1.云主机装黑果实践(9)：继续处理云主机上黑果clover preboot问题
2.TF-TRT使用环境搭建
3.Linux驱动开发笔记（二）：ubuntu系统从源码编译安装gcc7.3.0编译器
4.openGauss数据库PostGIS 安装与使用
5.gcc7.3.0下载与安装
6.gRPC入坑记

云主机装黑果实践(9)：继续处理云主机上黑果clover preboot问题

       在探索如何在云主机上使用黑果（macOS）时，我们遇到了clover preboot阶段的问题。clover的版本更新并不连续，版本虽能过preboot，但后续的及以上版本在轻量云主机上会出现错误。clover的源码查看网站核心组件并非boot6或boot7，而是cloverx.efi，这个已编译好的部分不需要额外编译。我们需要找到一个clover版本，其源码与EDK2的rev号匹配，以便追踪问题所在。虽然无法直接下载到带有EDK2_rev号的clover，但论坛上的信息提供了线索，如Rev 、、和等版本与EDK2的兼容性。最终目标是得到一个接近版本的clover，过preboot且修正rev号对应问题。

       clover与EDK2、OVMF的关系复杂，clover作为EDK2的网页端闲置二手商城源码组件，使用OVMF的UEFI支持引导macOS。clover项目历史悠久，源码编译与EDK2版本同步曾是常态，但现在需要手动控制版本关系以解决preboot问题。编译clover需要准备工具链，早期版本使用gcc-4.9，后来转向Xcode5。编译过程需要在虚拟机环境中进行，特别是..6版本的macOS与Xcode 7.3.1配合，因为存在验证和时间设置问题。

       从clover源码和开始尝试编译，通过预处理脚本更新源码后，逐步测试版本，直到找到能过preboot且不报异常的版本。过程中需要解决编译错误和版本差异带来的问题，如edk2 rev 的修正。最终，我们成功在轻量云主机上实现cloverx.efi的过preboot，尽管过程中会遇到重启和卡顿等问题，但cloverx.efi在本机虚拟机上也可用作替代。疫情只查询溯源码可以吗

TF-TRT使用环境搭建

       TF-TRT，即TensorFlow与TensorRT的集成，是NVIDIA为加速深度学习推理应用而设计的工具。它简化了TensorFlow用户在GPU上利用TensorRT进行模型推理的流程。本文主要介绍如何在服务器上搭建TF-TRT的使用环境和编写相关代码。

       首先，NVIDIA推荐的TF-TRT环境配置基于TensorRT 5.0RC，需要确保NVIDIA驱动程序版本.0以上，CUDA .0以及TensorRT。安装过程建议在Anaconda的虚拟环境中进行，从Tensorflow GitHub上下载1.版本源码，并通过bazel build工具生成pip安装包。在编译时，由于GCC 5.0可能与新版本兼容性问题，需添加特定编译选项。

       对于服务器上直接安装，你需按照官方教程安装CUDA、CUDNN、NVIDIA Driver和TensorRT。在Tensorflow的机构异动副图选股公式源码configure文件中，根据你的硬件配置进行相应的调整。然后，通过pip安装生成的.whl文件，安装时需要注意选择nvcc编译器，cudnn 7.3以上版本，以及兼容性的GCC编译选项。

       另一种方式是利用Docker容器，Tensorflow .容器需要nvidia driver +版本，并需要获取Nvidia GPU cloud的API密钥。安装完成后，你可以通过Docker拉取tensorflow:.-py3镜像，验证TensorRT与Tensorflow的集成是否成功。

       无论是直接安装还是容器化，都需注意选择合适的驱动和软件版本，以确保TF-TRT的稳定运行。安装过程中，还可以根据实际需求在container中安装其他软件，以满足个性化需求。

Linux驱动开发笔记（二）：ubuntu系统从源码编译安装gcc7.3.0编译器

       在编译Ubuntu驱动时，由于使用的微信附近人自动打招呼源码gcc版本为7.3.0，通过apt管理和下载都无法直接安装，因此需要从源码编译安装gcc7.3.0编译器。

       GCC，作为GNU项目的重要组成部分，是一款遵循GPL许可证的自由软件。起初，它为GNU操作系统设计，如今已广泛应用于Linux、BSD、MacOS X等系统，甚至在Windows上也有应用。GCC支持多种处理器架构，如x、ARM和MIPS，并且支持多种编程语言，如C、C++、Fortran、Pascal等。

       要从源码安装gcc7.3.0，首先需要下载源码包。下载地址为：mirrors.tuna.tsinghua.edu.cn...

       安装过程分为几个步骤。首先，确保网络连接，因为需要依赖库，如libgmp-dev、libmpfr-dev和libmpc-dev。安装完这些后，不要卸载已有的gcc，因为可能会遇到问题。

       下载并解压gcc-7.3.0.tar.gz，然后执行./configure。注意增加c和c++的配置，避免编译结果只有g++。配置完成后，进行make -j4编译，可能会遇到错误，如"fatal error: asm/errno.h: No such file or directory"，这时需要修改头文件路径。

       继续编译，可能会遇到"sanitizer_syscall_generic.inc::: error: '__NR_open' was not declared in this scope"，解决方法是修正头文件链接。最后，编译成功后执行sudo make install，并确认安装版本。

       在安装过程中，有两点需要注意：一是本地需要g++，否则编译时会出错，解决方法是安装gcc；二是安装后可能只有g++，没有gcc，此时需在./configure阶段添加c和c++的配置。

openGauss数据库PostGIS 安装与使用

       PostGIS是PostgreSQL的一个空间数据库扩展，它提供了空间对象、空间索引、空间操作函数和空间操作符等服务。openGauss提供了PostGIS（版本为PostGIS-2.4.2），需要单独安装插件。以下是安装与使用的详细步骤：

       1. **安装GCC-7.3编译器**：环境为Centos 7.6 + openGauss 3.1.0 极简版。若实例中已有GCC-7.3编译器，可跳过此步骤。否则，需要安装GCC-7.3编译器，推荐从低版本gcc和g++编译器源码升级。下载依赖，执行配置、编译和安装命令，设置环境变量并验证GCC版本。

       2. **安装PostGIS依赖库**：下载PostGIS补丁文件至$GAUSSHOME/postgis-xc/目录，并应用补丁。从gitee.com网站下载postgis依赖头文件至$GAUSSHOME/include/postgresql/server/。安装proj、Geos、libxml和JSON-C库。对于可能出现的libstdc++.la和libstdc++.so找不到问题，需自建目录并拷贝文件。

       3. **安装Postgis**：如果编译中遇到问题，可自建目录并复制libstdc++.la文件，然后重新编译。omm用户执行创建PostGIS扩展的SQL语句，完成动态链接库在数据库实例中的分发。重启数据库实例以完成安装。

       4. **使用Extension**：使用CREATE EXTENSION命令创建PostGIS扩展。通过SQL语句验证其功能，如创建几何表、插入几何数据和计算城市间距离等。

       5. **删除Extension**：使用DROP EXTENSION命令删除PostGIS扩展。如果Extension被其他对象依赖，需使用CASCADE参数级联删除所有依赖对象。

       除了使用PostGIS，openGauss还提供了基于Yukon的数据库扩展，用于地理空间数据的存储和管理。Yukon扩展包括postgis、postgis_raster、postgis_sfcgal、yukon_geomodel和yukon_geogridcoder，为GIS用户提供专业的功能支持。

gcc7.3.0下载与安装

       下载与安装gcc7.3.0

       首先，访问gcc官网获取最新源码，下载gcc7.3.0版本。

       登录gcc官网后，进入相应目录下载gcc-7.3.0.tar.gz文件。

       下载完毕后，使用tar命令解压源码包。

       解压后，移动至解压目录执行安装配置。

       通过./configure命令，指定安装路径为/usr/local/gcc-7.3.0。

       接下来，运行make命令进行编译。

       完成编译后，执行make install命令安装gcc7.3.0。

       最后，为了方便使用，创建软链接，将/usr/local/gcc-7.3.0/bin目录下的gcc链接到/usr/bin。

       至此，成功下载并安装gcc7.3.0，完成gcc的安装过程。

gRPC入坑记

        概要

        由于gRPC主要是谷歌开发的，由于一些已知的原因，gRPC跑demo还是不那么顺利的。单独写这一篇，主要是gRPC安装过程中的坑太多了，记录下来让大家少走弯路。

        主要的坑：

        本文讲解gRPC demo的同时，会介绍如何解决这些坑。本文对应的Github地址：blogs.com/fhy/p/.html

        (本文完)