标签 云服务器 下的文章

记录一下在香港云服务器上配置 Dify 访问 Gemini API 的过程

当时买的时候想着香港位置更近当代理使的，最近新创了个 google 账户正好有赠金，就打算部署个 Dify 玩玩，但香港 IP 直接访问 gemini API 会返回 400 user location not support 错误，于是在站内搜了下给 Dify 容器配置代理的教程: 【最新适配】Dify 海外模型代理配置（一次通关）. 过程太复杂了懒得折腾，于是考虑直接修改 baseURL, 用手头另一个日本的服务器转发.

但直接在 nginx 中配置转发后发现还是 400 错误，我还以为没配成功，最后在日本服务器试了下发现可能因为是机房 IP, 直接访问也是 400, 只能考虑用 cloudflare WARP 出站.

我用的是 3x-ui, 出站规则里可以直接配置 WARP, 然后创建一个本地 http 入站，在路由规则里设置这个入站用 WARP 出站

香港云服务器上配置 Dify 访问 Gemini API1

最后让 AI 生成了个小脚本，得先把 nginx 的流程转到 flask 服务的端口，再用 flask 转给 3x-ui 上的代理，感觉也挺复杂，有没有佬知道更简便的方法

from flask import Flask, request, Response
import requests

app = Flask(__name__)

# 31699是3x-ui上配置的本地代理端口
PROXIES = {
    'http': 'http://127.0.0.1:31699',
    'https': 'http://127.0.0.1:31699'
}

# Gemini 官方 API 域名
TARGET_URL = 'https://generativelanguage.googleapis.com' @app.route('/<path:path>', methods=['GET', 'POST', 'PUT', 'DELETE']) def proxy(path):
    # 构造请求 URL
    url = f"{TARGET_URL}/{path}" # 获取原始请求的查询参数
    params = request.args
    
    # 获取原始请求的 Header，并移除 Host 避免冲突
    headers = {k: v for k, v in request.headers if k.lower() != 'host'}
    
    try:
        # 转发请求到 Google，并使用本地代理
        resp = requests.request(
            method=request.method,
            url=url,
            headers=headers,
            data=request.get_data(),
            params=params,
            proxies=PROXIES,
            stream=True,  # 支持流式输出
            timeout=300
        )

        # 构造响应给 Nginx
        excluded_headers = ['content-encoding', 'content-length', 'transfer-encoding', 'connection']
        headers = [(name, value) for (name, value) in resp.raw.headers.items()
                   if name.lower() not in excluded_headers]

        return Response(resp.iter_content(chunk_size=1024), resp.status_code, headers)

    except Exception as e:
        return str(e), 500 if __name__ == '__main__':
    app.run(host='127.0.0.1', port=5346)

📌 转载信息
原作者：
IIIIIII7
转载时间：
2026/1/23 10:22:07

在当今的互联网出海与数字化转型浪潮中，选择合适的云服务商已成为企业技术选型中最重要的决策之一。面对亚马逊 AWS、微软 Azure、谷歌云 GCP 这样的传统三强，以及以“简单、高效、高性价比”著称的 DigitalOcean，技术负责人和工程师们往往会面临多重考量：是追求功能的极致全面，还是追求管理的极度简化？是为品牌溢价付费，还是寻找更务实的增长方案？

本文将深度拆解 AWS、GCP（谷歌云）、Azure 与 DigitalOcean 的核心区别，从定价逻辑、核心产品、网络优势、AI 能力及中国企业出海实践等维度，为你提供一份详尽的选型参考指南。

AWS、Azure 与 GCP 的定位差异

在云计算市场中，AWS、Azure 和 GCP（谷歌云） 占据了主导地位。它们凭借早期的先行者优势、庞大的资本投入和全球基础设施，构建了极高的行业门槛。

1、AWS：功能最多的云平台

作为云计算的开创者，AWS 是目前全球市场占有率最高的云平台之一。

  • ​核心优势​：服务种类最为繁多，涵盖计算、存储、数据库、物联网及 AI 等 200 多项功能。其 EC2 实例提供了超过 200 种类型，能够满足从高性能计算到存储密集型的任何极端需求。
  • ​适用人群​：需要极其复杂的架构设计、拥有大型运维团队的大型企业。而且该平台学习成本高，需要运维团队有使用经验才行。
  • ​痛点​：由于服务过于繁杂，其管理控制台极其复杂，且定价逻辑被称为“成本黑洞”。如果没有专业的成本管理工具，月度账单往往会超出预期。

2、Azure：微软生态圈首选

微软 Azure 凭借与 Windows Server、SQL Server、Office 365 和 .NET 等微软产品的深度集成，成为已经投资于微软技术栈企业的自然选择。

  • ​核心优势​：与 Windows Server、SQL Server、Active Directory 和 Office 365 的集成极其丝滑。对于已经深度投资微软技术的组织，Azure 提供了最佳的混合云解决方案。
  • ​适用人群​：传统大型企业、政府机构，以及对合规性、混合云部署有极高要求的行业。
  • ​痛点​：对于非 Windows 生态的开发者，其体验相对较重，且部分服务的稳定性经常被开发者社区吐槽。

3、GCP（谷歌云）：数据与 AI 的“实验室”

GCP（谷歌云） 依靠谷歌在搜索引擎和大数据处理方面的深厚积累，走出了一条差异化道路。

  • ​核心优势​：在数据处理、分析和机器学习领域表现卓越，它是 Kubernetes 的发源地，其 GKE（Google Kubernetes Engine）被公认为行业标杆。
  • ​适用人群​：依赖大数据处理、实时分析和深度学习的初创科技公司或研究机构。
  • ​痛点​：其全球数据中心覆盖范围相比 AWS 和 Azure 略逊一筹，且销售和支持体系在非核心地区相对薄弱，比如中国地区。

“三巨头”之外的最佳替代者

虽然三巨头功能强大，但对于追求开发速度和成本可控的中小型企业及初创公司来说，它们往往“重”得让人喘不过气。DigitalOcean（简称：DO）的出现，正是为了解决这种“过度设计”的问题。对于很多习惯了 AWS 复杂控制台的工程师来说，第一次登录 DigitalOcean 的后台通常会有一种“解脱感”。凭借着诸多优点，稳定的用户增长和用户口碑，DigitalOcean 也在 2021 年成功上市。

1、极致的简单：回归开发者的本原

DigitalOcean 的核心理念是“Developer-friendly”。与 AWS 复杂的配置流程不同，在 DO 上创建一个 VPS（其产品名是 Droplet）通常只需要 1 分钟左右。

  • ​直观的界面​：其 UI 设计极其现代化且简洁，即使是没有深厚 DevOps 背景的工程师也能快速上手。
  • ​文档力量​：DigitalOcean 拥有全球最顶尖的开发者社区文档，其教程不仅限于自身产品，还涵盖了通用的 Linux 系统运维知识。

2、确定性定价：再也不用担心“账单惊魂”

这是 DigitalOcean 对抗三巨头云平台的“杀手锏”。

  • ​平价模型​：DO 采用扁平化的定价，资源配置（CPU、内存、带宽）与价格高度透明。例如，一个基础型的 Droplet 仅需 4 美元/月起。你在 DigitalOcean 后台创建一台 Droplet 云主机的时候，所看到的价格基本就是你月底即将支付的价格。
  • ​带宽红利​：在 AWS/GCP（谷歌云） 上，昂贵的出站流量费用（Outbound Data Transfer）往往是账单的大头（约 0.05-0.09 美元/GiB）。而且，AWS/GCP（谷歌云）在不同区域的出站流量费用计算标准不同，你很难预测最终会收到多大的账单。而 DigitalOcean 不仅在 Droplet 计划中包含了海量的免费流量额度，超出部分的单价仅为 ​0.01 美元/GiB，所有区域都是这个价格​。这个价格也低于阿里云、腾讯云在海外的跨区域出站流量价格。这对于 ADX 广告平台、视频流媒体、AI 推理服务、游戏和高并发 API 服务来说，能节省 50% 以上的成本。

技术对比：四家云商在核心赛道的表现

作为技术负责人，我们需要从底层的技术能力出发进行选型。以下是四大云商在关键领域的对比：

1、计算资源（Compute）

  • ​AWS​ EC2​：支持数千种组合，包括基于 Arm 架构的 Graviton 芯片，适合追求极致算力和架构灵活性的场景。
  • ​AzureVM​：对 Windows 系统优化最好，支持 Azure Dedicated Host。
  • ​GCP Compute Engine​：支持自定义机器类型，可以精准按需购买 CPU 和内存比例，减少资源浪费。
  • ​DigitalOcean Droplets​：分为基础型、通用型、CPU 优化型、内存优化型和存储优化型。配置简单明确，提供 99.99% 的运行时间 SLA 保证。事实上，也有不少海外企业选择从 AWS、GCP（谷歌云）、Azure 迁移至 DigitalOcean，或进行多云部署。

2、容器化管理（Kubernetes）

  • ​AWS​ EKS​：最成熟，但在控制平面收费（0.1 美元/小时），且与网络策略、IAM 集成较为复杂。
  • ​GCP GKE​：自动化程度最高，拥有最强大的自动扩缩容能力。
  • ​DigitalOcean kubernetes​：管理最为简单，且​不收取控制平面的管理费​。开发者只需支付底层的 Worker Nodes 费用，这使其成为中小规模 K8s 集群的最佳选择。

3、AI 与 GPU 云服务

在当前的 AI 浪潮下，GPU 的可用性与价格是重中之重。

亚马逊 AWS、微软 Azure、谷歌云 GCP 虽然拥有海量 GPU，但通常需要通过冗长的“配额申请”，且 H100 等高端算力价格昂贵，主要面向大模型训练。AWS 这样的大型云平台，通常优先服务于大型企业，所以他们只会提供 8 卡 H100 这样的资源，没有单卡 H100 供用户灵活选择。而且数据存储与带宽成本高昂，这一点，我们在后面会对比。

DigitalOcean 现在提供了极具竞争力的GPU Droplets。DigitalOcean 与 NVIDIA、AMD 是紧密的合作伙伴，凭借高可靠的技术服务，为包括 Character.ai、AMD Developer Cloud、Fal.ai、Persistent AI 等企业提供千卡规模的 AI 服务。

  • ​NVIDIA H100 ​算力​：DO 的 H100 On-demand 价格约为 ​3.39 美元/小时​，相比三巨头能节省高达 75% 的成本。
  • ​型号丰富​：不仅提供 H100，还包括 L40S、A100、RTX 4000 等，支持从模型训练到 AI 推理的全场景应用。而且 DigitalOcean 的 GPU 卡型还在不断增加，预计在 2026 年初还将提供 NVIDIA B300、AMD MI355X 等旗舰 GPU。
  • ​即开即用​：DigitalOcean 的 GPU Droplet 无需繁琐申请，适合需要快速验证 AI 原型的初创团队。在部分 GPU 型号资源不足的，或者新型 GPU 还未发布上线的情况下，还可直接联系 DigitalOcean 中国区独家战略合作伙伴卓普云 AI Droplet （aidroplet.com）提前预定新型 GPU，或提前锁定未来可能即将新增的 GPU 资源。

4、出海网络与全球覆盖

  • ​三巨头​：亚马逊 AWS、微软 Azure、谷歌云 GCP 在全球范围内拥有数百个边缘节点和区域（Regions），基础设施最为庞大。
  • ​DigitalOcean​：在 9 个核心区域拥有 15 个数据中心，包括纽约、旧金山、伦敦、阿姆斯特丹、法兰克福、新加坡、多伦多、班加罗尔和悉尼。对于中国企业出海而言，其新加坡节点（SGP1）对东南亚用户非常友好，而其欧美节点则是搭建出海站点的首选。

出了以上产品服务，亚马逊 AWS、微软 Azure、谷歌云 GCP、DigitalOcean 还提供常见的数据库托管、对象存储、块存储、负载均衡等一系列产品服务。

粗略算一笔账：1 TB 数据的实际取回成本

由于亚马逊 AWS、微软 Azure、谷歌云 GCP、DigitalOcean 的产品服务众多，我们无法对他们的服务成本进行逐一对比。但我们可以从其中一项存储服务成本来管中窥豹。之所以选择存储服务，是因为从目前趋势来讲，AI 、流媒体等产品

假设在 AWS 与 DigitalOcean 上分别存储 ​1 TB 的冷数据​，当业务需要重新使用该数据（如模型复训、历史数据回放或分析计算）时，其实际成本并不仅仅体现在存储单价上，而主要集中在​数据取回与流转阶段​。

以 AWS 为例，若数据存储在 ​S3 Glacier Flexible Retrieval​：

  • 数据取回费用约为 ​$0.01/GB（​​注意：​​ 如果选择“加急（Expedited）”，价格会飙升至 $0.03/GB；如果选择“批量（Bulk）”，可以降至 $0.0025/GB，但耗时需 5-12 小时。）
  • 1 TB 数据一次性取回成本约为 $10

取回完成后，数据将临时恢复至 S3 Standard，并在后续产生：

  • 标准存储费用
  • 可能的跨可用区或公网出站流量费用

在实际工程中，这部分成本往往与 GPU 使用周期强相关。

相比之下，若数据需要被拉取至云外 GPU 平台（如独立 GPU 云或海外算力节点），还将额外产生：

  • 公网出站流量费用（通常约 ​$0.09/GB​）
  • 1 TB 数据出站成本约为 $90

也就是说，一次完整的数据“冷存 → 取回 → 计算”流程，其实际支出结构大致为：

$10 数据取回 +$90 数据出站 ≈ $100 单次数据流转成本（不含存储本身）

如果将同样的使用场景放在​​ DigitalOcean 上​，其成本结构会明显简化。

在 DigitalOcean 中，Spaces 对象存储并不区分冷热层级，数据始终处于可直接访问状态，因此​不存在取回费用，也无需等待解冻过程​。当 1 TB 数据需要重新用于 GPU 计算时，可直接从 Spaces 读取至同区域的 GPU Droplet，不产生额外的数据检索或内部传输费用。

在公网数据分发阶段，Spaces 基础订阅（$5/月）包含 1 ​TB​​​ 的免费出站流量​。在该额度内，完整的数据取回与下发过程不会产生额外流量费用。

所以在 AWS 需要 100 美元左右，而在 DigitalOcean 仅需 5 美元。

在数据规模达到数 TB 或需要周期性复训的场景下，​数据流转费用往往会显著超过冷存储本身的长期成本​，成为影响整体 GPU 使用效率与算力预算的重要因素。

选型决策：你的企业该如何选择？

1、什么时候选 AWS / Azure / GCP？

  • ​架构极度复杂​：当你的业务需要覆盖非常多的区域、高度定制化的数据库集群或卫星通信、量子计算等尖端服务时。
  • ​合规性要求极高​：如果你是金融机构，需要通过极其严苛的政府合规性认证。
  • ​微软生态依赖​：业务底层深度依赖 .NET、Active Directory 和 Windows 域管理。

2、什么时候 DigitalOcean 是更明智的选择？

  • ​中小型企业/初创团队​：你没有庞大的运维团队，希望工程师能专注于业务代码，而不是钻研繁琐的云平台配置。
  • ​成本高度敏感​：特别是那些有大量出站流量（如 AI、区块链、广告平台等）的业务，DigitalOcean 的流量费用优势几乎无可替代。
  • AI/ML​​​ 快速开发​：需要稳定的 GPU 算力进行模型推理或小规模训练，且对性价比有极高要求。
  • ​业务全球化出海​：需要快速在海外（如北美、欧洲、东南亚）部署稳定节点。

中国企业的特别助力：卓普云 AI Droplet

对于中国境内的技术负责人来说，直接使用海外云服务往往面临支付流程复杂、技术支持跨时区等问题。卓普云 AI Droplet作为 DigitalOcean 的中国区战略合作伙伴，专门为 DigitalOcean 在中国及亚太地区的企业客户提供售前咨询、技术支持。

通过卓普云，中国企业可以​无缝对接 DigitalOcean 全线产品​，包括高性能的 GPU H100 实例和常规 Droplets，甚至预约提前测试即将上线的新产品，比如 NVIDIA B300 GPU Droplet，抢占旗舰级 AI 算力资源。同时，卓普云还提供​专业的技术咨询​，帮助企业将架构平稳迁移至 DO，实现低成本快速业务上线。

与此同时，由于 卓普云 AI Droplet 是由 DigitalOcean 最大股东全资建立的，所以可以帮助客户获得 DigitalOcean 的一手资源，以及进一步的​优惠折扣​。

总结

AWS、Azure 和 GCP（谷歌云）就像是功能齐全、体量巨大的超级航母，虽然能抵御任何风浪，但转向缓慢且运行成本高昂。而 DigitalOcean 更像是一艘轻快、敏捷且火力精准的巡洋舰。

对于大多数处于快速增长期的中国出海企业而言，“不过度设计、可预测的成本、卓越的性能”才是技术选型的真谛。DigitalOcean 通过简化复杂的云原生技术，让技术团队能腾出手来，去创造更有价值的业务成果。

无论你的目标是构建下一个独角兽应用，还是在全球范围内部署 AI 推理节点，深入理解这四大云服务商的区别，将为你企业的技术长青奠定坚实的基础。

https://sysre.cn/

https://github.com/NORMAL-EX/LetRecovery

就是把重装系统简化了/自动化了。省去了各种手动操作，小白一看就会。点点鼠标就能重装系统。

昨晚上试用了一下，效果很好，可以恢复自定义的 wim esd 之类的系统包。甚至在各种云服务器上都能运行。

各位程序员朋友如果有亲戚朋友求助装系统，就用这个工具试试。

新开发的项目，或许会有些 bug ，开发者很热心会给排查问题的。

目前的缺点就是没有内置 PE，运行重装之前要下载 800M 左右的 PE。瑕不掩瑜，开发者后续会优化 PE 体积的。

又是一年开学季。

腾讯云学生服务器活动相信大家都知道，，，不多说了。。

活动地址：https://www.qcloud.com/act/campus

但是腾讯出了一个规则，老用户不用抢代金卷，但是新用户需要每天中午12.00去抢卷。。。

有了这个脚本后，妈妈再也不用担心我抢不到卷了。。。。

注意：脚本非原创。。。

使用教程就是需要一个有审查元素的浏览器

然后在11.57的时候右键审查元素，然后点开Console，吧代码复制进去，然后回车。。就OK、。

你需要做的就是在12.00过后去观察有卷没有。。。。。

代码如下：

//make the button click-able
$("button.button.J-gotoAuth").removeAttr("disabled");

//disable the pop-up dialog window
$("div.dialog.J-bizDialog").hide();

//repeatly trigger the button in the time interval of 400ms
function btnhack() {
    $(document).ready(function(){
        $("button.button.J-gotoAuth").trigger("click");
    });
}
// 如果你的电脑配置好点，可以尝试把400毫米间隔改为更短
setInterval("btnhack()","400");