mp4tom3u8
ffmpeg -i $1 \
-c:v copy \
-c:a copy \
-start_number 0 \
-hls_time 5 \
-hls_list_size 0 \
-hls_segment_filename "segment_%03d.ts" \
index.m3u8
SUNBALCONY 发布的文章
使用docker部署redis数据库
mkdir -p /data/redis/data
mkdir -p /data/redis/conf
touch /data/redis/conf/redis.conf
dir /data
port 6379
bind 0.0.0.0
requirepass sxwtz
tcp-keepalive 300
dbfilename dump_6379.rdb
appendonly yes
protected-mode no
pidfile /data/redis-6379.pid
maxmemory 2147483648
docker run -d \
--name=redis \
-p 6379:6379 \
-v /data/redis/conf:/usr/local/etc/redis \
-v /data/redis/data:/data \
redis:5.0.8 sh -c "redis-server /usr/local/etc/redis/redis.conf && echo 2000 > /proc/sys/net/core/somaxconn && echo never > /sys/kernel/mm/transparent_hugepage/enabled"Docker部署alertmanager对接prometheus
alertmanager配置部分
创建文件夹
mkdir -p /etc/alertmanager/
mkdir -p /etc/alertmanager/template新建配置文件
vim /etc/alertmanager/alertmanager.yml
global:
resolve_timeout: 5m
smtp_from: 'i@valarx.com' # 发件人
smtp_smarthost: 'smtp.office365.com:587' # 邮箱服务器的 POP3/SMTP 主机配置 smtp.qq.com 端口为 465 或 587
smtp_auth_username: 'i@valarx.com' # 用户名
smtp_auth_password: 'xxxx' # 授权码
smtp_require_tls: true
smtp_hello: 'xxxx'
templates:
- '/etc/alertmanager/template/*.tmpl'
route:
group_by: ['alertname'] # 告警分组
group_wait: 5s # 在组内等待所配置的时间，如果同组内，5 秒内出现相同报警，在一个组内出现。
group_interval: 5m # 如果组内内容不变化，合并为一条警报信息，5 分钟后发送。
repeat_interval: 5m # 发送告警间隔时间 s/m/h，如果指定时间内没有修复，则重新发送告警
receiver: 'email' # 优先使用 wechat 发送
routes: #子路由，使用 email 发送
- receiver: email
match_re:
serverity: email
receivers:
- name: 'email'
email_configs:
- to: 'xxx@qq.com' # 如果想发送多个人就以 ',' 做分割
send_resolved: true
html: '{{ template "email.html" . }}' #使用自定义的模板发送
- name: 'wechat'
wechat_configs:
- corp_id: 'xxxxxxxxxxxxx' #企业 ID
api_url: 'https://qyapi.weixin.qq.com/cgi-bin/' # 企业微信 api 接口 统一定义
to_party: '2' # 通知组 ID
agent_id: '1000002' # 新建应用的 agent_id
api_secret: 'xxxxxxxxxxxxxx' # 生成的 secret
send_resolved: true
创建自定义模板
vim /etc/alertmanager/template/email.tmpl
{{ define "email.html" }}
{{ range $i, $alert :=.Alerts }}
========监控报警==========<br>
告警状态：{{ .Status }}<br>
告警级别：{{ $alert.Labels.severity }}<br>
告警类型：{{ $alert.Labels.alertname }}<br>
告警应用：{{ $alert.Annotations.summary }}<br>
告警主机：{{ $alert.Labels.instance }}<br>
告警详情：{{ $alert.Annotations.description }}<br>
触发阀值：{{ $alert.Annotations.value }}<br>
告警时间：{{ $alert.StartsAt.Format "2006-01-02 15:04:05" }}<br>
========end=============<br>
{{ end }}
{{ end }}启动alertmanager
docker run -d --restart=always \
--name=alertmanager \
-p 9093:9093 \
-v /etc/alertmanager:/etc/alertmanager \
-v /etc/localtime:/etc/localtime \
prom/alertmanager:latestPrometheus部分告警规则
启用alertmanager模块和rules告警规则
global:
scrape_interval: 5s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
evaluation_interval: 5s # Evaluate rules every 15 seconds. The default is every 1 minute.
# scrape_timeout is set to the global default (10s).
# Alertmanager configuration
alerting:
alertmanagers:
- static_configs:
- targets:
- 10.0.4.10:9093
# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
- "/etc/prometheus/rules/*.rules"
# - "second_rules.yml"
# A scrape configuration containing exactly one endpoint to scrape:
# Here it's Prometheus itself.创建rules告警规则
vim /etc/prometheus/rules/alerts.rules
这边是两个规则：
主机CPU利用率>85%
主机MEM利用率>70%
---
groups:
- name: hostStatsAlert
rules:
- alert: hostCpuUsageAlert
expr: (1 - avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance))*100 > 85
for: 1m
labels:
severity: critical
annotations:
summary: "Instance {{ $labels.instance }} CPU usage high"
description: "{{ $labels.instance }} CPU usage above 85% (current value: {{ $value }})"
- alert: hostMemUsageAlert
expr: (1 - (node_memory_MemAvailable_bytes{} / (node_memory_MemTotal_bytes{})))* 100 > 70
for: 1m
labels:
severity: critical
annotations:
summary: "Instance {{ $labels.instance }} MEM usage high"
description: "{{ $labels.instance }} MEM usage above 70% (current value: {{ $value }})"
重载规则
docker restart prometheus验证
【玩转Docker】Docker监控工具cadvisor
sudo docker run \
--volume=/:/rootfs:ro \
--volume=/var/run:/var/run:ro \
--volume=/sys:/sys:ro \
--volume=/var/lib/docker/:/var/lib/docker:ro \
--volume=/dev/disk/:/dev/disk:ro \
--publish=8080:8080 \
--detach=true \
--name=cadvisor \
--privileged \
--device=/dev/kmsg \
gcr.io/cadvisor/cadvisor:$VERSION
使用Golang调用OpenAI API
## v1 使用原生HTTP接口
package main
import (
"bytes"
"encoding/json"
"fmt"
"io"
"net/http"
)
const ASAK = "sk-xxxxxxxxxx"
type Payload struct {
Prompt string `json:"prompt"`
MaxTokens int64 `json:"max_tokens"`
Temperature float64 `json:"temperature"`
TopP int64 `json:"top_p"`
FrequencyPenalty int64 `json:"frequency_penalty"`
PresencePenalty int64 `json:"presence_penalty"`
Model string `json:"model"`
}
func main() {
data := Payload{
Prompt: "腾讯是一家怎样的公司",
MaxTokens: 2048,
Temperature: 0.5,
TopP: 0,
FrequencyPenalty: 0,
PresencePenalty: 0,
Model: "text-davinci-003",
}
payloadBytes, err := json.Marshal(data)
if err != nil {
// handle err
}
body := bytes.NewReader(payloadBytes)
req, err := http.NewRequest("POST", "https://api.openai.com/v1/completions", body)
if err != nil {
// handle err
}
req.Header.Set("Content-Type", "application/json")
req.Header.Set("Authorization", fmt.Sprintf("%s %s", "Bearer", ASAK))
resp, err := http.DefaultClient.Do(req)
if err != nil {
// handle err
}
defer resp.Body.Close()
all, err := io.ReadAll(resp.Body)
if err != nil {
fmt.Println(err.Error())
return
}
fmt.Println(string(all))
}
---
# v2 使用OpenAI SDK（OpenAI教我的，你说难受不。。。。）
正在思考，请等待......
OpenAI API是OpenAI提供的一组软件API，它可以让开发人员使用自然语言处理（NLP）、机器学习（ML）和机器人技术（Robotics）等技术来开发自然语言处理（NLP）应用程序。
要使用OpenAI API，首先需要在OpenAI官网上注册一个账号，然后登录，获取API key。
然后，可以使用Go语言的第三方库OpenAI SDK来调用OpenAI API。OpenAI SDK提供了一个简单的API，可以用来访问OpenAI API。
使用OpenAI SDK，可以使用Go语言来实现一个简单的调用OpenAI API的示例：
package main
import (
"fmt"
"log"
"os"
"github.com/openai/openai-sdk-go/openai"
)
func main() {
// 获取OpenAI API key
apiKey := os.Getenv("OPENAI_API_KEY")
// 创建OpenAI客户端
client := openai.NewClient(apiKey)
// 调用OpenAI API
resp, err := client.Completion.Create(
"The quick brown fox jumps over the lazy dog",
"The quick brown fox jumps over the",
10,
)
if err != nil {
log.Fatal(err)
}
fmt.Println(resp)
}
上面的代码使用OpenAI SDK来调用OpenAI API，并打印出调用结果。