centos+elasticsearch5.1+ik+head+kibana+x-pack安装

打开https://www.elastic.co/downloads官网,

1.安装elasticsearch

选择tar下载elasticsearch5.1.1,执行

tar -xvzf elasticsearch-5.1.1.tar.gz

解压,生成elasticsearch-5.1.1文件夹,

cd elasticsearch-5.1.1/bin

执行

./elasticsearch

打开localhost:9200,可以看到


表示安装elasticsearch5.1.1成功!

2.安装ik

git clone https://github.com/medcl/elasticsearch-analysis-ik

cd elasticsearch-analysis-ik

mvn package

Maven是项目管理工具,mvn package会根据pom.xml里面的配置生成target目录,编译、测试代码,生成jar/war文件,然后将target/releases/elasticsearch-analysis-ik-5.1.1.zip解压放到elasticsearch-5.1.1/plugins/ik目录里面

重启elasticsarch

ik有2中分词形式,一种是ik_max_word,另一种是ik_smart

我们来看一下这2中分词有什么区别?以"今天上海下雨"为例:

curl -XPOST localhost:9200/_analyze -d '{"analyzer":"ik_max_word","text":"今天上海下雨"}'

ik_max_word:今天,天上,上海,下雨

curl -XPOST localhost:9200/_analyze -d '{"analyzer":"ik_smart","text":"今天上海下雨"}'

ik_smart:今天,上海,下雨

表示安装ik成功!

3.安装head

先修改elasticsearch-5.1.1/config/elasticsearch.yml,在最后加上下面2句话:

http.cors.enabled: true

http.cors.allow-origin: "*"

git clone git://github.com/mobz/elasticsearch-head.git

cd elasticsearch-head

npm install

grunt server

会看到

远程服务器可以grunt server,但是我的电脑执行grunt server会报错,提示bash: grunt: 未找到命令,这时候就要到

cd node_modules/grunt/bin


grunt server

打开localhost:9100

如果集群显示未连接,可能是版本不对应,吃过亏,囧。

成功的话就会显示

表示安装head成功!

4.安装kibana和x-pack

cd elasticsearch-5.1.1

bin/elasticsearch-plugin install x-pack

这个有点久

跟下载elasticsearch-5.1.1一样下载kibana

cd kibana-5.1.1-linux-x86_64

bin/kibana-plugin install x-pack

bin/kibana

打开localhost:5601,输入账号:elastic,密码:changeme。

此时访问localhost:9200也需要账号密码,同上。

如果不想输入账户密码,修改elasticsearch-5.1.1/config/elasticsearch.yml,在最后加上:

xpack.security.enabled: false


表示安装成功!

如果报如下异常

max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144]

修改系统文件sudo vim /etc/sysctl.conf,在最后加上:

vm.max_map_count=262144

sudo sysctl -p

输出


  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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