《搭建Golang开发环境》[8],并注意Milvus官方推荐的分享影视源码版本。源码获取
获取Milvus源码有两种方式:Git Clone或下载压缩包,其中Git Clone可能需要借助国内镜像加速。具体步骤包括设置代码仓库的上游,确保代码同步。编译基础依赖
项目依赖OpenBLAS加速向量计算,详细安装步骤在《走进向量计算:OpenBLAS编译》[]中有详述。准备构建依赖:cmake
确保cmake版本至少为3.,Ubuntu .需手动安装,而Ubuntu .可直接使用apt。不同版本可能有差异,注意官方文档推荐的版本。额外依赖:clang-format和clang-tidy
项目代码中需要clang-format和clang-tidy,Ubuntu .和.的安装方式各有不同,务必安装正确版本以保持和官方构建一致。sky引擎源码编译 Milvus
切换到 Milvus 代码目录,执行make命令编译。整个过程可能耗时,但完成后将在./bin/目录下找到可执行文件。总结
本文详细介绍了在Ubuntu .和.环境中编译安装Milvus的步骤,包括操作系统、开发环境和依赖的安装。后续文章将深入探讨容器镜像构建优化以及在MacOS上的安装指南。 期待你的反馈,如果觉得有用,请点赞和分享。如有任何问题或需要更新,请关注后续内容更新,感谢支持!溯源码029[Chem RISC-V] 在全志 D1 上玩 xTB
在计算化学领域,xTB是Grimme课题组开发的一款紧结合子半经验量化软件,其性能在半经验模型领域中处于领先地位。本文以Mango Pi MQ-Pro开发板搭载的全志D1处理器为例,详细介绍了如何将xTB软件移植至RISC-V架构上,并进行安装与测试。
在移植过程中,考虑到全志D1处理器的特性,选择使用GNU编译器代替Intel编译器。关于数学库的选择,Ubuntu ..2 LTS riscv版本通过apt安装的OpenBLAS无法在全志D1上正常使用,故选择Netlib的BLAS库作为备选方案。
为确保移植成功,作者从GitHub上获取了xTB软件最新版本6.5.1,并进行编译。值得注意的是,由于xTB不能安装在源码目录下,因此需要对源码目录进行重命名,并设置安装目录为xtb-6.5.1。经过长时间的编译过程,最终软件成功安装。
为了验证移植的可行性,本文以苯的结构优化与频率计算为例,展示了一段实际操作流程。结果显示,软件运行稳定,测试全部通过。
通过上述介绍,可以发现xTB软件在全志D1处理器上移植与运行是可行的。尽管移植过程中存在一些技术挑战,如数学库的兼容性问题,但在使用Netlib的BLAS库作为解决方案后,这些问题得到了妥善解决。未来,随着RISC-V架构的普及与发展,相信会有更多计算化学软件能够成功移植至RISC-V平台,为相关领域带来更高效、更具竞争力的计算解决方案。
Visual Studio配置C++中Armadillo矩阵库的方法
在Visual Studio中配置C++环境下的Armadillo矩阵库的步骤如下:
首先,访问Armadillo官网 (arma.sourceforge.net),下载最新源代码。点击下载链接后,库的源代码将自动下载。
在Visual Studio中,新建一个空项目,设置项目名称和存储位置,建议选择易于访问的文件夹。然后,将下载的Armadillo源代码解压到项目文件夹中。
打开Visual Studio,进入“生成”->“配置管理器”,确保配置为x,且Debug模式已选中。接着,右键项目选择“属性”,在“VC++”栏中,分别添加包含目录和库目录,指向Armadillo的include和lib_win\examples文件夹。
如果“C/C++”一栏未显示,可以通过编写代码并运行来使其出现。在“附加包含目录”和“附加库目录”中,分别添加包含和库路径。
在“链接器”中,添加“附加依赖项”:libopenblas.lib。生成解决方案后,将libopenblas.lib文件复制到项目目录的x\Debug文件夹。
将Armadillo库的example1.cpp中的示例代码复制到项目源文件,运行代码。如果遇到找不到libopenblas.dll的问题,需确保该库文件已复制到正确位置。
如果调试控制台显示正常信息,恭喜你,Armadillo矩阵库已成功配置在Visual Studio中。至此,配置完成。