Pcapdb安装

简单记录下pcapdb安装

https://github.com/dirtbags/pcapdb下载地址

一.安装基本包:

yum install -y mlocate python3 python3-devel numactl-devel libhugetlbfs-devel cmake gcc-c++ numactl-devel numactl-devel libhugetlbfs-devel libpcap-devel nginx openssl-devel openldap-devel

  • Rabbitmq安装

去官Rabbitmq网看对应的erlang版本对应rabbitmq版本

https://www.rabbitmq.com/which-erlang.html

yum install erlang

yum -y install socat logrotate

curl -s https://packagecloud.io/install/repositories/rabbitmq/rabbitmq-server/script.rpm.sh | sudo bash

rpm --import https://github.com/rabbitmq/signing-keys/releases/download/2.0/rabbitmq-release-signing-key.asc

rpm --import https://packagecloud.io/rabbitmq/erlang/gpgkey

rpm --import https://packagecloud.io/rabbitmq/rabbitmq-server/gpgkey

wget --content-disposition https://packagecloud.io/rabbitmq/rabbitmq-server/packages/el/7/rabbitmq-server-3.6.14-1.el7.noarch.rpm/download.rpm

rpm -Uvh rabbitmq-server-3.6.14-1.el7.noarch.rpm

//rabbitMQ///

 

 

三.安装postgresql:

yum install https://download.postgresql.org/pub/repos/yum/10/redhat/rhel-7.9-x86_64/pgdg-redhat-repo-latest.noarch.rpm -y

yum install postgresql10 -y

yum install postgresql10-server -y

yum install postgresql10-devel -y

 

 

Mkdir /usr/include/postgresql

cp /usr/pgsql-10/include/libpq-fe.h /usr/include/postgresql/

cp /usr/pgsql-10/include/postgres_ext.h /usr/include/

cp /usr/pgsql-10/include/pg_config_ext.h /usr/include/

 

postgresql-10-setup initdb//安装完,初始化数据库

 

  • python安装包:

pip3 install virtualenv virtualenvwrapper

pip3 install -r ./requirements.txt

 

 

五.安装其它

/安装pfring

cd /etc/yum.repos.d/

wget https://packages.ntop.org/centos-stable/ntop.repo -O ntop.repo

rpm -ivh https://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpm

yum install -y erase zeromq3

yum clean all

yum update

yum install pfring-dkms n2disk nprobe ntopng cento

yum install pfring-drivers-zc-dkms 

yum install supervisor -y

yum install mdadm -y //程序配置硬盘时用的命令

/pfring

 

 

  • 编译

cd /var

Git clone https://github.com/dirtbags/pcapdb.git

Cd /var/pcapdb/indexer

cmake -DCMAKE_PREFIX_PATH=/usr/pgsql-10/

Make

Cd /var/pcapdb/

make install-search-head  DESTDIR=/var/mypcaplocation

make install-capture-node  DESTDIR=/var/mypcaplocation

make install-monolithic  DESTDIR=/var/mypcaplocation

 

/var/pcapdb/core/bin/post-install.sh -c -s 192.168.6.100

 

七.配置nginx和uwsgi。成功

修改nginx.conf:/etc/nginx/nginx.conf

用户改成root

把配置文件/etc/nginx/conf.d/pcapdb.conf内容copy到/etc/nginx/nginx.conf中

 

再/var/mypcaplocation/core/settings/settings.py后加上ALLOWED_HOSTS = ['*']

 

八.邮箱配置

修改vim ./core/settings/common.py文件77到82行。添加发件配置

修改vim ./core/apps/search_head_api/models/auth.py。如下

查看日志得到修改密码的链接,然后修改密码。

  • 启动配置页面

给硬盘分出一个区,不一挂载的。设置成index RAID。

再拿四个区做raid5当捕获盘,使能捕获盘

启动成功,采集流量 。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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