【保姆级教程】10步搞定Ubuntu(虚拟机)安装Docker

【保姆级教程】10步搞定Ubuntu(虚拟机)安装Docker

一、准备工作

      1.下载Ubuntu镜像

     下载地址:夸克网盘分享「ubuntu-24.04.2-desktop-amd64.iso」,点击链接即可保存。打开「夸克APP」。链接:https://pan.quark.cn/s/805cfe241fb9

      2.下载VMware workstation Pro

二、正式开始

首先我们需要下载官方Ubuntu的镜像,下载之后在VMware workstation Pro上新建虚拟机,使用刚刚下载Ubuntu的镜像创建虚拟机,创建虚拟机的过程我这里就不过多赘述,大家有需要可以百度,网上有很多资源。

开始安装docker:

      1. 在虚拟机中打开终端,更新所有软件

命令使用:

sudo apt update

      2. 安装依赖包【用于通过HTTPS来获取仓库】

sudo apt install apt-transport-https ca-certificates 
curl software-properties-common

如果报:找不到命令“curl”,则执行:

 sudo snap install curl

      3. 添加Docker官方GPG密钥

      切换管理员权限:

sudo -i
curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | gpg --dearmor -o /etc/apt/trusted.gpg.d/docker-ce.gpg

      4. 进行验证

sudo apt-key fingerprint 0EBFCD88

      5. 添加Docker阿里稳定版软件源

sudo add-apt-repository "deb [arch=amd64] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

       6. 再次更新软件包

sudo apt update

      7. 安装默认最新版

sudo apt install docker-ce docker-ce-cli containerd.io

      8. 安装好后默认启动

sudo docker run hello-world

      如果输出“Hello from Docker!”则表示Docker已经成功安装。

   但是在这里我出现了报错:

解决方法如下:

编辑配置文件(没有这个文件则进行创建)

sudo nano /etc/docker/daemon.json

Daemon.json内容:

修改配置文件:

{     "dns": ["8.8.8.8", "8.8.4.4"],     "registry-mirrors": [         "https://docker.m.daocloud.io/",         "https://huecker.io/",         "https://dockerhub.timeweb.cloud",         "https://noohub.ru/",         "https://dockerproxy.com",         "https://docker.mirrors.ustc.edu.cn",         "https://docker.nju.edu.cn",         "https://xx4bwyg2.mirror.aliyuncs.com",         "http://f1361db2.m.daocloud.io",         "https://registry.docker-cn.com",         "http://hub-mirror.c.163.com"     ],     "runtimes": {         "nvidia": {             "path": "nvidia-container-runtime",             "runtimeArgs": []         }     } }

       9. 重新加载

sudo systemctl daemon-reload

       10. 重新启动docker

sudo systemctl restart docker

重新执行:出现了“Hello from Docker!”说明docker安装成功

使用docker images命令查看:

镜像下载成功!正常运行。

然后我们将当前用户加入到docker的用户组

配置用户组

sudo usermod -aG docker  当前用户名

su - galaxfy  # 刷新shell状态

docker images # 验证

查看状态:

sudo systemctl status docker

启动:

sudo systemctl start docker

开机自启:

sudo systemctl enable docker

到这里docker就安装完成!

Read more

内网安全部署:Java + OpenClaw 本地大模型私有化方案

内网安全部署:Java + OpenClaw 本地大模型私有化方案

文章目录 * 前言 * 一、开篇:你的数据正在裸奔吗? * 二、技术栈选型:为什么选这三兄弟? * 2.1 本地大模型:Ollama是傻瓜相机 * 2.2 OpenClaw:AI界的机械臂 * 2.3 Java:老当益壮的底盘 * 三、架构设计:三层铁桶怎么搭? * 3.1 数据流向图(脑补版) * 3.2 安全边界划分 * 四、环境搭建:从0到1手摸手 * 4.1 本地模型部署(Ollama) * 4.2 OpenClaw安装与配置 * 4.3 Java项目准备 * 五、Java集成实战:代码说话 * 5.1 基础对话接口 * 5.

By Ne0inhk
Java 手写 AI Agent:ZenoAgent 实战笔记

Java 手写 AI Agent:ZenoAgent 实战笔记

摘要:作为一个长期使用 Java 的后端开发者,我对 AI Agent 的内部运作机制充满了好奇。为了深入理解 Agent 的工作原理,我决定动手写一个简单的 Agent 系统 —— ZenoAgent。本文记录了我在这个过程中的学习心得与技术实践,包括如何手写 ReAct 循环、在分布式环境下实现 Human-in-the-loop、尝试复刻类 o1 的流式思考以及探索错误处理机制。希望这些踩坑经验能给同样想探索 AI 的 Java 开发者一些参考。 👀 在线体验:项目已部署上线,欢迎试玩:线上部署地址 (注:受限于服务器资源,线上本地部署了 Qwen3:8B 模型(参见另一篇博文华为云服务器本地部署大模型实战),虽不如商业模型聪明,但足以演示 Agent 的核心能力) 💡 写在前面:我的学习初衷 市面上已经有了像 LangChain 和 AutoGen

By Ne0inhk

Spring Boot 版本怎么选?2/3/4 深度对比 + 迁移避坑指南(含 Java 8→21 适配要点)

Spring Boot 版本怎么选?2/3/4 深度对比 + 迁移避坑指南(含 Java 8→21 适配要点) 大家好,我是重阳。今天是2026年1月22日,Spring Boot 已经进入4.0时代。作为 Java 生态的核心框架,Spring Boot 的版本选择直接影响项目的稳定性、性能和维护成本。Spring Boot 2.x(2018年发布)是许多老项目的基石,3.x(2022年)带来了 Jakarta EE 和 Native 支持,而4.0(2025年11月GA)则聚焦模块化、Java 25优化和云原生增强。根据 Spring

By Ne0inhk
Java WebFlux集成DeepSeek大模型:流式接入完整实现(含代码+优化+避坑)

Java WebFlux集成DeepSeek大模型:流式接入完整实现(含代码+优化+避坑)

Java WebFlux集成DeepSeek大模型:流式接入完整实现(含代码+优化+避坑) 前言:随着大模型技术的普及,Java后端接入DeepSeek等大模型时,传统同步阻塞式调用已无法满足高并发、低延迟的业务需求。本文基于Spring WebFlux响应式框架,详细讲解大模型流式接入的技术方案、完整实现代码、性能优化技巧及常见问题解决方案,全程干货,可直接落地到生产环境。 关键词:Java WebFlux;DeepSeek;流式接入;SSE;响应式编程;大模型集成 一、技术背景与需求分析 在Java后端开发中,接入DeepSeek等大模型进行AI推理时,传统同步HTTP调用模式存在诸多痛点,而流式处理结合WebFlux的响应式特性,成为解决该问题的最优路径。 1.1 传统AI模型接入的局限性 传统Java应用接入AI推理模型,普遍采用同步阻塞式HTTP请求(如OkHttp、RestTemplate同步调用),这种模式在对接DeepSeek等大模型时,瓶颈尤为突出,具体表现为三点: * 高延迟导致线程阻塞:DeepSeek等大模型单次推理耗时通常在1-5秒

By Ne0inhk