mongodb分片集群搭建与测试

  1. 搭建mongodb集群

用四台机器做集群测试:其中一台机器作为路由三台机器一个副本集合每台机器上两个mongodb,也就是一个分片两个副本集

节点名称

角色

Ip和端口

虚拟机名称

路由节点

路由

169.254.19.4:10066

hadoop

Set1集合master

master

169.254.19.5:10001

hadoop1

Set1集合slave

slave

169.254.19.6:10001

hadoop2

Set1集合arbiter

arbiter

169.254.19.7:10001

hadoop3

Set2集合master

master

169.254.19.5:10002

hadoop1

Set2集合slave

slave

169.254.19.6:10002

hadoop2

Set2集合arbiter

arbiter

169.254.19.7:10002

hadoop3

路由的config server

config server

169.254.19.4:10011

hadoop

路由的config server

config server

169.254.19.7:10011

hadoop3

路由的config server

config server

169.254.19.4:10022

hadoop

 

  1. 官方网站下载mongodb软件包 http://docs.mongodb.org/manual/
  2. 上传到linux,并解压mongodb-linux-i686-2.5.4.tgz
  3. 建立数据文件目录:

    169.254.19.4

    mkdir -p /usr/soft/mongodb/data/rote

    mkdir -p /usr/soft/mongodb/data/config1

    mkdir -p /usr/soft/mongodb/data/config3

    mkdir -p /usr/soft/mongodb/data/log

    169.254.19.5

    mkdir -p /usr/soft/mongodb/data/master1

    mkdir -p /usr/soft/mongodb/data/master2

    mkdir -p /usr/soft/mongodb/data/log

    169.254.19.6

    mkdir -p /usr/soft/mongodb/data/slave1

    mkdir -p /usr/soft/mongodb/data/slave2

    mkdir -p /usr/soft/mongodb/data/log

    169.254.19.7

    mkdir -p /usr/soft/mongodb/data/arbiter1

    mkdir -p /usr/soft/mongodb/data/arbiter2

    mkdir -p /usr/soft/mongodb/data/config2

    mkdir -p /usr/soft/mongodb/data/log

  4. 创建完数据和目录结构后,可以研究下分片集群的搭建,此分片集群有一个路由节点两个配置节点和两个副本集,每个副本集分主节点、从节点和仲裁节点,主从节点按 priority值的大小来区分最小则为主节点,而仲裁节点的标示为arbiterOnly:true 一般是从下到上的结构去搭建,所以先启动副本集:

    副本集1

    主节点:

    ./mongod --shardsvr --fork -logpath=/usr/soft/mongodb/data/log/log.txt -dbpath=/usr/soft/mongodb/data/master1 -port=10001 --nohttpinterface --replSet set1

    从节点:

    ./mongod --shardsvr --fork -logpath=/usr/soft/mongodb/data/log/log.txt -dbpath=/usr/soft/mongodb/data/slave1 -port=10001 --nohttpinterface --replSet set1

    仲裁节点:

    ./mongod --shardsvr --fork -logpath=/usr/soft/mongodb/data/log/log.txt -dbpath=/usr/soft/mongodb/data/arbiter1 -port=10001 --nohttpinterface --replSet set1

    副本集2

    主节点:

    ./mongod --shardsvr --fork -logpath=/usr/soft/mongodb/data/log/log.txt -dbpath=/usr/soft/mongodb/data/master2 -port=10002 --nohttpinterface --replSet set2

    从节点:

    ./mongod --shardsvr --fork -logpath=/usr/soft/mongodb/data/log/log.txt -dbpath=/usr/soft/mongodb/data/slave2 -port=10002 --nohttpinterface --replSet set2

    仲裁节点:

    ./mongod --shardsvr --fork -logpath=/usr/soft/mongodb/data/log/log.txt -dbpath=/usr/soft/mongodb/data/arbiter2 -port=10002 --nohttpinterface --replSet set2

     

  5. 分别进入副本集1和副本集2配置:./mongo  169.254.19.5:10001 

    cfg={_id:"set2",members:[{_id:0,host:'169.254.19.6:10002',priority:2}, {_id:1,host:'169.254.19.5:10002',priority:1},{_id:2,host:'169.254.19.7:10002',arbiterOnly:true}]};

    cfg={_id:"set1",members:[{_id:0,host:'169.254.19.6:10001',priority:2}, {_id:1,host:'169.254.19.5:10001',priority:1},{_id:2,host:'169.254.19.7:10001',arbiterOnly:true}]};

    可用rs.status();  查看集群配置状态:

    副本2的配置和副本1基本一样,就是改变下端口

  6. 启动配置节点:

    169.254.19.4

    ./mongod --configsvr --fork -logpath=/usr/soft/mongodb/data/log/logcfg1.txt -dbpath=/usr/soft/mongodb/data/config1 -port=10011 –nohttpinterface

    169.254.19.7

    ./mongod --configsvr --fork -logpath=/usr/soft/mongodb/data/log/logcfg2.txt -dbpath=/usr/soft/mongodb/data/config2 -port=10011 –nohttpinterface

    ./mongod --configsvr --fork -logpath=/usr/soft/mongodb/data/log/logcfg3.txt -dbpath=/usr/soft/mongodb/data/config3 -port=10022 –nohttpinterface

    启动路由节点:

    ./mongos --configdb 169.254.19.4:10011,169.254.19.7:10011,169.254.19.4:10022 --port 10066 --fork --logpath=/usr/soft/mongodb/data/log/logRote.txt

    注意:这里需要一个或者三个configdb,基数个configdb,类似于zookeeper,用于投票

     

  7. 配置 Sharding

    从路由节点进去配置:

    ./mongo 169.254.19.4:10066

    db.runCommand({addshard:'set1/169.254.19.5:10001,169.254.19.6:10001,169.254.19.7:10001'})

    db.runCommand({addshard:'set2/169.254.19.5:10002,169.254.19.6:10002,169.254.19.7:10002'})

  8. 通过命令来查看集群的状态:

    db.runCommand({listshards:1})

    printShardingStatus();

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值