Fastdfs的安装配置

公司原有的平台,使用传统的方式保存图片,在集群环境下,图片散落在不同的机器上,虽然通过各种同步机制去同步汇总,但是会有各类问题,比如延时,图片同步不成功等。于是考虑把图片服务抽象出来,单独部署,对各个子平台,提供restful接口,图片的储存,我们采用Fastdfs。

版本说明:
FastDFS 5.04
fastdfs_client_java_v1.24.tar
fastdfs-nginx-module_v1.16.tar
libfastcommon-1.0.7.tar
nginx-1.6.2.tar.gz
下载地址:
http://sourceforge.net/projects/fastdfs/files/
http://nginx.org/
与之前版本不同的是,v5.04首先需要安装libfastcommon
下载地址:https://github.com/happyfish100/libfastcommon.git

一. 首先安装libfastcommon      
   tar -zxvf  libfastcommon-1.0.7.tar
   cd libfastcommon-1.0.7
   ./make.sh
   ./make.sh install
但是FastDFS主程序设置的lib目录是/usr/local/lib
所以需要创建软链接.
ln -s /usr/lib64/libfastcommon.so /usr/local/lib/libfastcommon.so
ln -s /usr/lib64/libfastcommon.so /usr/lib/libfastcommon.so
ln -s /usr/lib64/libfdfsclient.so /usr/local/lib/libfdfsclient.so
ln -s /usr/lib64/libfdfsclient.so /usr/lib/libfdfsclient.so

二. 安装FastDFS主程序
   tar -zxvf FastDFS_v5.04.tar.gz
   cd FastDFS
   ./make.sh
   ./make.sh install
如果要修改fastdfs安装路径,编辑make.sh,修改TARGET_PREFIX 修改为 /usr/local/fastdfs

三. 配置tracker
   cd /etc/fdfs
   mv tracker.conf.sample tracker.conf
   vi tracker.conf
   修改 base_path=/usr/local/fastdfs_tracker   ps:需新建该目录
   启动tracker  fdfs_trackerd  /etc/fdfs/tracker.conf   (restart,stop,start)
   查看storage状态:fdfs_monitor /etc/fdfs/storage.conf  | egrep "ip_addr|Storage|Group"
        
   修改client配置        /etc/fdfs/client.conf
   tracker_server=192.168.101.222:22122   这里配置的是tracker机器的ip
   bath_path=/usr/local/fastdfs_tracker


四.   配置stroage
      cd /etc/fdfs
      mv storage.conf.sample storage.conf
      vi storage.conf
      修改
      group_name=group1
      base_path=/usr/local/fastdfs_storage  ps:需新建该目录
      store_path0=/usr/local/fastffs_storage
      tracker_server=192.168.101.222:22122
      创建软连接,在/storage目录下创建软连接,将其链接到实际存放数据的目录,
      ln -s /usr/local/fastdfs_storage/data  /usr/local/fastdfs_storage/M00

      启动storage:fdfs_storaged /etc/fdfs/storage.conf

      查看storage状态:fdfs_monitor /etc/fdfs/storage.conf  | egrep "ip_addr|Storage|Group"

      测试上传:fdfs_upload_file client.conf /root/soft/test.txt
      fdfs_test /etc/fdfs/client.conf upload test.txt  另外一种测试方式
      如果得到以下结果,说明Fastdfs成功保存了
      http://192.168.101.222/group1/M00/00/00/wKhl3lRk1EyAP6gMAAAACsZ1ls8407.txt
 
五.storage上安装nginx和fastdfs module

   解压module : tar -zxvf fastdfs-nginx-module_v1.16.tar.gz
   FastDFS通过Tracker服务器,将文件放在Storage服务器存储,
  但是同组之间的服务器需要复制文件,有延迟的问题.
   假设Tracker服务器将文件上传到了192.168.1.80,文件ID已经返回客户端,
   这时,后台会将这个文件复制到192.168.1.30,如果复制没有完成,客户端就用这个ID在192.168.1.30取文件,肯定会出现错误
   这个fastdfs-nginx-module可以重定向连接到源服务器取文件,避免客户端由于复制延迟的问题,出现错误。

    修改fastdfs-nginx-module的config文件
    原来的内容是
   CORE_INCS="$CORE_INCS /usr/local/include/fastdfs /usr/local/include/fastcommon/"
    vim /home/nginx/fastdfs-nginx-module/src/config,修改为
    CORE_INCS="$CORE_INCS /usr/include/fastdfs /usr/include/fastcommon"

     各个版本的位置并不统一.所以需要根据自己的版本修改位置。

       复制fastdfs-nginx-module源码中的配置文件到/etc/fdfs
       cp /root/soft/fastdfs-nginx-module/src/mod_fastdfs.conf /etc/fdfs  
       修改该配置文件
       group_name=group1
       tracker_server=192.168.101.222:22122
       store_path0=/usr/local/fastdfs_storage
       base_path=/usr/local/fastdfs_storage

       如果访问的时候,带group name ,需要修改/etc/fdfs/mod_fastdfs.conf  set  url_have_group_name = true

       复制FastDFS的配置到/etc/fdfs : cp http.conf mime.types /etc/fdfs/

六. storege上nginx安装

      nginx的安装比较简单,主要是要加上fastdfs module.

      ./configure \
--prefix=/usr/local/nginx \
--with-http_stub_status_module \
--with-http_ssl_module \
--add-module=/root/soft/fastdfs-nginx-module/src

然后就是make&& make install
最后配置nginx.conf,在里面加上:

   location /group1/M00 {
            root /usr/local/fastdfs_storage/data;
            ngx_fastdfs_module;
    }       

nginx reload后,即可通过nginx来访问上传的图片了
    





1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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