逸逸肆云

收集自网络等公开渠道，如有雷同纯属巧合。仅为个人学习使用，如有侵权请联系下架。

【实操题】1.1.1 集群主机环境配置（0.5分）

使用已提供创建两台云主机搭建OpenStack两节点集群，检测2台主机的网络互通情况，以确保网络正常通信与ssh连接，然后按以下要求配置服务器：

（1）设置控制节点主机名为controller，设置计算节点主机名为compute；

（2）修改hosts文件将IP地址映射为主机名；

（3）使用提供的安装包文件，并分别修改好controller节点和compute节点的yum源文件“/etc/yum.repos.d/local.repo”。

（4）配置controller节点可以无秘钥访问compute节点。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.2 基础软件包安装（0.5分）

在控制节点和计算节点上分别安装iaas-yoga软件包，根据表2配置两个节点脚本文件中的基本变量（配置脚本文件为/etc/1cloud/openrc.sh）。

表2 云平台配置信息

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.3 数据库及消息服务安装与使用（0.5分）

在控制节点上使用安装Mariadb、RabbitMQ等服务。并进行相关操作。

在controller节点上使用iaas-install-mariadb.sh 脚本安装Mariadb、Memcached、RabbitMQ等服务。安装服务完毕后，修改/etc/my.cnf文件，完成下列要求：

1.设置数据库支持大小写；

2.设置数据库缓存innodb表的索引，数据，插入数据时的缓冲为4G；

3.设置数据库的log buffer为64MB；

4.设置数据库的redo log大小为256MB；

5.设置数据库的redo log文件组为2。

6.设置数据库允许的最大通信包大小为64M。

7.修改Memcached的相关配置，将内存占用大小设置为512MB，调整最大连接数参数为2048；

8.调整Memcached的数据摘要算法（hash）为md5；

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.4 Keystone服务安装与使用（0.5分）

在控制节点上安装Keystone服务并创建用户。

在controller节点上使用iaas-install-keystone.sh脚本安装Keystone服务。

Keystone服务安装完成后，在/etc/keystone/目录下编写admin-openrc.sh文件，此文件用于组件之间的认证。

然后创建OpenStack域210Demo，其中包含Engineering与Production项目，在域210Demo中创建组Devops，其中需包含以下用户：

1.Robert用户是Engineering项目的用户（member）与管理员（admin），email地址为：Robert@lab.example.com。

2.George用户是Engineering项目的用户（member），email地址为：George@lab.example.com。

3.William用户是Production项目的用户（member）与管理员（admin），email地址为：William@lab.example.com。

4.John用户是Production项目的用户（member），email地址为：John@lab.example.com。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.5 Glance安装与使用（0.5分）

在控制节点上安装Glance 服务。上传镜像至平台，并设置镜像启动的要求参数。

在controller节点上使用iaas-install-glance.sh脚本安装glance服务。然后将cirros-0.5.2-x86_64-disk.img镜像上传到OpenStack平台中，镜像名称为cirros-0.5.2。完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.6 Nova安装（0.5分）

在控制节点和计算节点上分别安装Nova服务。安装完成后，完成Nova相关配置。

在controller节点和compute节点上分别使用iaas-install-nova-controller.sh脚本、iaas-install-nova-compute.sh脚本安装Nova服务。在OpenStack中，修改相关配置文件，修改调度器规则采用缓存调度器，缓存主机信息，提升调度时间，修改完成后，不要重启nova服务。配置完成后提交controller点的用户名、密码和IP地址到答题框。

【实操题】1.1.7 Neutron安装（0.5分）

在控制和计算节点上正确安装Neutron服务。

使用提供的脚本iaas-install-neutron-controller-openvswitch.sh和iaas-install-neutron-compute-openvswitch.sh，在controller和compute节点上安装neutron服务。完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.8 Dashboard安装（0.5分）

在控制节点上安装Dashboard服务。安装完成后，将Dashboard中的 Django数据修改为存储在文件中。

在controller节点上使用iaas-install-horizon.sh脚本安装Dashboard服务。安装完成后，修改相关配置文件，完成下列两个操作：

1.将Dashboard中的Django数据修改为存储在文件中。

2.将登陆页面的“云计算基础架构平台”修改为“私有云云计算基础架构平台”。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.9 Swift安装（0.5分）

在控制节点和计算节点上分别安装Swift服务。安装完成后，将cirros镜像进行分片存储。

在控制节点和计算节点上分别使用iaas-install-swift-controller.sh和iaas-install-swift-storage.sh脚本安装Swift服务。安装完成后，使用命令创建一个名叫examcontainer的容器，将cirros-0.3.4-x86_64-disk.img镜像上传到examcontainer容器中，并设置分段存放，每一段大小为10M。完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.1.10 Cinder安装与创建硬盘（0.5分）

在控制节点和计算节点分别安装Cinder服务，请在计算节点，对块存储进行扩容操作。

在控制节点和计算节点分别使用iaas-install-cinder-controller.sh、iaas-install-cinder-storage.sh脚本安装Cinder服务，请在计算节点，对块存储进行扩容操作，即在计算节点再分出一个5G的分区，加入到cinder块存储的后端存储中去。完成后提交计算节点的用户名、密码和IP地址到答题框。

【实操题】1.2.1 Cgroup运维（1分）

在 OpenStack 云主机上，使用 cgroup 技术创建名为 cpu_limit 的组，将 yes命令的 CPU 使用率限制在最多 20% 单核。

注意：cg系列命令可通过libcgroup软件包下载。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.2.2 Glance调优（1分）

在OpenStack云平台中，Glance的镜像缓存目录会因为缓存过多的镜像而占用大量的磁盘空间，请为Glance配置镜像缓存目录，并设置缓存最大容量为50GB，缓存超过12个小时未访问则会被自动清理掉。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.2.3 Glance API调优（1分）

在 OpenStack 云平台中，Glance 在上传大体量镜像时经常出现连接中断的问题，请对 Glance API 进行稳定性调优，设置 socket 超时时间为 180 秒，并启用 KeepAlive 机制，以确保大镜像能够稳定、完整地上传。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.2.4 监控系统部署与应用（1分）

在centos7.9系统的云主机，使用prometheus_monitor.zip软件包安装Prometheus和grafana服务，然后再申请一台centos7.9的云主机，安装node_exporter服务，并为Prometheus、grafana、node_exporter服务配置systemd，将Prometheus设置为Grafana的数据源，数据源名字为Prometheus，使用提供的可视化JSON文件，创建监控面板监控第二台云主机的性能数据，修改监控面板的“网络进带宽”和“网络出带宽”，使其可以正常监控到云主机的网络数据。

Prometheus和grafana解压到/opt/monitor/目录下，名字更改为prometheus和grafana；node_exporter解压到/usr/local/目录下，名字更改为node_exporter。

注意：配置systemd时，文件名格式必须为服务名+service，例如prometheus.service，不用大写，grafana的用户名和密码均设置为admin/admin。

完成部署服务后，提交Prometheus节点的IP地址、用户名和密码到答题框。

【实操题】1.2.5 OpenStack镜像压缩（1分）

使用自行搭建的OpenStack平台。在HTTP服务中存在一个镜像为CentOS7.5-compress.qcow2的镜像，使用qemu相关命令，对该镜像进行压缩，压缩后的镜像命名为chinaskill-js-compress.qcow2并存放在/root目录下。完成后提交controller点的用户名、密码和IP地址到答题框。

【实操题】1.2.6 Nova调优（1分）

在OpenStack平台上创建虚拟机的时候，可以选择虚拟机的创建数量，如果一次过多的话会导致机器创建失败，这个时候可以通过修改nova的配置文件来限制虚拟机的并发创建数量,限制同时只能创建3台虚拟机。

配置完成后提交改动节点的用户名、密码和IP地址到答题框。

【实操题】1.2.7 ISCSI存储配置（1分）

在自行搭建的OpenStack云平台上，控制节点为客户端，计算节点为服务端，自行预留磁盘存储，进行iscsi存储服务器的配置，要求如下：

1.创建target，target名称为iqn.2024-11.com.chinaskills:compute；

2.创建名为chinaskills.iscsi_store的存储设备；

3.将存储设备绑定到后端存储；

4.设置控制列表，只允许主机名controller的客户端可以进行访问；

5.关闭账号密码验证访问；

6.客户端可以连接到服务端共享的存储设备；

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.2.8 keystone调优（1分）

在自行搭建的OpenStack云平台上，Keystone服务因频繁查询数据库导致认证延迟高，如令牌生成时间超过200ms，此时需要对keystone进行优化，请修改keystone相关配置文件，启用memcached缓存，减少数据库负载并提升认证响应速度。

注意：在进行配置中涉及到填写IP处均以controller主机名代替。

完成后提交控制节点的用户名、密码和IP地址到答题框。

【实操题】1.2.9 Nova组件优化（1分）

请修改OpenStack相关参数，缩短nova/neutron等组件调用系统命令的时间，优化系统命令的调用速度。

在OpenStack中，非root用户想执行需要root权限相关的命令时，比如在启动虚拟机的过程中，会多次调用系统命令，调用命令时，会经过某命令进行封装，这个命令在每次允许过程中，都会加载命令白名单，最终再调用实际命令运行，这个过程会产生额外的耗时。这种情况可以通过修改nova相关配置文件，来进行减少耗时，节省调用时间。

配置完成后提交改动节点的用户名、密码和IP地址到答题框。

【实操题】1.2.10 使用Heat模板创建容器（1分）

在自行搭建的OpenStack私有云平台上，在/root目录下编写Heat模板create_container.yaml，要求执行yaml文件可以创建名为heat-swift的容器。完成后提交控制节点的用户名、密码和IP地址到答题框。（说明：竞赛系统会远程执行create_container.yaml文件，提交前先清理heat中测试数据）

【实操题】1.3.1 MariaDB 数据库操作开发（3分）

使用提供的AIpython3.7.3.tar.gz软件包在controller节点安装开发环境，在/root目录下创建mysql_db_manager.py脚本，基于python的sqlalchemy库进行数据库的管理，实现对OpenStack内指定服务的MariaDB数据库管理功能，实现该数据库下表创建、删除、数据插入、更新等操作，OpenStack MariaDB数据库的账户root、密码000000保存不变：

该表(table)用于描述OpenStack成员信息，表结构如下：

表名称"member",该表有4个字段：

id INTEGER 主键，自动递增；

name VARCHAR(256);

level INTEGER；

place varchar(256);

（1）mysql_db_manager内部实现DM_Manager类，类初始化方法def __init__(self, db_name)，参数db_name是OpenStack内部指定的某一服务数据库名称。

（2）DM_Manager类实现create_table(self)方法。实现创建表功能，表指member表。

（3）DM_Manager类实现insert_table_data(self,**kwargs)方法。实现表中表数据插入功能，参数kwargs参数为要插入数据记录信息，key与表字段名称一致。

（4）DM_Manager类实现update_table_data(self,**kwargs)方法。实现表中数据记录更新功能，参数kwargs参数为要更新数据记录信息，key与表字段名称一致。

（5）DM_Manager类实现run_table_raw_sql(self, raw_sql:str): 方法，无参数。实现表中直接执行sql语句功能，raw_sql参数为sql语句。

（6）DM_Manager类实现delete_table(self)方法。实现删除表功能，表指member表。

注意：运行代码命令格式为python37 xxxx.py。如果出现libssl.so.10库文件找不到的情况，可以参考文件服务器中的openssl_install.txt文件，来进行库文件的编译。

完成后提交 controller节点的IP地址，用户名和密码提交。

【实操题】1.3.2 OpenStack用户命令行管理工具开发（7分）

使用已建好的OpenStack Python运维开发环境，在OpenStack Python3.7.3运维开发环境中，使用FastAPI框架和argparse库，服务端口为9046，在/root/onecloud目录下编写onecloud.py文件，基于OpenStack user资源封装命令行客户端，代码编写完成后，自行启动该服务。

命令行参数说明要求：位置参数“stack”表示解析器，位置参数“user”表示操作类型，动作类型包括“list”“show”“create”“delete”；

（1）“list”：查看所有的user；

（2）“show”：查看user的详细信息；

（3）“create”：表示创建用户，后续参数有“--name”、“--password”；“delete”：表示删除用户；

（4）“delete”：删除指定的user；

功能要求如下：

（1）查询所有用户的信息；使用tabulate库将数据进行表格化处理，字段名为ID、Name，表格格式为圆角轮廓。

（2）查询用户的详细信息，要求可以通过ID或者Name来查询用户的详细信息。使用tabulate库将数据进行表格化处理，字段名为Field、Value，表格格式为圆角轮廓。

（3）创建用户，通过指定参数创建出一个在OpenStack平台中的user资源。

（4）删除用户，要求可以通过用户的ID和名字来删除掉用户。

注意：如果出现libssl.so.10库文件找不到的情况，可以参考文件服务器中的openssl_install.txt文件，来进行库文件的编译。

命令格式为onecloud stack user <list/show/create/delete> <参数>

完成后提交该云主机的用户名、密码和IP地址到答题框。

【实操题】2.1.1 部署Kubernetes容器云平台（2分）

使用已创建两台云主机，云主机类型使用4vCPU/12G/100G类型，分别作为Kubernetes集群的Master节点和node节点，然后完成Kubernetes集群部署。

完成后提交Master节点的用户名、密码和IP到答题框。

【实操题】2.1.2 部署Harbor镜像仓库（1分）

在Kubernetes集群中完成Harbor镜像仓库部署。

完成后提交Master节点的用户名、密码和IP到答题框。

【实操题】2.1.3 部署Istio服务网格（1分）

在Kubernetes集群中完成Istio服务网格组件部署。

完成后提交Master节点的用户名、密码和IP到答题框。

【实操题】2.1.4 部署kubeVirt 虚拟化组件（1分）

在Kubernetes集群中完成kubeVirt虚拟化组件部署。

完成后提交Master节点的用户名、密码和IP到答题框。

【实操题】2.2.1 容器化部署Node-Exporter（0.5分）

编写Dockerfile构建monitor-exporter:v1.0镜像，具体要求如下：（需要用到的软件包：Monitor.tar.gz）

（1）基础镜像：centos:centos7.9.2009；

（2）使用二进制包node_exporter-0.18.1.linux-amd64.tar.gz安装node-exporter服务；

（3）声明端口：9100；

（4）设置服务开机自启。

完成后提交master节点的IP地址、用户名和密码到答题框。

【实操题】2.2.2容器化部署Alertmanager（0.5分）

编写Dockerfile构建monitor-alert:v1.0镜像，具体要求如下：（需要用到的软件包：Monitor.tar.gz）

（1）基础镜像：centos:centos7.9.2009；

（2）使用二进制包alertmanager-0.19.0.linux-amd64.tar.gz安装Alertmanager服务；

（3）声明端口：9093、9094；

（4）设置服务开机自启。

完成后提交master节点的IP地址、用户名和密码到答题框。

【实操题】2.2.3 容器化部署Grafana（0.5分）

编写Dockerfile构建monitor-grafana:v1.0镜像，具体要求如下：（需要用到的软件包：Monitor.tar.gz）

（1）基础镜像：centos:centos7.9.2009；

（2）使用二进制包grafana-6.4.1.linux-amd64.tar.gz安装grafana服务；

（3）声明端口：3000；

（4）设置nacos服务开机自启。

（5）Grafana用户名和密码设置为admin/admin。

完成后提交master节点的IP地址、用户名和密码到答题框。

【实操题】2.2.4 容器化部署Prometheus（0.5分）

编写Dockerfile构建monitor-prometheus:v1.0镜像，具体要求如下：（需要用到的软件包：Monitor.tar.gz）

（1）基础镜像：centos:centos7.9.2009；

（2）使用二进制包prometheus-2.13.0.linux-amd64.tar.gz安装promethues服务；

（3）编辑/data/prometheus/prometheus.yml文件，创建3个任务模板：prometheus、node和alertmanager，并将该文件拷贝到/data/prometheus/目录下；

（4）声明端口：9090；

（5）设置服务开机自启。

完成后提交master节点的IP地址、用户名和密码到答题框。

【实操题】2.2.5 编排部署监控系统（1分）

编写docker-compose.yaml文件，使用镜像exporter、alert、grafana和prometheus完成监控系统的编排部署。

编写docker-compose.yaml文件，具体要求如下：

（1）容器1名称：monitor-node；镜像：monitor-exporter:v1.0；端口映射：9100:9100；

（2）容器2名称：monitor- alertmanager；镜像：monitor-alert:v1.0；端口映射：9093:9093、9094:9094；

（3）容器3名称：monitor-grafana；镜像：monitor-grafana:v1.0；端口映射：3000:3000；

（4）容器4名称：monitor-prometheus；镜像：monitor-prometheus:v1.0；端口映射：9090:9090。

完成后编排部署监控系统，将Prometheus设置为Grafana的数据源，并命名为Prometheus。grafana的密码设置为admin/admin。

然后提交master节点的IP地址、用户名和密码到答题框。

【实操题】2.2.6 部署GitLab（0.5分）

将GitLab部署到Kubernetes集群中，设置GitLab服务root用户的密码，使用Service暴露服务，并将提供的项目包导入到GitLab中。

在Kubernetes集群中新建命名空间gitlab-ci，将GitLab部署到该命名空间下，Deployment和Service名称均为gitlab，以NodePort方式将80端口对外暴露为30880，设置GitLab服务root用户的密码为admin@123，将项目包demo-2048.tar.gz导入到GitLab中并命名为demo-2048。

完成后提交Master节点的用户名、密码和IP地址到答题框。（需要用到的软件包：CICD-Runners-demo2048.tar.gz）

【实操题】2.2.7 部署GitLab Runner（1分）

将GitLab Runner部署到Kubernetes集群中，为GitLab Runner创建持久化构建缓存目录以加速构建速度，并将其注册到GitLab中。

将GitLab Runner部署到gitlab-ci命名空间下，Release名称为gitlab-runner，为GitLab Runner创建持久化构建缓存目录/home/gitlab-runner/ci-build-cache以加速构建速度，并将其注册到GitLab中。

完成后提交Master节点的用户名、密码和IP地址到答题框。（需要用到的软件包：CICD-Runners-demo2048.tar.gz）

【实操题】2.2.8 部署GitLab Agent（1分）

将Kubernetes集群添加到GitLab项目中指定名称和命名空间。

将Kubernetes集群添加到demo-2048项目中，并命名为kubernetes-agent，项目命名空间选择gitlab-ci。

完成后提交Master节点的用户名、密码和IP地址到答题框。（需要用到的软件包：CICD-Runners-demo2048.tar.gz）

【实操题】2.2.9 构建CI/CD（0.5分）

编写流水线脚本触发自动构建，要求基于GitLab项目完成代码的编译、镜像的构建与推送，并自动发布应用到Kubernetes集群中。

编写流水线脚本.gitlab-ci.yml触发自动构建，具体要求如下：

（1）基于镜像maven:3.6-jdk-8构建项目的drone分支；

（2）构建镜像的名称：demo:latest；

（3）将镜像推送到Harbor仓库demo项目中；

（4）将demo-2048应用自动发布到Kubernetes集群gitlab-ci命名空间下。

完成后提交Master节点的用户名、密码和IP地址到答题框。（需要用到的软件包：CICD-Runners-demo2048.tar.gz）

【实操题】2.2.10 Etcd配额优化（2分）

etcd的数据库空间配额大小默认限制为2G，当数据达到2G的时候就不允许写入。这里如果想继续写入，必须对历史数据进行压缩，或者调整etcd数据库的空间配额大小限制。

请扩容etcd数据库空间的配额大小，将其扩容至8G。

完成后提交master节点的用户名、密码和IP地址到答题框。

【实操题】2.2.11 Kubernetes控制器调优（2分）

当kubernetes集群中运行了多个Service，在配置更新后，对应的Endpoint和LoadBalancer资源需要长达十几分钟才会生效，经过排查，是服务控制器的处理队列堆积严重，请对服务控制器进行调优配置,增加Service资源的并发为100。

完成后提交master节点的IP地址、用户名和密码到答题框。

【实操题】2.3.1 通过Docker Restful API 实现容器创建（5分）

Docker容器运维脚本开发，使用Restful APIs方式管理Docker容器服务。

在已建好的Kubernetes环境云平台上，使用提供的AIpython3.7.3.tar.gz软件包，进行Python3.7.3的开发环境安装。自行开启Docker REST API端口，端口号为2375，可以使用python request库，在/root目录下，创建api_docker_manager.py文件，要求编写python代码，代码实现以下任务：

（1）使用提供的nginx:latest镜像创建容器，容器主机名为chinaskills-nginx，开机自启动，声明端口为8010，标签为chinaskill: nginx，网络模式选择bridge；

（2）创建完成之后，查询该容器的信息，查询的body部分通过控制台输出，并以json格式的文件输出到当前目录下的api_containers.json文件中；

完成后提交Master节点的用户名、密码和IP地址到答题框。

【实操题】2.3.2 Kubernetes资源监控开发（5分）

在Master节点上使用提供的AIpython3.7.3.tar.gz软件包安装Python3.7.3，在Kubernetes Python3.7.3运维开发环境中，使用FastAPI框架，在/root/k8s目录下编写main.py文件，服务端口为9089，host为0.0.0.0，自行通过uvicorn来启动服务，并开启热重启模式，功能代码要求如下：

定义接口为/cluster/metrics/，方法为GET，数据格式为列表格式，调用此接口时，返回的信息为集群中的节点名称、CPU数量、内存容量、可分配内存容量、可分配CPU数量等信息，若调用接口失败，则使用FastAPI内置的异常类，将相应的HTTP状态码抛出；

完成后提交Master节点的用户名、密码和IP地址到答题框。

【实操题】3.1.1 云端部署（3分）

使用OpenStack集群中k8s-allinone-v1.22.1镜像创建云主机（该镜像启动后内置一个完整的kubernetes服务），该云主机作为KubeEdge的云端Kubernetes 1.22节点。

然后下载软件包kubernetes_kubeedge.zip到云端节点并部署KubeEdge1.11边缘计算系统，在云端节点部署KubeEdge cloudcore云端模块、启动cloudcore服务并配置该服务可被systemd管理。完成后提交云端节点的IP地址、用户名和密码到答题框。

【实操题】3.1.2 边端部署（4分）

使用OpenStack集群中申请2台CentOS7.9的云主机，主机名分别为edge-node1、edge-node2。在http文件服务器中下载kubernetes_kubeedge.zip、mqtt_package.zip软件包和编译工具说明文档MakeInstall.txt，使用该软件包在虚拟机编译部署MQTT服务和KubeEdge edgecore边端模块，并启动edgecore服务。加入成功之后，启用metrics监控服务。

完成后提交云端节点的IP地址、用户名和密码到答题框。

【实操题】3.1.3 边缘应用部署（3分）

利用搭建好的边缘计算平台，在云端节点上使用提供的相关镜像（k8simage目录下）和yaml文件（kubeedge-counter-demo目录下），自行编写DeviceModel、Device资源，要求如下：

DeviceModel名字为counter-model；

属性为status，类型为字符串，存储模式为读写模式，默认值为空；

Device名字为counter；

引用counter-model设备模型；

将此设备通过节点选择器与edge-node1节点进行绑定；

在status字段中的twins字段定义属性名称为status、理想值为“OFF”、真实值为“0”；

编写完成后，按照顺序分别部署好DeviceModel、Device以及云端计数应用控制器和计数应用。部署完成后，将计数器打开。

完成后提交云端节点的用户名、密码和IP到答题框。

模块三边缘计算 任务二、边缘计算云服务开发
（当前任务共2道题目）

【实操题】3.2.1 基于FastAPI框架封装AI识别服务（3分）

利用搭建好的边缘计算平台与 Python 3.7.3开发环境，并安装开发所需的依赖包，将提供的代码包ai_face.tar.gz导入解压到Linux服务器root目录下，打开ai_face工程目录，代码包中已经提供了人脸识别器 XML 文件和人脸视频，基于提供的XML识别文件在apps目录下编写face_recognition.py 文件定义人脸识别接口，服务端口为7047，地址要求为0.0.0.0。

要求识别接口为/detect_face，实现人脸视频material_video.mp4识别，将识别后的人脸信息坐标保存到字典中进行返回。

注意：选手需要手动启动AI识别服务。

完成后提交运行服务节点的用户名、密码和IP到答题框。

模块三边缘计算 任务二、边缘计算云服务开发
（当前任务共2道题目）

【实操题】3.2.2 边缘设备管理开发（7分）

利用搭建好的边缘计算平台与 Python 3.7.3开发环境，将提供的fastapi_device.zip代码包导入到Linux服务器root目录下，打开fastapi_device工程目录，基于FastAPI框架和Kubernetes SDK实现了一组API，来进行管理边缘设备的后端服务，端口为8070，编码要求功能如下：

1、定义获取设备资源的路由，接口为/cloud_edge_service/node/cloudnode，请求为GET，直接返回数据结果。

2、定义获取单个设备资源的路由，接口为 /device/{name}，请求方式为 GET，根据设备名称 name 查询 default 命名空间中的 Device 资源，返回的数据类型为 JSON对象类型。

3、定义更新设备期望状态的路由，接口为 /device/device，请求方式为 PUT，根据请求体中的 name 获取对应 Device 资源，并根据 desired 字段更新设备 status.twins.desired.value 的值，返回的数据类型为 JSON对象类型。

4、定义创建设备资源的路由，接口为 /device/device，请求方式为 POST，根据请求体中的 name、dmName 和 nodeName 参数，首先获取对应的 DeviceModel 资源，并读取 spec.properties 字段生成设备属性 twins，然后构建 Device 资源结构在 default 命名空间中创建设备，返回的数据类型为 JSON对象类型。

5、定义删除设备资源的路由，接口为 /device/device，请求方式为 DELETE，根据请求体中的 name 删除 default 命名空间中的 Device 资源，返回的数据类型为 JSON对象类型。

注意：选手需要手动启动该服务，创建Device资源之前，必须要先创建DeviceModel资源，DeviceModel资源名称为test-devicemodel。

完成后提交运行服务节点的用户名、密码和IP到答题框。

【实操题】4.1.1 Dify服务部署（5分）

dify是一款开源的大语言模型(LLM) 应用开发平台，融合了后端即服务和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。

使用Centos7.9镜像申请一台云主机，并使用提供的docker-20.10.20.tgz软件包自行安装docker服务，服务安装完成后，使用提供的dify-1.9.1.zip、dify_images.zip软件包，进行dify服务的镜像导入，完成以下要求之后进行dify服务部署：

（1）修改相关文件，将Python初始化超时时间设置为320秒；

（2）修改相关文件，将插件最大执行时长设置为2400秒；

（3）修改相关文件，将知识库上传文件的大小限制改为100M；

完成后提交dify节点的用户名、密码和IP地址到答题框。

【实操题】4.1.2 Ollama服务部署（5分）

Ollama 是一个用于在本地轻松运行大语言模型的工具，可以用来管理大数据语言模型，并且可以通过调用其接口来完成对模型的使用。

延用上一道题目环境的云主机，部署ollama服务， 容器名称为ollama，并暴露11434端口。

服务部署完成后，将models.tar.gz软件包中提供的离线大模型通过ollama服务来进行管理。

完成后提交ollama节点的用户名、密码和IP地址到答题框。

【实操题】4.2.1 智能聊天机器人开发（10分）

在搭建好 Ollama 服务的机器中，使用提供的 AIpython3.7.3.tar.gz 软件包安装 Python 3.7.3 开发环境，编写 /root/chatbot.py 文件，实现基于 Streamlit框架 + Ollama 模型服务的多轮对话流式智能聊天机器人，服务端口为 7860，host 为 0.0.0.0，手动启动该服务。开发要求如下：

（1）实现对话历史展示功能：在 Web 界面中实时显示完整对话记录；用户消息与模型回复需清晰区分；多轮对话历史能够在当前会话中保持。
（2）实现文件解析功能：系统支持上传文件，并解析内容；可以解析docx、txt、pdf这三种类型的文件；文件内容解析后可以作为上下文参与问答。
（3）实现清空对话功能：提供“清空对话”按钮；点击后立即清除所有历史聊天记录；页面显示区域即时更新为空的对话状态
（4）实现多轮流式对话功能：聊天机器人能够连续多轮回答用户问题；模型回答采用流式生成方式，逐步显示内容；支持在浏览器端实时查看生成过程。

（5）实现多模型切换功能：系统界面提供模型选择下拉框；切换模型后，对话上下文仍然可用；不同模型的回答可实时展示在聊天界面。

完成后提交运行服务节点的用户名、密码和 IP 地址到答题框。