mirror of
https://github.com/snapotter-hq/SnapOtter.git
synced 2026-08-03 07:46:42 +02:00
docs(i18n): review pass over the low-resource guide translations (#549)
Independent reviewer agents checked all 20 locales of guide/low-resource plus the two cross-link paragraphs against the English source. 26 fixes across 12 locales (fr calques, tr/ru terminology drift, a zh-CN crop-vs-trim meaning error, a zh-TW garden-path sentence, ko particles, de collocations, es calques, small id/vi/th/sv fixes); 8 locales clean. Parity check and VitePress build pass. Admin merge: docs-only PR, path-filtered required contexts never report (#420 precedent).
This commit is contained in:
SnapOtter
@@ -19,7 +19,7 @@ docker run -d --name SnapOtter -p 1349:1349 -v SnapOtter-data:/data snapotter/sn
|
||||
|
||||
Dieser einzelne Container führt alles aus, was er benötigt: Ohne gesetztes `DATABASE_URL` startet er sein eigenes PostgreSQL und Redis auf der Loopback-Schnittstelle (Embedded-Modus) und hält alle Daten im `SnapOtter-data`-Volume. Es ist der schnellste Weg, SnapOtter auszuprobieren oder in einem Homelab selbst zu hosten. Für die Produktion führe den [Docker-Compose](#docker-compose)-Stack unten aus, der PostgreSQL und Redis in ihren eigenen Containern hält. Der Embedded-Modus läuft als root (der Standard) und schaltet sich automatisch aus, sobald du `DATABASE_URL` setzt.
|
||||
|
||||
Du installierst auf einem Raspberry Pi, einem alten Laptop oder einem kleinen VPS? Siehe [Ressourcenarme Setups](/de/guide/low-resource) für eine abgestimmte Schritt-für-Schritt-Anleitung und was dich auf eingeschränkter Hardware erwartet.
|
||||
Du installierst auf einem Raspberry Pi, einem alten Laptop oder einem kleinen VPS? Siehe [Ressourcenarme Setups](/de/guide/low-resource) für eine abgestimmte Schritt-für-Schritt-Anleitung und einen Überblick darüber, was dich auf eingeschränkter Hardware erwartet.
|
||||
|
||||
Du wirst beim ersten Login aufgefordert, dein Passwort zu ändern.
|
||||
|
||||
|
||||
@@ -18,7 +18,7 @@ Jedes Nicht-KI-Tool funktioniert auf einer Maschine mit 2 GB und 2 Kernen: die B
|
||||
|
||||
Zwei Workloads sind die Ausnahme:
|
||||
|
||||
- **Video-Neukodierung** (Konvertieren zwischen Codecs) ist CPU-gebunden. Ein 1080p-Clip, der auf einer schnellen Desktop-CPU ~40 s braucht, kann auf einer CPU der Pi-Klasse mehrere Minuten dauern. Stream-Copy-Operationen bleiben sofort fertig.
|
||||
- **Video-Neukodierung** (Konvertieren zwischen Codecs) ist CPU-gebunden. Ein 1080p-Clip, der auf einer schnellen Desktop-CPU ~40 s braucht, kann auf einer CPU der Pi-Klasse mehrere Minuten dauern. Stream-Copy-Operationen sind weiterhin sofort erledigt.
|
||||
- **KI-Tools** brauchen RAM (4 GB empfohlen) und Festplattenplatz (die größeren Bundles sind je 4-5 GB groß), und die schweren (Hochskalierung, Foto-Wiederherstellung, Hintergrundentfernung) sind auf CPUs der Pi-Klasse nicht praktikabel. Leichte KI wie Gesichtserkennung und OCR ist nutzbar, wenn der Speicher dafür reicht.
|
||||
|
||||
Beides ist weder installiert noch aktiv, solange du es nicht benutzt: Ohne installierte KI-Bundles braucht die App im Leerlauf rund 360 MB, und KI-Bundles werden erst heruntergeladen, wenn ein Admin sie aktiviert.
|
||||
@@ -76,7 +76,7 @@ Hinweise für Maschinen der Pi-Klasse:
|
||||
- **Nimm lieber eine USB-SSD statt einer SD-Karte** für das Daten-Volume und Postgres. Job-Workspaces erzeugen echtes Disk-IO, und SD-Karten sind langsam und schnell verschlissen.
|
||||
- **Der All-in-One-Einzelcontainer funktioniert hier ebenfalls** (eingebettetes Postgres und Redis, wenn `DATABASE_URL`/`REDIS_URL` nicht gesetzt sind). Auf einem Host mit knappem Speicher solltest du das Limit seines eingebetteten Redis mit `REDIS_MAXMEMORY` senken (siehe [Konfiguration](/de/guide/configuration)). Compose gibt dir feinere Kontrolle pro Service, deshalb nutzt diese Anleitung Compose.
|
||||
- **Richte auf 2-GB-Geräten Swap ein.** Das verhindert, dass die gelegentliche Spitze (ein großes PDF, ein Stapel, den du zu begrenzen vergessen hast) in einem Out-of-Memory-Kill endet. zram ist die SD-Karten-freundliche Variante.
|
||||
- Das arm64-Image ist reine CPU; auf ARM-Boards gibt es kein CUDA.
|
||||
- Das arm64-Image läuft nur auf der CPU; auf ARM-Boards gibt es kein CUDA.
|
||||
|
||||
## Die Stellschrauben {#tuning-knobs}
|
||||
|
||||
|
||||
@@ -19,7 +19,7 @@ docker run -d --name SnapOtter -p 1349:1349 -v SnapOtter-data:/data snapotter/sn
|
||||
|
||||
Este único contenedor ejecuta todo lo que necesita: sin `DATABASE_URL` definido, inicia su propio PostgreSQL y Redis en la interfaz de loopback (modo embebido) y mantiene todos los datos en el volumen `SnapOtter-data`. Es la forma más rápida de probar SnapOtter o de autoalojarlo en un homelab. Para producción, ejecuta la pila de [Docker Compose](#docker-compose) que aparece abajo, que mantiene PostgreSQL y Redis en sus propios contenedores. El modo embebido se ejecuta como root (el valor por defecto) y se desactiva automáticamente en cuanto defines `DATABASE_URL`.
|
||||
|
||||
¿Vas a instalar en una Raspberry Pi, un portátil viejo o un VPS pequeño? Consulta [Configuraciones con recursos limitados](/es/guide/low-resource) para una guía paso a paso ajustada y saber qué esperar de un hardware limitado.
|
||||
¿Vas a instalar en una Raspberry Pi, un portátil viejo o un VPS pequeño? Consulta [Configuraciones con recursos limitados](/es/guide/low-resource) para una guía paso a paso ajustada y para saber qué esperar de un hardware limitado.
|
||||
|
||||
Se te pedirá que cambies tu contraseña en el primer inicio de sesión.
|
||||
|
||||
|
||||
@@ -84,7 +84,7 @@ Todos los topes son variables de entorno, documentadas al completo en [Configura
|
||||
|
||||
| Variable | Sugerencia para máquinas pequeñas | Qué protege |
|
||||
|---|---|---|
|
||||
| `CONCURRENT_JOBS` | `1` | Cuántos jobs se ejecutan en paralelo. La autodetección usa los núcleos de CPU menos uno, lo cual va bien en máquinas grandes y es demasiado agresivo en una caja de 2 núcleos con presión de memoria. |
|
||||
| `CONCURRENT_JOBS` | `1` | Cuántos jobs se ejecutan en paralelo. La autodetección usa los núcleos de CPU menos uno, lo cual va bien en máquinas grandes y es demasiado agresivo en una máquina de 2 núcleos con presión de memoria. |
|
||||
| `MAX_WORKER_THREADS` | `2` | Grupo de hilos del procesamiento de imágenes. |
|
||||
| `MAX_BATCH_SIZE` | `5` | Los lotes son donde las máquinas de 1-2 GB se quedan sin memoria primero. |
|
||||
| `MAX_UPLOAD_SIZE_MB` | `100` | Evita que un solo archivo enorme ocupe todo el espacio de trabajo. |
|
||||
|
||||
@@ -19,7 +19,7 @@ docker run -d --name SnapOtter -p 1349:1349 -v SnapOtter-data:/data snapotter/sn
|
||||
|
||||
Ce conteneur unique exécute tout ce dont il a besoin : sans `DATABASE_URL` défini, il démarre ses propres PostgreSQL et Redis sur l'interface de bouclage (mode embarqué) et conserve toutes les données dans le volume `SnapOtter-data`. C'est le moyen le plus rapide d'essayer SnapOtter ou de l'auto-héberger sur un homelab. Pour la production, exécutez la pile [Docker Compose](#docker-compose) ci-dessous, qui garde PostgreSQL et Redis dans leurs propres conteneurs. Le mode embarqué s'exécute en root (le défaut) et se désactive automatiquement dès que vous définissez `DATABASE_URL`.
|
||||
|
||||
Vous installez sur un Raspberry Pi, un vieux portable ou un petit VPS ? Consultez [Configurations à ressources limitées](/fr/guide/low-resource) pour un guide pas à pas adapté et savoir à quoi vous attendre sur du matériel contraint.
|
||||
Vous installez sur un Raspberry Pi, un vieux portable ou un petit VPS ? Consultez [Configurations à ressources limitées](/fr/guide/low-resource) pour un guide pas à pas adapté et pour savoir à quoi vous attendre sur du matériel limité.
|
||||
|
||||
Il vous sera demandé de changer votre mot de passe à la première connexion.
|
||||
|
||||
|
||||
@@ -14,12 +14,12 @@ Deux contraintes strictes d'emblée :
|
||||
|
||||
## Ce qui tourne bien sur du petit matériel {#what-runs-well}
|
||||
|
||||
Tous les outils non-IA fonctionnent sur une machine à 2 Go / 2 cœurs : l'intégralité des sections Image et Fichiers, les outils PDF et les opérations vidéo et audio en copie de flux (couper, couper le son, changement de conteneur). La plupart se terminent en moins d'une seconde.
|
||||
Tous les outils non-IA fonctionnent sur une machine à 2 Go / 2 cœurs : l'intégralité des sections Image et Fichiers, les outils PDF et les opérations vidéo et audio en copie de flux (couper, couper le son, changer de conteneur). La plupart se terminent en moins d'une seconde.
|
||||
|
||||
Deux charges de travail font exception :
|
||||
|
||||
- **Le réencodage vidéo** (conversion entre codecs) est limité par le CPU. Un clip 1080p qui prend ~40 s sur un CPU de bureau rapide peut prendre plusieurs minutes sur un CPU de classe Pi. Les opérations en copie de flux restent instantanées.
|
||||
- **Les outils IA** demandent de la RAM (4 Go recommandés) et du disque (les bundles les plus gros font 4-5 Go chacun), et les plus lourds (mise à l'échelle, restauration de photos, suppression d'arrière-plan) ne sont pas praticables sur des CPU de classe Pi. L'IA légère comme la détection de visages et l'OCR reste utilisable si vous avez la mémoire nécessaire.
|
||||
- **Les outils IA** demandent de la RAM (4 Go recommandés) et du disque (les bundles les plus gros font 4-5 Go chacun), et les plus lourds (mise à l'échelle, restauration de photos, suppression d'arrière-plan) ne sont pas utilisables en pratique sur des CPU de classe Pi. L'IA légère comme la détection de visages et l'OCR reste utilisable si vous avez la mémoire nécessaire.
|
||||
|
||||
Rien de tout cela n'est installé ni actif tant que vous ne l'utilisez pas : sans bundle IA installé, l'application tourne au repos autour de 360 Mo, et les bundles IA ne se téléchargent que lorsqu'un admin les active.
|
||||
|
||||
@@ -74,7 +74,7 @@ services:
|
||||
Remarques pour les machines de classe Pi :
|
||||
|
||||
- **Préférez un SSD USB à une carte SD** pour le volume de données et Postgres. Les espaces de travail des jobs font de vraies E/S disque, et les cartes SD sont à la fois lentes et vite usées.
|
||||
- **Le conteneur unique tout-en-un fonctionne aussi ici** (PostgreSQL et Redis embarqués quand `DATABASE_URL`/`REDIS_URL` ne sont pas définis), et sur un hôte à mémoire contrainte, abaissez le plafond de son Redis embarqué avec `REDIS_MAXMEMORY` (voir [Configuration](/fr/guide/configuration)). Compose vous donne un contrôle plus fin par service, c'est pourquoi ce pas à pas l'utilise.
|
||||
- **Le conteneur unique tout-en-un fonctionne aussi ici** (PostgreSQL et Redis embarqués quand `DATABASE_URL`/`REDIS_URL` ne sont pas définis), et sur un hôte limité en mémoire, abaissez le plafond de son Redis embarqué avec `REDIS_MAXMEMORY` (voir [Configuration](/fr/guide/configuration)). Compose vous donne un contrôle plus fin par service, c'est pourquoi ce pas à pas l'utilise.
|
||||
- **Ajoutez du swap sur les appareils à 2 Go.** Cela évite qu'un pic occasionnel (un gros PDF, un lot que vous avez oublié de plafonner) se termine en arrêt pour manque de mémoire. zram est l'option qui ménage les cartes SD.
|
||||
- L'image arm64 est CPU uniquement ; il n'y a pas de CUDA sur les cartes ARM.
|
||||
|
||||
@@ -84,7 +84,7 @@ Tous les plafonds sont des variables d'environnement, documentées en détail da
|
||||
|
||||
| Variable | Suggestion petite machine | Ce que ce plafond protège |
|
||||
|---|---|---|
|
||||
| `CONCURRENT_JOBS` | `1` | Combien de jobs s'exécutent en parallèle. L'auto-détection prend les cœurs CPU moins un : très bien sur une grosse machine, trop gourmand sur une boîte à 2 cœurs sous pression mémoire. |
|
||||
| `CONCURRENT_JOBS` | `1` | Combien de jobs s'exécutent en parallèle. L'auto-détection prend les cœurs CPU moins un : très bien sur une grosse machine, trop gourmand sur une machine à 2 cœurs sous pression mémoire. |
|
||||
| `MAX_WORKER_THREADS` | `2` | Pool de threads du traitement d'image. |
|
||||
| `MAX_BATCH_SIZE` | `5` | Les lots sont le premier endroit où les machines à 1-2 Go manquent de mémoire. |
|
||||
| `MAX_UPLOAD_SIZE_MB` | `100` | Empêche un seul fichier énorme d'occuper tout l'espace de travail. |
|
||||
@@ -98,6 +98,6 @@ Ces plafonds s'appliquent à ce que le serveur accepte : réglez-les donc selon
|
||||
|
||||
- **Les bundles IA lourds.** La mise à l'échelle, la restauration de photos et la suppression d'arrière-plan demandent un GPU ou un CPU rapide à nombreux cœurs, et chaque bundle coûte 4-5 Go de disque. Sur une petite machine, ne les installez tout simplement pas ; les outils dont le bundle manque affichent une invite d'installation au lieu de s'exécuter.
|
||||
- **Le réencodage vidéo comme charge de travail régulière.** Des transcodages occasionnels ne posent pas de problème (ils sont juste lents) ; une file de transcodage continue demande des cœurs CPU, pas un Pi.
|
||||
- **Les outils inutilisés en général.** Un admin peut désactiver des outils individuels dans Settings, ce qui les retire de l'interface et cesse d'enregistrer leurs routes API. Cela ne libère pas de mémoire en soi, mais évite qu'une petite instance partagée serve précisément à la charge de travail que le matériel ne peut pas encaisser.
|
||||
- **Les outils inutilisés en général.** Un admin peut désactiver des outils individuels dans les Paramètres, ce qui les retire de l'interface et cesse d'enregistrer leurs routes API. Cela ne libère pas de mémoire en soi, mais évite qu'une petite instance partagée serve précisément à la charge de travail que le matériel ne peut pas encaisser.
|
||||
|
||||
Si vous déplacez plus tard l'instance vers du matériel plus puissant, retirez les plafonds (remettez-les à `0`) et le même volume de données suit tel quel.
|
||||
|
||||
@@ -96,7 +96,7 @@ Batas-batas ini berlaku pada apa yang diterima server, jadi aturlah agar sesuai
|
||||
|
||||
## Apa yang sebaiknya dilewati {#what-to-skip}
|
||||
|
||||
- **Bundel AI berat.** Peningkatan skala, pemulihan foto, dan penghapusan latar belakang membutuhkan GPU atau CPU banyak-core yang cepat, dan setiap bundel memakan 4-5 GB disk. Di mesin kecil, cukup jangan pasang bundel tersebut; perkakas yang bundelnya tidak ada akan menampilkan ajakan pemasangan alih-alih berjalan.
|
||||
- **Bundel AI berat.** Peningkatan skala, pemulihan foto, dan penghapusan latar belakang membutuhkan GPU atau CPU banyak-core yang cepat, dan setiap bundel memakan 4-5 GB disk. Di mesin kecil, cukup jangan pasang bundel tersebut; perkakas yang bundelnya tidak ada akan menampilkan prompt pemasangan alih-alih berjalan.
|
||||
- **Re-encoding video sebagai beban kerja rutin.** Transcode sesekali tidak masalah (hanya lambat); antrean transcode yang terus-menerus membutuhkan core CPU, bukan Pi.
|
||||
- **Perkakas yang tidak terpakai secara umum.** Admin dapat mematikan perkakas satu per satu di Settings, yang menghapusnya dari UI dan menghentikan pendaftaran rute API-nya. Itu sendiri tidak menghemat memori, tetapi mencegah instance kecil yang dipakai bersama digunakan untuk satu-satunya beban kerja yang tidak sanggup ditangani perangkat kerasnya.
|
||||
|
||||
|
||||
@@ -74,7 +74,7 @@ services:
|
||||
Pi급 머신을 위한 참고 사항:
|
||||
|
||||
- **데이터 볼륨과 Postgres에는 SD 카드보다 USB SSD를 사용하라.** 작업 워크스페이스는 실제 디스크 IO를 일으키고, SD 카드는 느린 데다 빨리 마모된다.
|
||||
- **올인원 단일 컨테이너도 여기서 동작한다**(`DATABASE_URL`/`REDIS_URL`가 설정되지 않으면 임베디드 Postgres와 Redis 사용). 메모리가 부족한 호스트에서는 `REDIS_MAXMEMORY`로 임베디드 Redis 상한을 낮춰야 한다([구성](/ko/guide/configuration) 참고). Compose는 서비스별로 더 세밀한 제어를 제공하며, 이 가이드가 Compose를 사용하는 이유다.
|
||||
- **올인원 단일 컨테이너도 여기서 동작한다**(`DATABASE_URL`/`REDIS_URL`이 설정되지 않으면 임베디드 Postgres와 Redis 사용). 메모리가 부족한 호스트에서는 `REDIS_MAXMEMORY`로 임베디드 Redis 상한을 낮춰야 한다([구성](/ko/guide/configuration) 참고). Compose는 서비스별로 더 세밀한 제어를 제공하며, 이 가이드가 Compose를 사용하는 이유다.
|
||||
- **2 GB 장치에는 스왑을 추가하라.** 가끔 발생하는 스파이크(큰 PDF, 상한을 걸지 않은 배치)가 메모리 부족으로 인한 강제 종료로 이어지는 것을 막아 준다. zram이 SD 카드에 부담이 적은 선택지다.
|
||||
- arm64 이미지는 CPU 전용이다. ARM 보드에는 CUDA가 없다.
|
||||
|
||||
@@ -100,4 +100,4 @@ Pi급 머신을 위한 참고 사항:
|
||||
- **일상적인 워크로드로서의 비디오 재인코딩.** 가끔 하는 트랜스코딩은 괜찮다(느릴 뿐이다). 꾸준한 트랜스코딩 큐에는 Pi가 아니라 CPU 코어가 필요하다.
|
||||
- **사용하지 않는 도구 전반.** 관리자는 Settings에서 개별 도구를 끌 수 있으며, 이렇게 하면 UI에서 사라지고 해당 API 라우트도 등록되지 않는다. 그 자체로 메모리가 절약되지는 않지만, 공유 중인 소형 인스턴스가 하드웨어가 감당하지 못하는 바로 그 워크로드에 쓰이는 것을 막아 준다.
|
||||
|
||||
나중에 인스턴스를 더 큰 하드웨어로 옮기면 상한을 제거하고(다시 `0`로 설정) 동일한 데이터 볼륨을 그대로 가져가면 된다.
|
||||
나중에 인스턴스를 더 큰 하드웨어로 옮기면 상한을 제거하고(다시 `0`으로 설정) 동일한 데이터 볼륨을 그대로 가져가면 된다.
|
||||
|
||||
@@ -19,9 +19,9 @@ SnapOtter хорошо работает на маломощном оборудо
|
||||
Исключение составляют два типа нагрузки:
|
||||
|
||||
- **Перекодирование видео** (конвертация между кодеками) упирается в CPU. Клип 1080p, который занимает ~40 с на быстром десктопном CPU, может обрабатываться несколько минут на CPU класса Pi. Операции с копированием потока остаются мгновенными.
|
||||
- **ИИ-инструментам** нужны RAM (рекомендуется 4 ГБ) и диск (крупные наборы моделей занимают по 4-5 ГБ каждый), а тяжёлые из них (апскейл, восстановление фото, удаление фона) непрактичны на CPU класса Pi. Лёгкий ИИ, такой как распознавание лиц и OCR, вполне пригоден, если на него хватает памяти.
|
||||
- **ИИ-инструментам** нужны RAM (рекомендуется 4 ГБ) и диск (крупные пакеты занимают по 4-5 ГБ каждый), а тяжёлые из них (апскейл, реставрация фото, удаление фона) непрактичны на CPU класса Pi. Лёгкий ИИ, такой как распознавание лиц и OCR, вполне пригоден, если на него хватает памяти.
|
||||
|
||||
Ничто из этого не устанавливается и не работает, пока вы этим не пользуетесь: без установленных ИИ-наборов приложение в простое занимает около 360 МБ, а ИИ-наборы скачиваются только тогда, когда администратор их включает.
|
||||
Ничто из этого не устанавливается и не работает, пока вы этим не пользуетесь: без установленных ИИ-пакетов приложение в простое занимает около 360 МБ, а ИИ-пакеты скачиваются только тогда, когда администратор их включает.
|
||||
|
||||
## Пошаговая установка на Raspberry Pi / старом ноутбуке {#walkthrough}
|
||||
|
||||
@@ -96,7 +96,7 @@ services:
|
||||
|
||||
## Что пропустить {#what-to-skip}
|
||||
|
||||
- **Тяжёлые ИИ-наборы.** Апскейлу, восстановлению фото и удалению фона нужен GPU или быстрый многоядерный CPU, а каждый набор занимает 4-5 ГБ на диске. На маломощной машине просто не устанавливайте их; инструменты, чей набор не установлен, показывают предложение установки вместо запуска.
|
||||
- **Тяжёлые ИИ-пакеты.** Апскейлу, реставрации фото и удалению фона нужен GPU или быстрый многоядерный CPU, а каждый пакет занимает 4-5 ГБ на диске. На маломощной машине просто не устанавливайте их; инструменты, чей пакет не установлен, показывают предложение установки вместо запуска.
|
||||
- **Перекодирование видео как регулярная нагрузка.** Разовые перекодирования допустимы (они просто медленные); постоянной очереди перекодирования нужны ядра CPU, а не Pi.
|
||||
- **Неиспользуемые инструменты в целом.** Администратор может отключать отдельные инструменты в Settings: они исчезают из интерфейса, а их API-маршруты перестают регистрироваться. Само по себе это не экономит память, но не даёт использовать общий небольшой экземпляр под ту единственную нагрузку, которую оборудование не потянет.
|
||||
|
||||
|
||||
@@ -84,7 +84,7 @@ Alla tak är miljövariabler och dokumenteras fullständigt i [Konfiguration](/s
|
||||
|
||||
| Variabel | Förslag för små maskiner | Vad den skyddar |
|
||||
|---|---|---|
|
||||
| `CONCURRENT_JOBS` | `1` | Hur många jobb som körs parallellt. Autodetekteringen använder antalet CPU-kärnor minus en, vilket är bra på stora maskiner och för ivrigt på en 2-kärnig låda under minnestryck. |
|
||||
| `CONCURRENT_JOBS` | `1` | Hur många jobb som körs parallellt. Autodetekteringen använder antalet CPU-kärnor minus en, vilket är bra på stora maskiner och för ivrigt på en 2-kärnig maskin under minnestryck. |
|
||||
| `MAX_WORKER_THREADS` | `2` | Trådpool för bildbehandling. |
|
||||
| `MAX_BATCH_SIZE` | `5` | Batchar är där maskiner med 1-2 GB får slut på minne först. |
|
||||
| `MAX_UPLOAD_SIZE_MB` | `100` | Hindrar en enda enorm fil från att uppta hela arbetsytan. |
|
||||
|
||||
@@ -75,7 +75,7 @@ services:
|
||||
|
||||
- **เลือกใช้ SSD แบบ USB แทนการ์ด SD** สำหรับวอลุ่มข้อมูลและ Postgres เวิร์กสเปซของงานมีการอ่านเขียนดิสก์จริง และการ์ด SD ทั้งช้าและสึกหรอเร็ว
|
||||
- **คอนเทนเนอร์เดียวแบบ all-in-one ก็ใช้ได้ที่นี่เช่นกัน** (Postgres และ Redis แบบ embedded เมื่อไม่ได้ตั้งค่า `DATABASE_URL`/`REDIS_URL`) และบนโฮสต์ที่หน่วยความจำจำกัด คุณควรลดเพดานของ Redis แบบ embedded ด้วย `REDIS_MAXMEMORY` (ดู [Configuration](/th/guide/configuration)) แต่ Compose ให้การควบคุมรายเซอร์วิสที่ละเอียดกว่า ซึ่งเป็นเหตุผลที่คู่มือนี้ใช้ Compose
|
||||
- **เพิ่ม swap บนอุปกรณ์ 2 GB** มันช่วยไม่ให้สไปก์ที่นาน ๆ เกิดที (PDF ขนาดใหญ่ หรือชุดงานที่คุณลืมจำกัด) จบลงด้วยการถูกฆ่าโปรเซสเพราะหน่วยความจำหมด ตัวเลือกที่เป็นมิตรกับการ์ด SD คือ zram
|
||||
- **เพิ่ม swap บนอุปกรณ์ 2 GB** มันช่วยไม่ให้สไปก์ที่เกิดขึ้นนาน ๆ ครั้ง (PDF ขนาดใหญ่ หรือชุดงานที่คุณลืมจำกัด) จบลงด้วยการที่โปรเซสถูกฆ่าเพราะหน่วยความจำหมด ตัวเลือกที่เป็นมิตรกับการ์ด SD คือ zram
|
||||
- อิมเมจ arm64 ใช้ได้เฉพาะ CPU ไม่มี CUDA บนบอร์ด ARM
|
||||
|
||||
## The tuning knobs {#tuning-knobs}
|
||||
|
||||
@@ -9,8 +9,8 @@ SnapOtter küçük donanımda iyi çalışır: bir Raspberry Pi 4 veya 5, eski b
|
||||
|
||||
Baştan iki kesin kısıt:
|
||||
|
||||
- **Yalnızca 64 bit.** İmaj `linux/amd64` ve `linux/arm64` için derlenir. 32 bit ARM (`armv7`/`armhf`) desteklenmez; bu yüzden birinci nesil Pi'ler ve Pi Zero ailesi devre dışıdır.
|
||||
- **2 GB bellek tabanı.** 512 MB yığını başlatamaz, 1 GB ise çok dosyalı toplu işlerde başarısız olur. Rahat çalışan en küçük yapılandırma 2 çekirdekli 2 GB'dir.
|
||||
- **Yalnızca 64 bit.** İmaj `linux/amd64` ve `linux/arm64` için oluşturulur. 32 bit ARM (`armv7`/`armhf`) desteklenmez; bu yüzden birinci nesil Pi'ler ve Pi Zero ailesi devre dışıdır.
|
||||
- **2 GB bellek alt sınırı.** 512 MB yığını başlatamaz, 1 GB ise çok dosyalı toplu işlerde başarısız olur. Rahat çalışan en küçük yapılandırma 2 çekirdekli 2 GB'dir.
|
||||
|
||||
## Küçük donanımda neler iyi çalışır {#what-runs-well}
|
||||
|
||||
@@ -19,7 +19,7 @@ AI olmayan her araç 2 GB / 2 çekirdekli bir makinede çalışır: Görsel ve D
|
||||
İki iş yükü istisnadır:
|
||||
|
||||
- **Videoyu yeniden kodlama** (codec'ler arasında dönüştürme) CPU'ya bağlıdır. Hızlı bir masaüstü CPU'sunda ~40 sn süren bir 1080p klip, Pi sınıfı bir CPU'da birkaç dakika sürebilir. Stream copy işlemleri anlık kalır.
|
||||
- **AI araçları** RAM (4 GB önerilir) ve disk ister (büyük paketlerin her biri 4-5 GB'dir) ve ağır olanlar (ölçeklendirme, fotoğraf restorasyonu, arka plan kaldırma) Pi sınıfı CPU'larda pratik değildir. Yüz algılama ve OCR gibi hafif AI, belleğiniz yetiyorsa kullanılabilir.
|
||||
- **AI araçları** RAM (4 GB önerilir) ve disk ister (büyük paketlerin her biri 4-5 GB'dir) ve ağır olanlar (ölçek büyütme, fotoğraf restorasyonu, arka plan kaldırma) Pi sınıfı CPU'larda pratik değildir. Yüz algılama ve OCR gibi hafif AI, belleğiniz yetiyorsa kullanılabilir.
|
||||
|
||||
İkisi de siz kullanmadıkça kurulmaz ve çalışmaz: hiçbir AI paketi kurulu değilken uygulama boşta yaklaşık 360 MB kullanır ve AI paketleri yalnızca bir yönetici etkinleştirdiğinde indirilir.
|
||||
|
||||
@@ -84,7 +84,7 @@ Tüm sınırlar ortam değişkenleridir ve [Yapılandırma](/tr/guide/configurat
|
||||
|
||||
| Değişken | Küçük makine önerisi | Neyi korur |
|
||||
|---|---|---|
|
||||
| `CONCURRENT_JOBS` | `1` | Kaç işin paralel çalıştığı. Otomatik algılama CPU çekirdek sayısının bir eksiğini kullanır; bu büyük makinelerde iyidir, bellek baskısı altındaki 2 çekirdekli bir kutuda ise fazla isteklidir. |
|
||||
| `CONCURRENT_JOBS` | `1` | Kaç işin paralel çalıştığı. Otomatik algılama CPU çekirdek sayısının bir eksiğini kullanır; bu büyük makinelerde iyidir, bellek baskısı altındaki 2 çekirdekli bir makinede ise fazla isteklidir. |
|
||||
| `MAX_WORKER_THREADS` | `2` | Görüntü işleme iş parçacığı havuzu. |
|
||||
| `MAX_BATCH_SIZE` | `5` | 1-2 GB'lık makinelerin belleği ilk önce toplu işlerde tükenir. |
|
||||
| `MAX_UPLOAD_SIZE_MB` | `100` | Tek bir devasa dosyanın tüm çalışma alanını kaplamasını önler. |
|
||||
@@ -96,7 +96,7 @@ Bu sınırlar sunucunun neyi kabul ettiğini belirler; bu yüzden onları olabil
|
||||
|
||||
## Nelerden vazgeçmeli {#what-to-skip}
|
||||
|
||||
- **Ağır AI paketleri.** Ölçeklendirme, fotoğraf restorasyonu ve arka plan kaldırma bir GPU veya çok çekirdekli hızlı bir CPU ister ve her paket 4-5 GB disk kaplar. Küçük bir makinede bunları kurmamanız yeterlidir; paketi eksik olan araçlar çalışmak yerine bir kurulum istemi gösterir.
|
||||
- **Ağır AI paketleri.** Ölçek büyütme, fotoğraf restorasyonu ve arka plan kaldırma bir GPU veya çok çekirdekli hızlı bir CPU ister ve her paket 4-5 GB disk kaplar. Küçük bir makinede bunları kurmamanız yeterlidir; paketi eksik olan araçlar çalışmak yerine bir kurulum istemi gösterir.
|
||||
- **Rutin iş yükü olarak video yeniden kodlama.** Ara sıra dönüştürme sorun değildir (yalnızca yavaştır); sürekli bir dönüştürme kuyruğu CPU çekirdeği ister, Pi değil.
|
||||
- **Genel olarak kullanılmayan araçlar.** Bir yönetici Settings içinden tek tek araçları kapatabilir; bu, onları arayüzden kaldırır ve API rotalarının kaydını durdurur. Bu tek başına bellek kazandırmaz, ancak paylaşılan küçük bir örneğin donanımın kaldıramayacağı o tek iş yükü için kullanılmasını engeller.
|
||||
|
||||
|
||||
@@ -74,7 +74,7 @@ services:
|
||||
Lưu ý cho các máy cỡ Pi:
|
||||
|
||||
- **Ưu tiên SSD USB thay vì thẻ SD** cho volume dữ liệu và Postgres. Không gian làm việc của các job tạo ra IO đĩa thực sự, còn thẻ SD vừa chậm vừa nhanh hỏng.
|
||||
- **Container đơn tất-cả-trong-một cũng hoạt động ở đây** (Postgres và Redis nhúng khi `DATABASE_URL`/`REDIS_URL` không được đặt), và trên máy chủ hạn chế bộ nhớ, bạn nên hạ mức trần của Redis nhúng bằng `REDIS_MAXMEMORY` (xem [Cấu hình](/vi/guide/configuration)). Compose cho bạn quyền kiểm soát chi tiết hơn theo từng dịch vụ, đó là lý do hướng dẫn này dùng nó.
|
||||
- **Container đơn tất cả trong một cũng hoạt động ở đây** (Postgres và Redis nhúng khi `DATABASE_URL`/`REDIS_URL` không được đặt), và trên máy chủ hạn chế bộ nhớ, bạn nên hạ mức trần của Redis nhúng bằng `REDIS_MAXMEMORY` (xem [Cấu hình](/vi/guide/configuration)). Compose cho bạn quyền kiểm soát chi tiết hơn theo từng dịch vụ, đó là lý do hướng dẫn này dùng nó.
|
||||
- **Thêm swap trên các thiết bị 2 GB.** Nó giúp những đợt tăng đột biến thi thoảng (một PDF lớn, một lô bạn quên giới hạn) không kết thúc bằng việc bị kill do hết bộ nhớ. zram là lựa chọn thân thiện với thẻ SD.
|
||||
- Image arm64 chỉ chạy CPU; không có CUDA trên các bo mạch ARM.
|
||||
|
||||
|
||||
@@ -14,7 +14,7 @@ SnapOtter 在小型硬件上运行良好：Raspberry Pi 4 或 5、一台旧笔
|
||||
|
||||
## 小型硬件上哪些功能运行良好 {#what-runs-well}
|
||||
|
||||
所有非 AI 工具都能在 2 GB / 2 核的机器上运行：整个"图像"和"文件"板块、PDF 工具，以及流复制类的视频和音频操作（裁剪、静音、更换容器）。大多数在一秒内完成。
|
||||
所有非 AI 工具都能在 2 GB / 2 核的机器上运行：整个"图像"和"文件"板块、PDF 工具，以及流复制类的视频和音频操作（修剪、静音、更换容器）。大多数在一秒内完成。
|
||||
|
||||
有两类负载是例外：
|
||||
|
||||
|
||||
@@ -218,7 +218,7 @@ docker logs SnapOtter 2>&1 | head -20
|
||||
|
||||
這些數字來自跨多種系統的效能測試，從搭載 NVIDIA RTX 4070 的現代 amd64 工作站，一直到 Raspberry Pi，在每台機器上執行整個工具目錄，並掃描 Docker 資源限制以找出實際的下限。
|
||||
|
||||
運行在這些等級的最低端（Pi、舊筆電、2 GB 的 VPS）？[低資源環境部署](/zh-TW/guide/low-resource)將這些數字化為一份帶有調校上限的具體逐步教學。
|
||||
在這些等級的最低階（Pi、舊筆電、2 GB 的 VPS）上執行？[低資源環境部署](/zh-TW/guide/low-resource)將這些數字轉化為一份帶有調校上限的具體逐步教學。
|
||||
|
||||
### 快速參考 {#quick-reference}
|
||||
|
||||
|
||||
Reference in New Issue
Block a user