Vector_DB_with_LLM

Vector_db_with_llm

Vector_db_with_llm

Fastapi هو إطار عمل حديث ، سريع (عالي الأداء) ، على شبكة الإنترنت لبناء واجهات برمجة التطبيقات مع Python 3.8+ استنادًا إلى Python القياسية. هذا مستودع يوفر تسليم السجلات إلى تطبيق Prometheus-Export.

Langchain (https://github.com/langchain-ai/langchain) هو إطار لتطوير التطبيقات التي تعمل بنماذج لغة كبيرة (LLMS). Langchain هو إطار مفتوح المصدر لبناء التطبيقات على أساس نماذج اللغة الكبيرة (LLMS). LLMS هي نماذج كبيرة للتعلم العميق المدربين مسبقًا على كميات كبيرة من البيانات التي يمكن أن تنشئ ردود على استعلامات المستخدم. على سبيل المثال ، الإجابة على الأسئلة أو إنشاء صور من مطالبات مستندة إلى النص. المطالبات هي الاستفسارات التي يستخدمها الناس للبحث عن ردود من LLM.

• مثال: https://colab.research.google.com/github/i- am-shuan/learn-langchain/blob/main/langchain_rag_example.ipynb ، https://velog.io/@kwon0koang/٪EB٪A1٪9C٪BB٪AC٪97٪90٪90٪84٪9C-Llama3-٪EB٪8F٪EB٪A6٪AD٪B8٪B8٪B0
• Documentation
• : https://hackernoon.com/lang/ko/ollama-python-٪eb0٪8FchromdB٪EB٪A5٪BC-٪EC٪82٪AC٪9A ٪ A9 ٪ ED ٪ 95 ٪ 98 ٪ EC ٪ 97 ٪ AC- ٪ EB ٪ A1 ٪ 9C ٪ EC ٪ BB ٪ AC ٪ EC ٪ 97 ٪ 90 ٪ EC ٪ 9C-LLM ٪ EC ٪ 9D ٪ 84- ٪ EC ٪ 84 ٪ A4 ٪ A 0 ٪ 95 ٪ ed ٪ 95 ٪ 98 ٪ EB ٪ 8A ٪ 94- ٪ EB ٪ 8B ٪ A8 ٪ EA ٪ B3 ٪ 84 ٪ EB ٪ B3 ٪ 84- EA ٪ B0 ٪ 80 ٪ EC ٪ 9D ٪ B4 ٪ EB ٪ 93 ٪ EB ٪ A1 ٪ 9 C- ٪ EB ٪ 82 ٪ 98 ٪ EB ٪ A7 ٪ 8C ٪ EC ٪ 9d ٪ 98- ٪ EB ٪ 9e ٪ 98 ٪ EA ٪ B7- ٪ EC ٪ 95 ٪ B1- ٪ EB ٪ A7 ٪ 8C EB ٪ 93 ٪ A4 ٪ B8 ٪ B0
• LLM المحلي: https://github.com/firstpersoncode/local-rag؟ref=hackernoon.com

Vectordb (أي Milvus ، Faiss (Facebook AI Search) ، غالبًا ما يتم استخدامه في مجال التعرف على الآلة ، و Qdrant ، و pinecone): قاعدة بيانات متجه (Vectordb) لتخزينها وإدارتها في مجال التعلم في الآلة. تشير بيانات المتجه إلى التمثيلات العددية للكائنات ، والتي يمكن استخدامها للبحث عن التشابه ، والتجميع ، وغيرها من المهام. (المرجع: https://krishna-yogik.medium.com/vectordb-tutorial-a-beginners-guide-06dc3333fac2f)

• استخدام حالات
  • توصيات VectordB: تشغيل توصيات شخصية من خلال العثور على مستخدمين مماثلة أو عناصر بناءً على تمثيلات المتجهات الخاصة بهم. (أمثلة: توصيات الأفلام أو الموسيقى أو المنتج)
  • استرجاع الصورة والفيديو: تمكين الصور والفيديو القائمة على المحتوى من خلال البحث عن ميزات مرئية مماثلة.
  • معالجة اللغة الطبيعية (NLP): العثور على نصوص أو مستندات أو استعلامات متشابهة بشكل دلالي باستخدام ضمانات المتجهات من نماذج مثل Bert أو Word2Vec. (أمثلة: تجميع المستندات ، تحليل المشاعر ، البحث الدلالي)
  • اكتشاف الشذوذ: تحديد أنماط غير عادية أو القيم المتطرفة في البيانات عالية الأبعاد. (الكشف عن الاحتيال ، الكشف عن تدخل الشبكة)

RAG (توليد إغراق الاسترجاع) هو تقنية منظمة العفو الدولية تتيح للشركات تضمين بيانات الملكية الحالية وذات الصلة تلقائيًا مباشرة في موجه LLM.

• نحن لا نتحدث فقط عن البيانات المنظمة مثل جدول بيانات أو قاعدة بيانات علائقية.
• نعني استرداد جميع البيانات المتاحة ، بما في ذلك البيانات غير المهيكلة: رسائل البريد الإلكتروني ، PDFs ، سجلات الدردشة ، منشورات الوسائط الاجتماعية ، وأنواع أخرى من المعلومات التي قد تؤدي إلى إخراج منظمة العفو الدولية أفضل.
• باختصار ، تساعد RAG الشركات على استرداد واستخدام بياناتها من مصادر داخلية مختلفة لتحسين نتائج الذكاء الاصطناعي.
• لتحقيق هذه الدقة المحسّنة ، تعمل RAG بالاقتران مع نوع متخصص من قاعدة البيانات - تسمى قاعدة بيانات المتجهات - لتخزين البيانات بتنسيق رقمي منطقي بالنسبة إلى الذكاء الاصطناعي واستردادها عند المطالبة بها.
• لا يمكن لـ RAG القيام بعملها دون قيام قاعدة بيانات المتجه بعملها.
• الخطوة (https://blog.naver.com/htk1019/223442628204): محمل المستند ⮕ نص نص ⮕ تضمين ⮕ متجر المتجه (ناقلات حفظ) ⮕ Retriver
• [1] تقسيم النص - تقسيم البيانات إلى أجزاء صغيرة.
• [2] تضمين التحول - استخدم نموذج تضمين لتحويل كل قطعة نص إلى تضمين.
• [3] تخزين المتجه - قم بتخزين تضمينات البيانات في قاعدة بيانات المتجهات.
• [4] تعيين النص - احفظ قطع النص وتضميناتها المقابلة للاستخدام في المستقبل.
• [5] استعلام التضمين - تحويل استعلام المستخدم إلى تضمين باستخدام نفس نموذج التضمين المستخدم سابقًا.
• [6] استعلام قاعدة البيانات - استخدم تضمين الاستعلام لاسترداد تضمينات البيانات ذات الصلة من قاعدة بيانات المتجه.
• [7] بحث التشابه - لتحديد أجزاء النص الأكثر تشابهًا ، قم بإجراء بحث أقرب جار تقريبي (ANN).
• [8] تعيين السياق - خريطة المتجهات المستردة إلى قطع النص المقابلة.
• [9] استجابة LLM - تمرير السياق الذي تم استرداده في المطالبة جنبًا إلى جنب مع الاستعلام إلى LLM للحصول على الإجابة. هذا يضمن أن الإجابة تعتمد فقط على السياق المحدد.

Apache Flink: Apache Kafka و Apache Flink هما أداة قوية في البيانات الضخمة ومعالجة الدفق. بينما تشتهر كافكا بنظام المراسلة القوي ، فإن Flink جيد في معالجة الدفق والتحليلات في الوقت الفعلي.

• Apache Kafka: منصة البث الموزعة ، نظام المراسلة لدفقات البيانات في الوقت الفعلي ، نظام المراسلة النشر ، الموضوع/المنتج/المستهلك
• Apache Flink: إطار معالجة الدفق الموزعة ، معالجة الدفق والتحليل " https://medium.com/@aaron.cpsh/designing-treaming-data-pipeline-with-apache-flink-and-kafka-a75d55918)
  • apache flink هو إطار ومحرك معالجة موزعة للحسابات الهادئة على البيانات المحدودة وغير المحدودة. يمكن اعتبار تدفقات البيانات المحدودة على أنها معالجة الدُفعات ويمكن اعتبار تدفقات البيانات غير المحدودة على أنها معالجة الدفق لأن
  • Pyflink تمت مناقشتها تقليديًا هي واجهة برمجة تطبيقات Python لـ Apache Flink. يسمح للمستخدمين بكتابة برامج Flink في Python وتنفيذها على مجموعة Flink.
  • يمكن استرداد المصادر والمصارف من مصادر مختلفة:
    • نظام الملفات (المصدر/الحوض)
    • Apache kafka (المصدر/الحوض)
    • Apache Cassandra (Sink)
    • Amazon Kinesis Stream (المصدر/الحوض
    • )
    • Elasticsearch (Sink)
    • file
    • (source) api (
    • sink) kaf
    kdbc (
    • sink
    • )
    kdbc
  • kdbc : https://thingsolver.com/blog/streaming-analytics- https://github.com/apache/flink/blob/master/flink-python/pyflink/examples/datastream/connectors/kafka_json_format.py

spreamlit هو إطار python open-source ، streamlits/streamples

• . https://pypi.org/project/streamlit-ghat/
• spreamleit تثبيت وتشغيل

pip install streamlit pip install streamlit-chat streamlit run [streamlit-filenam.py] [--server.port 30001] streamlit run app.py

• اختبار التطبيق: https://github.com/streamlit/llm-examples/blob/main/.github/workflows/app-testing.yml
• متطلبات dev.txt

black==23.3.0 mypy==1.4.1 pre-commit==3.3.3 watchdog pytest

Gradio (https://www.gradio.app/guides/quickstart): Gradio عبارة عن حزمة بيثون مفتوحة المصدر تتيح لك إنشاء تطبيق تجريبي أو ويب بسرعة لنموذج التعلم الآلي الخاص بك أو واجهة برمجة التطبيقات أو أي وظيفة بيثون تعسفية. يمكنك بعد ذلك مشاركة رابط إلى العرض التوضيحي أو تطبيق الويب الخاص بك في بضع ثوانٍ فقط باستخدام ميزات المشاركة المدمجة في Gradio.

تشغيل

• pip install --upgrade gradio
• ./gradio-start.sh

• ​(https://github.com/features/codeSpaces ، https://velog.io/@profile_exe/github-codespaces): تجعلك مساحات CodeSpaces Github وترميزها بشكل أسرع مع بيئات التطوير السحابي المكوّنة والمكوّنة بالكامل لـ Github.

• يتيح Pyautogui للتحكم في البرامج النصية Python الخاصة بك بالماوس ولوحة المفاتيح لأتمتة التفاعلات مع التطبيقات الأخرى. تم تصميم API لتكون بسيطة. يعمل Pyautogui على Windows و MacOs و Linux ، ويعمل على Python 2 و 3. للتثبيت مع PIP ، قم بتشغيل pip install pyautogui . راجع صفحة التثبيت لمزيد من التفاصيل (https://pyautogui.readthedocs.io/en/latest/)

import pyautogui import time while True: print(pyautogui.position ()) pyautogui.moveTo(100,200) pyautogui.click(100, 200) # pyautogui.moveTo(200,200, duration=0.5) time.sleep(10)

• دفتر Jupyter ( ./jupyter-notebook.sh ): http: // localhost: 8889/tree/langchain/workflow/jupyter
  • -workflow pip include jupyterthemes #installing jupyter thin (jt -t oceans16 -t -t -n)
  • ! -N -l الموضوعات المتاحة: Chesterish Gruvboxd Gruvboxl Monokai Oceans16 OneDork Solarizedd Solarizedl (.venv)

Python V3.9 تثبيت

• Gunicorn/fastapi: https://chaechae.life/blog/ffastapi-diployment-gunic
• -gunic. (https://datamoney.tistory.com/378)

sudo yum install gcc openssl-devel bzip2-devel libffi-devel zlib-devel git wget https://www.python.org/ftp/python/3.9.0/Python-3.9.0.tgz tar –zxvf Python-3.9.0.tgz or tar -xvf Python-3.9.0.tgz cd Python-3.9.0 ./configure --libdir=/usr/lib64 sudo make sudo make altinstall # python3 -m venv .venv --without-pip sudo yum install python3-pip sudo ln -s /usr/lib64/python3.9/lib-dynload/ /usr/local/lib/python3.9/lib-dynload # -- From Python ^3.10 , It need to be installed openssl # openssl cd /usr/local/src wget https://www.openssl.org/source/openssl-1.1.1t.tar.gz tar xvf openssl-1.1.1t.tar.gz cd openssl-1.1.1t/ ./config --prefix=/usr/local/ssl --openssldir=/usr/local/ssl shared zlib make sudo make install export LDFLAGS= " -L/usr/local/ssl/lib " export CPPFLAGS= " -I/usr/local/ssl/include " # openssl확인 /usr/local/ssl/bin/openssl version export LD_LIBRARY_PATH=/usr/local/ssl/lib: $LD_LIBRARY_PATH echo $LD_LIBRARY_PATH sudo yum install gcc openssl-devel bzip2-devel libffi-devel zlib-devel git wget https://www.python.org/ftp/python/3.11.0/Python-3.11.0.tgz tar –zxvf Python-3.11.0.tgz or tar -xvf Python-3.11.0.tgz cd Python-3.11.0 # --with-openssl-rpath=auto 옵션을 추가하여 파이썬이 자동으로 올바른 OpenSSL 라이브러리 경로를 찾도록 함 # ./configure --libdir=/usr/lib64 --with-openssl=/usr/local/ssl --with-openssl-rpath=auto ./configure --libdir=/usr/lib64 --with-openssl=/usr/bin/ssl --with-openssl-rpath=auto sudo make sudo make altinstall # -- Error occurs when installing packages via pip like below (.venv) -bash-4.2$ pip install elasticsearch==7.13 WARNING: pip is configured with locations that require TLS/SSL, however the ssl module in Python is not available. WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by ' SSLError("Can ' t connect to HTTPS URL because the SSL module is not available. " )': /simple/elasticsearch/ WARNING: Retrying (Retry(total=3, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLError( " Can ' t connect to HTTPS URL because the SSL module is not available.") ' : /simple/elasticsearch/ ERROR: Operation cancelled by user # -- python -m venv .venv source .venv/bin/activate # -- Swagger pip install poetry poetry add fastapi poetry add uvicorn poetry add gunicorn poetry add pytz poetry add httpx poetry add pytest poetry add pytest-cov poetry add requests poetry add pyyaml poetry add elasticsearch==7.13 poetry add python-dotenv poetry add jupyter # -- # -- Vector poetry config virtualenvs.in-project true pip install poetry poetry init poetry add openai langchain langchainhub tiktoken chromadb langchain-community bs4 python-dotenv poetry add sentence-transformers poetry add pypdf poetry add docx2txt poetry add faiss-cpu poetry add requests pip install --q openai langchain langchainhub tiktoken chromadb langchain-community bs4 # when error occur like this # ImportError: urllib3 v2 only supports OpenSSL 1.1.1+, currently the 'ssl' module is compiled with 'OpenSSL 1.0.2k-fips 26 Jan 2017'. See: https://github.com/urllib3/urllib3/issues/2168 pip install urllib3==1.26.18 pip install pytz pip install requests==2.27.1

API تشغيل

• خدمة بدء تشغيل ./service-start.sh
• fyi) تثبيت المكتبة مع setup.py مثل pip install git+https://github.com/jm/git_pip_install.git أو git+https://oss.navercorp.com/nsml/nsml_notebook.git@branch_name (https://liferecorde.tistory.com/49 ، https://newsight.tistory.com/296)
• استخراج النص باستخدام langchain.document_loaders مع tika ( ./Langchain/workflow/ )

curl -X ' POST '  ' http://localhost:7001/vector/uploadfile '  -H ' accept: application/json '  -H ' Content-Type: multipart/form-data '  -F ' [email protected];type=application/msword ' { " filename " : [ { " index " : { " _index " : " test_context " , " _type " : " search " } }, { " ES_UPLOADED " : " JSON_FORMAT " , " CONTENT " : " This is a test Word document for the TemplatePackage example site. " } ] }

• ابدأ واستخراج النص باستخدام حزم langchain.sommunity باستخدام python ./Langchain/workflow/text_loader.py

*** type : < class ' list ' > / len : 1 data : [Document(metadata={'source': 'C:\Users\euiyoung.hwang\Git_Workspace\Vector_DB_with_LLM/Data/Sample.hwp'}, page_content='KTX 노선도ﺎĀ Ā※ KTX 소요 시간과 운임은 철도청의 사정에 따라 변동할 수 있습니다.Ā서울용산광명Ā천안아산대전서대전동대구익산논산김제밀양정읍구포장성광주부산광주송정나주목포ĀྠĀ 경부선 ྠĀ 호남선ĀĀKTX 소요시간호남선 (서울~천안아산 경부선과 동일)서울서대전논산익산김제정읍장성광주광주송정나주목포시:분6:226:517:15-7:38--8:06-8:38경부선서울용산광명천안아산대전동대구밀양구포부산시:분5:305:456:246:307:187:498:148:27KTX 운임안내최저운임8,100원 (월~목 요금제 기준)호남선 (단위:원)행신8,1008,10015,10024,50026,40028,80031,20032,80035,00037,10039,00040,40044,80040,000용산8,10013,30022,70024,70027,20029,60031,20033,40036,30037,50038,90043,30038,400광명11,30020,70022,60025,10028,60029,40031,60034,50036,40037,10041,50036,700천안아산9,40011,40014,00017,70019,10021,70024,70026,60027,70032,20027,300서대전8,1008,1008,30010,00012,70015,90018,10019,70024,30019,300계룡8,1008,1008,10010,70014,00016,10017,70022,50017,400논산8,1008,1008,10011,40013,50015,10020,20014,800익산8,1008,1008,1009,80011,40016,50011,100김제8,1008,1008,1009,70014,8009,300정읍8,1008,1008,10012,1008,100장성8,1008,1008,9008,100광주송정8,1008,100-나주8,100-목포-광주경부선 (단위:원)행신8,1008,10014,10022,80039,70044,20047,80049,100서울8,10012,70021,40038,40043,00046,60047,900광명10,50019,20036,50041,00044,60046,000천안아산8,70025,60029,40032,90034,200대전16,90022,10025,30026,700동대구8,1009,30010,800밀양8,1008,100구포8,100부산')] page_content : KTX 노선도ﺎĀ Ā※ KTX 소요 시간과 운임은 철도청의 사정에 따라 변동할 수 있습니다.Ā서울용산광명Ā천안아산대전서대전동대구익산논산김제밀양정읍구포장성광주부산광주송정나주목포ĀྠĀ 경부선 ྠĀ 호남선ĀĀKTX 소요시간호남선 (서울~천안아산 경부선과 동일)서울서대전논산익산김제정읍장성광주광주송정나주목포시:분6:226:517:15-7:38--8:06-8:38경부선서울용산광명천안아산대전동대구밀양구포부산시:분5:305:456:246:307:187:498:148:27KTX 운임안내최저운임8,100원 (월~목 요금제 기준)호남선 (단위:원)행신8,1008,10015,10024,50026,40028,80031,20032,80035,00037,10039,00040,40044,80040,000용산8,10013,30022,70024,70027,20029,60031,20033,40036,30037,50038,90043,30038,400광명11,30020,70022,60025,10028,60029,40031,60034,50036,40037,10041,50036,700천안아산9,40011,40014,00017,70019,10021,70024,70026,60027,70032,20027,300서대전8,1008,1008,30010,00012,70015,90018,10019,70024,30019,300계룡8,1008,1008,10010,70014,00016,10017,70022,50017,400논산8,1008,1008,10011,40013,50015,10020,20014,800익산8,1008,1008,1009,80011,40016,50011,100김제8,1008,1008,1009,70014,8009,300정읍8,1008,1008,10012,1008,100장성8,1008,1008,9008,100광주송정8,1008,100-나주8,100-목포-광주경부선 (단위:원)행신8,1008,10014,10022,80039,70044,20047,80049,100서울8,10012,70021,40038,40043,00046,60047,900광명10,50019,20036,50041,00044,60046,000천안아산8,70025,60029,40032,90034,200대전16,90022,10025,30026,700동대구8,1009,30010,800밀양8,1008,100구포8,100부산 *** [ { " index " : { " _index " : " test_context " , " _type " : " search " } }, { " ES_UPLOADED " : " JSON_FORMAT " , "CONTENT": "KTX 노선도ﺎĀ Ā※ KTX 소요 시간과 운임은 철도청의 사정에 따라 변동할 수 있습니다.Ā서울용산광명Ā천안아산대전서대전동대구익산논산김제밀양정읍구포장성광주부산광주송정나주목포ĀྠĀ 경부선 ྠĀ 호남선ĀĀKTX 소요시간호남선 (서울~천안아산 경부선과 동일)서울서대전논산익산김제정읍장성광주광주송정나주목포시:분6:226:517:15-7:38--8:06-8:38경부선서울용산광명천안아산대전동대구밀양구포부산시:분5:305:456:246:307:187:498:148:27KTX 운임안내최저운임8,100원 (월~목 요금제 기준)호남선 (단위:원)행신8,1008,10015,10024,50026,40028,80031,20032,80035,00037,10039,00040,40044,80040,000용산8,10013,30022,70024,70027,20029,60031,20033,40036,30037,50038,90043,30038,400광명11,30020,70022,60025,10028,60029,40031,60034,50036,40037,10041,50036,700천안아산9,40011,40014,00017,70019,10021,70024,70026,60027,70032,20027,300서대전8,1008,1008,30010,00012,70015,90018,10019,70024,30019,300계룡8,1008,1008,10010,70014,00016,10017,70022,50017,400논산8,1008,1008,10011,40013,50015,10020,20014,800익산8,1008,1008,1009,80011,40016,50011,100김제8,1008,1008,1009,70014,8009,300정읍8,1008,1008,10012,1008,100장성8,1008,1008,9008,100광주송정8,1008,100-나주8,100-목포-광주경부선 (단위:원)행신8,1008,10014,10022,80039,70044,20047,80049,100서울8,10012,70021,40038,40043,00046,60047,900광명10,50019,20036,50041,00044,60046,000천안아산8,70025,60029,40032,90034,200대전16,90022,10025,30026,700동대구8,1009,30010,800밀양8,1008,100구포8,100부산" } ]

• REST API url: http://localhost:7001/docs

Pytest

• انتقل إلى Enviroment الظاهري باستخدام source .venv/bin/activate
• تشغيل هذا الأمر يدويًا: poetry run py.test -v --junitxml=test-reports/junit/pytest.xml --cov-report html --cov tests/ ./pytest.sh

$ ./pytest.sh tests t est_api.py::test_skip SKIPPED (no way of currently testing this) [ 50%] tests t est_api.py::test_api PASSED [100%] ---------- coverage: platform win32, python 3.11.7-final-0 ----------- Name Stmts Miss Cover Missing ---------------------------------------------------------------- config c onfig.py 8 4 50% 16-20, 33 config l og_config.py 32 1 97% 42 controller _ _init__.py 0 0 100% controller c luster_controller.py 14 0 100% injector.py 25 0 100% main.py 23 9 61% 38-57, 69 service _ _init__.py 0 0 100% service e s_search_handler.py 139 103 26% 32-88, 131-132, 139-155, 160-173, 178-191, 196-213, 219-254, 259-271, 276-287, 292-304, 309-315 service e s_util.py 21 16 24% 5-11, 16-19, 24-35, 40-41 service q uery_builder.py 42 27 36% 21-40, 48-51, 64-83, 89-98, 102-137 service s tatus_handler.py 13 2 85% 12, 19 tests _ _init__.py 0 0 100% tests c onftest.py 8 0 100% tests t est_api.py 9 1 89% 7 ---------------------------------------------------------------- TOTAL 334 163 51% $

CI/CD Environment

• Circleci ( ./circleci/config.yml ): Circleci هو منصة تكامل مستمر وتسليم مستمر يساعد فرق البرمجيات على العمل بشكل أكثر ذكاءً وأسرع. مع Circleci ، يبدأ كل التزام وظيفة جديدة في نظامنا الأساسي ، وتم تصميم الكود واختباره ونشره.
• إجراءات github ( ./.github/workflows/build-and-test.yml ): إجراءات GitHub هي عبارة عن نظام تكامل مستمر وتسليم مستمر (CI/CD) يتيح لك أن تتم أتمتة إنشاء أنابيب البناء والاختبار والنشر. يمكنك إنشاء مهام سير العمل التي تقوم بإنشاء واختبار كل طلب سحب إلى مستودعك ، أو نشر طلبات السحب المدمجة إلى الإنتاج.

تسجل خدمة

• sudo خدمة Vector_Interface_api الحالة/إيقاف/ابدأ/إعادة تشغيل

# -- /etc/systemd/system/vector_interface_api.service [Unit] Description=Swagger ES Service [Service] User=devuser Group=devuser Type=simple ExecStart=/bin/bash /home/devuser/Git_Repo/service-start.sh ExecStop= /usr/bin/killall vector_interface_api [Install] WantedBy=default.target # Service command sudo systemctl daemon-reload sudo systemctl start vector_interface_api.service sudo systemctl status vector_interface_api.service sudo systemctl stop vector_interface_api.service sudo service vector_interface_api status/stop/start