新闻详情

新闻详情

首页 / 资讯中心 / 详情

GinCdn被控节点V1.0.8 安装教程(Ubuntu 18~24 通用,推荐 Ubuntu 24.04|2H2G~16H32G)

发布时间:2026/11/19 22:18:15来源:尧图网络
GinCdn被控节点V1.0.8 安装教程(Ubuntu 18~24 通用,推荐 Ubuntu 24.04|2H2G~16H32G)
GinCdn被控节点V1.0.8 安装教程Ubuntu 18~24 通用推荐 Ubuntu 24.042H2G~16H32G前言GinCdn 是一款轻量、高性能、易部署的国产内容分发系统采用主控边缘节点架构支持缓存加速、HTTPS、智能调度、WAF 防护等企业级功能。本文基于GinCdn V1.0.4版本提供 Ubuntu 全系列18.04/20.04/22.04/24.04被控节点安装教程推荐优先使用 Ubuntu 24.04 LTS性能与兼容性最佳。全程一条命令全自动部署无需手动编译、无需改配置新手也能 3 分钟上线节点。一、环境要求1. 操作系统支持Ubuntu 18.04 / 20.04 / 22.04 / 24.0464位推荐Ubuntu 24.04 LTS内核新、性能强、依赖更完整2. 服务器配置根据业务选择测试/轻量业务2H2G常规业务4H4G / 4H8G / 8H8G / 8H16G高并发大流量16H16G / 16H32G3. 网络与权限必须使用root 权限执行服务器可访问公网二、一键部署命令核心直接复制以下完整命令粘贴执行自动下载、授权、运行一条龙curl -k --http1.1 -o /root/gincdn-install https://www.gincdn.cn/download/ubuntu/gincdn-install chmod x gincdn-install sudo ./gincdn-install命令说明用法: gincdn-install --master-url url 完整部署并指定主控地址 gincdn-install --update-master-url url 更新主控地址 gincdn-install --help 显示此帮助信息 示例: gincdn-install --master-url http://192.168.1.100:8080 gincdn-install --update-master-url http://192.168.1.200:8080 常用命令部署完成后: 启动: /usr/local/openresty/nginx/sbin/nginx 停止: /usr/local/openresty/nginx/sbin/nginx -s stop 重载: /usr/local/openresty/nginx/sbin/nginx -s reload三、执行自动化安装sudo ./gincdn-install --master-url http://192.168.1.100:8080安装部署成功下面这个就是因为主控后台没添加绑定该节点信息需要手动添加一下才可以添加节点信息时节点名称不能有任何空格不然会导致连接不上添加完之后手动执行下命令# 重启服务 systemctl restart ws_config_client.servicebash /opt/gincdn/client.sh四、部署成功验证1. 查看节点服务状态systemctl status ws_config_client.service✅成功标志Active: active (running)服务绿色高亮、持续运行。2. 检查主控地址配置是否正确grep MASTER_API_URL /opt/gincdn/conf/node_config.conf✅ 输出你填写的主控地址即正常。3. 检查开机自启systemctl is-enabled ws_config_client.service✅ 输出enabled表示正常。五、常用运维命令1. 服务管理# 启动 systemctl start ws_config_client.service # 停止 systemctl stop ws_config_client.service # 重启 systemctl restart ws_config_client.service # 查看日志 journalctl -u ws_config_client.service -f2. 修改主控地址sed -i s|MASTER_API_URL\.*\|MASTER_API_URL\http://新主控IP:8080\|g /opt/gincdn/conf/node_config.conf systemctl restart ws_config_client.service六、常见问题排查1. 脚本下载失败 curl:(92) HTTP/2 stream error原因服务器对 HTTPS/HTTP2 兼容差解决本文命令已加--http1.1重新复制执行即可。2. 报错 unzip: command not foundapt update apt install unzip -y3. 服务启动失败显示 inactive (dead)systemctl daemon-reload systemctl restart ws_config_client.service4. 节点连不上主控可能原因主控地址写错8080 端口未通安全组/防火墙未放行主控服务未启动排查ping 主控IP telnet 主控IP 8080七、总结GinCdn V1.0.8 被控节点在Ubuntu 18~24 全版本均可稳定运行推荐 Ubuntu 24.04性能最佳。部署仅需一条命令全自动配置、自动注册、自动开机自启适合大量边缘节点批量部署。配置从 2H2G 到 16H32G 全覆盖可满足个人测试、企业高并发 CDN 分发场景。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/19 20:26:12

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/19 15:16:22

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/19 18:03:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉