这次真把玩客云给榨干了,这个PhotoPrism把cpu干烧了
就叫做试探玩客云的极限,结果它给整崩溃了

终究是难为玩客云这个arm32的设备了


罪魁祸首是哪个app呢
大概率是这个PhotoPrism
就是这个玩意,传照片上去然后一直检索,最后,玩客云崩溃了


只能重启试试

这个故事告诉了一个道理,差不多得了

那么这个PhotoPrism怎么装
photoprism/photoprism:armv7,它有个armv7版本


详细的配置需要去看官方文档才能看出来

塑料英语开始有点力不从心了

然后它的性能跑不了了

看它的配置示范
一个两个还能猜一下,这么多实在是不行了

这个jellfyin倒是能用
但是呢,发现这玩意可以直接挂载硬盘播放

那这个下载器也没必要了


就它本身的存储已经是够够的了,咱们也不喜欢插一个小尾巴
最后总结一下

20多元=解放每天点开网页时间,监测家庭网络各个机器运行情况,偶尔还能看看电影,
反正不用本地存储,功耗极低
听上去好像还挺不错的是吧

校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
但是之后测试了几次,发现崩溃的瓶颈在于内存不够
于是按照photoprism官方的建议把同时运行的worker数减少到1,这部分在容器的环境变量里就能设置
然后把swap分区加了一个G
现在已经能不开TensorFlow的情况下顺利地索引了,不知道开开TensorFlow会不会崩
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
但是之后测试了几次,发现崩溃的瓶颈在于内存不够
于是按照photoprism官方的建议把同时运行的worker数减少到1,这部分在容器的环境变量里就能设置
然后把swap分区加了一个G
现在已经能不开TensorFlow的情况下顺利地索引了,不知道开开TensorFlow会不会崩
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案
校验提示文案