软件管理问题¶
在这篇文章中
我在服务器上安装的软件出现问题;我应该联系谁?¶
我们在交付后不负责管理服务器或客户服务器上安装的任何软件,也不提供相关事项的咨询。客户有责任自行管理其服务器。
如果需要我们系统管理员的协助,我们可以通过 paid administration 提供帮助。
如需订购付费管理服务,请向 Sales Department 发送技术规格说明书 —— 我们将评估所需的工作时间并为您提供报价。
我的 Ubuntu 内核和驱动程序无法更新/安装¶
当系统同时进行内核更新时,如果 /boot 分区已满,可能会导致新内核或驱动程序(内核模块)无法安装,从而阻止构建新的初始 RAM 磁盘 (initrd)。要检查此问题,请运行以下命令:
如果在输出中看到错误,请检查 /boot 分区的占用情况。为此,请查看 df -h /boot 命令的输出:
为了成功重建 initrd,/boot 分区在百分比占用率之前的数值应大于 200M。如果空间不足,请执行以下步骤:
-
为分区创建备份,以便在意外删除必要文件时可以快速恢复:
-
查看
/boot分区的内容并找到所有的 initrd 镜像:您应该会得到类似以下的输出:
-
删除多余的 initrd 镜像,请保留最后两个。在我们的例子中,我们需要删除
initrd.img-6.8.0-57-generic和initrd.img-6.8.0-58-generic。警告
以下命令可能会导致操作系统故障,因此请务必注意被删除文件的版本。
/boot分区中必须保留当前内核和倒数第二个内核版本的镜像文件!您可以使用uname -a命令检查当前正在使用的内核。如果出现问题,您可以通过运行命令sudo rsync -av /boot.old/ /boot/从第一步创建的备份中恢复/boot分区的内容。使用以下命令执行删除:
对每个文件重复此操作。
对
vmlinuz和System.map文件也进行同样的操作(可选): -
清理系统中与旧内核相关的软件包,并使用以下命令运行安装后的驱动程序和内核模块的构建:
-
重启操作系统:
我在使用 Docker Compose 时遇到错误¶
如果在运行 docker compose 时收到类似 docker: 'compose' is not a docker command 或 docker-compose: command not found 的错误,这可能意味着您的操作系统版本较旧,尚未将 Docker Compose 作为插件安装或添加到 PATH 中。要解决此问题,请按照以下步骤操作:
-
安装 Docker Compose(如果尚未安装):
mkdir -p ~/.docker/cli-plugins/ curl -SL https://github.com/docker/compose/releases/latest/download/docker-compose-linux-x86_64 -o ~/.docker/cli-plugins/docker-compose chmod +x ~/.docker/cli-plugins/docker-compose如有必要,请将
latest替换为来自 官方仓库 的当前版本。 -
检查安装情况:
如果命令执行成功,则表示 Docker Compose 已安装。
-
如果仍然提示找不到命令,请确保
~/.docker/cli-plugins/已添加到环境变量PATH中。将其添加到~/.bashrc或~/.zshrc:然后执行:
-
再次检查安装情况:
像 DeepSeek R1 这样的多语言神经网络模型用中文而不是英文回答¶
大多数多语言模型(例如 DeepSeek)有时即使请求是使用英文提出的,也可能会切换到主要训练语言(例如中文)。这是由于模型蒸馏、压缩或响应中主要包含一种主语言而导致的。
为了尽量减少这种行为,建议在提示词查询的末尾明确指定响应语言,添加 "Respond only in English",并将此行包含在系统提示词 (system prompt) 中。此外,建议使用像 Qwen3 或 Gemma3 这样的模型,与 DeepSeek 相比,它们在参数较少的版本中表现出更高的稳定性。
此外,您可以使用 OpenWebUI 等工具手动检查英文响应,或者如果您通过 API 进行操作,可以在聊天后端进行检查。
OpenWebUI 或 Ollama 中的神经网络模型响应时间过长¶
如果模型响应时间很长,可能是由于其规模以及服务器的容量造成的。
首先,确保您的模型可以完全装入 GPU 的显存中。例如,经过压缩 (q4) 后,模型 qwen3-next:80b 大小为 67 GB,而完全解压后需要 80–90 GB 的显存。如果您的 GPU 是 NVIDIA A5000 或 RTX 4090(拥有 24 GB 显存),Ollama 会将部分模型层卸载到服务器的 CPU 上,从而导致虚拟机 (VM) 过载、核心分配减少以及响应延迟增加。
要运行此类模型,需要更强大的 GPU,例如具有 80 GB 显存的 Nvidia H100 或四块 RTX 4090 的组合。RAM(内存)仅对 RAG 任务(处理知识库和加载的文件)很重要,通常至少需要 32 GB。
您可以通过以下方式估算模型在显存中占用的空间:如果模型被压缩为 q4,则将其大小乘以 2;如果模型被压缩为 q8,则乘以 1.5。对于超过 8000 个 token 的上下文窗口,每增加 1000 个 token,就需要增加 1 GB 的显存需求。
要检查 GPU 的负载,请通过 SSH 登录服务器并在命令行中运行 ollama ps:
[ root ]$ ollama ps
NAME ID SIZE PROCESSOR UNTIL
yxchia/multilingual-e5-base:latest f5248cae7e12 1.1 GB 100% GPU 14 minutes from now
qwen3:14b bdbd181c33f2 14 GB 100% GPU 14 minutes from now
输出将显示您的模型占用了多少空间,以及它是否能完全放入 GPU 中。
!!! "备注" 对于拥有 24 GB 显存的 GPU,不建议运行大于 14B 或压缩程度超过 q8 的模型。模型的参数量(体积)和上下文窗口越大,响应过程就越长。
信息
Nvidia A5000 上 14B 模型的计算性能:
- 冷启动在响应前大约需要 30-40 秒。
- 响应时间为 10–15 秒(不含推理)。
- 响应时间为 20-30 秒(包含推理)。
如果使用了 RAG (检索增强生成) 或 MCP,响应时间会增加 5–10 秒(用于数据库搜索和工具请求)。
Token 生成速度约为每秒 40–45 个 token。您可以通过点击 OpenWebUI 中聊天响应行底部的 图标并检查 response_token/s 参数来验证这一点。
如何从已安装的 Ubuntu 操作系统中完全卸载 Docker¶
为了方便起见,我们的 Ubuntu 操作系统镜像预装了 Docker。如果您不需要它或想安装不同的版本,请使用以下命令:
sudo apt remove docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
sudo apt autoremove
sudo rm -rf /var/lib/docker
sudo rm -rf /var/lib/containerd
通过运行命令 docker --version 来确保 Docker 已被卸载。
是否允许安装 NZBGet/Torrent/Plex 服务器?¶
我们不会限制客户使用我们的服务。同时,HOSTKEY 不会忽视根据适用法律发送给我们的 DMCA 和版权所有者的索赔。这既包括在租用的服务器上存储受版权保护的内容,也包括托管提供访问其他地方存储的受版权保护内容的网站。
警告
如果 HOSTKEY 收到任何侵权投诉,服务器所有者必须删除受版权保护的材料。每项投诉都必须得到解决,并且投诉的主题必须从我们的网络中移除。未能遵守或忽视这些索赔可能会导致服务器被暂时或永久停用。