设置SagerNet代理是通过Kubernetes平台实现功能分散、高可用性的关键。以下是一些常见的步骤和设置细节，帮助您成功配置代理

安装SagerNet代理

部署代理

1. 从代码仓库部署：
   • 下载SagerNet源代码仓库：

     git clone --recursive https://github.com/sager-groups/sagernet.git
     cd sagernet

   • 在sagernet/目录下编译和安装：

     mkdir build
     cd build
     cmake -DUSE_SAGER_ENV=production -DUSE_SAGER_LOG_LEVEL=CRITICAL
     make

   • 将编译好的文件部署到云服务：

     ./sagernet/deploy --container-file sagernet/deployment/containers/deepgenerate-.2./deepgenerate镜像/ --container-name sagernet

使用SageMaker Lambda部署

如果使用SageMaker Lambda部署，可以使用SageMaker的sagernet算法：

1. 在SageMaker中,选择“机器学习” > “部署” > “SageMaker Lambda”。
2. 上传SagerNet代码仓库和配置文件。
3. 点击部署,选择“启动训练”。
4. 点击“开始训练”，等待部署完成后。

配置环境变量

SagerNet代理依赖于Kubernetes的配置文件,因此需要设置以下环境变量：

• NJOY_API_KEY：Kubernetes的NJOY_API_KEY。

• NJOY_CLIENT_ID：Kubernetes的NJOY_CLIENT_ID。

• Kubernetes的配置文件：需要将Kubernetes配置文件（如kubernetes.config或kubernetes.json）复制到代理目录，例如sagernet/。

• SagerNet的配置文件：例如sagernet/deployment/containers/deepgenerate-.2./sagernet.py，需要包含以下内容：

  from sagernet import SagerNet
  class SagerNet(SageNet):
    def __init__(self):
      super(SagerNet, self).__init__()
      self.model = None
      self.config = {
        'batch_size': 32,
        'shuffle': True,
        'num_epochs': 1,
        'drop_out': 0.5,
        'learning_rate': 0.1,
        'hidden_dim': 256,
        'n_classes': 1,
        'output_path': 'sagernet-model',
        'log_level': 'CRITICAL'
      }

启动代理

使用命令行命令

1. 在Kubernetes容器环境中启动代理：

   sagernet

2. 如果需要调整代理的状态（暂停、恢复或停止），可以使用sagernet/stop、sagernet/restore或sagernet/stop --cancel命令。

使用API调用

如果使用SageMaker Lambda，可以使用代理的API来调用模型：

1. 在SageMaker中,访问代理：

   https://localhost:8

2. 调用代理：

   POST /sagernet

   • 输入特征向量：[1., 0., 0., ...]。
   • 返回预测结果。

管理代理状态

1. 停止代理：

   sagernet/stop

2. 恢复代理：

   sagernet/restore

3. 暂停代理：

   sagernet/stop --cancel

**配置Kubernetes环境

确保Kubernetes的配置文件（kubernetes.config或kubernetes.json）包含以下内容：

• NJOY_API_KEY：代理使用的Kubernetes API密钥。
• NJOY_CLIENT_ID：Kubernetes的客户端ID。
• Kubernetes服务：配置服务名称、主题、资源池等。