memcached 分布式缓存


memcached安装:
1.安装memcached首先得安装libevent  我这里安装的是libevent-2.0.18-stable.tar.gz   官网地址:http://libevent.org/
2.下载之后存放在/home/tmp/
3.解压tar -xvf libevent-2.0.18-stable.tar.gz  
4.安装 进入cd libevent-2.0.18-stable  执行命令:./configure --prefix=/usr
5.安装命令:make && make install  (查看是否成功:ls -al /usr/lib | grep libevent  这个命令是会显示一堆数据哦)


安装memcached
1.下载memcached  官网地址是:http://code.google.com/p/memcached/downloads/list  我选择的版本是:memcached-1.4.13.tar.gz
2.解压 tar -xvf memcached-1.4.13.tar.gz  ---->  进入cd memcached-1.4.13
3../configure --with-libevent=/usr
4.安装命令:make && make install(看清过程有没有出错)
5.启动一个memcached   执行命令:/usr/local/bin/memcached -d -m 1024 -u root -l 192.168.75.88 -p 10001 -c 256 -P /home/tmp/memcached.pid 


以下是各个参数的解释:


-d选项是启动一个守护进程,
-m是分配给Memcache使用的内存数量,单位是MB,我这里是1024MB,
-u是运行Memcache的用户,我这里是root,
-l是监听的服务器IP地址
-p是设置Memcache监听的端口 
-c选项是最大运行的并发连接数,默认是1024 (这个看你机器负载的情况来设置)

-P是设置保存Memcache的pid文件,我这里是保存在 /home/tmp/memcached.pid


这里还做了一个分布式  、记得哦 亲们 分布式是在客户端实现,利用客户端自带的hash算法实现存储到不同的服务器上

写了一些简单代码

    

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
package nettyproject.com.main;
 
import com.danga.MemCached.MemCachedClient;
import com.danga.MemCached.SockIOPool;
 
public class Test{
     
    private static MemCachedClient mem = new MemCachedClient("pool");
     
    static{
        //目前是使用的是sockiopool连接池  还有一种方式是xmemcached方式    俗称memcachedclientbuilder
        String[] ips = {"192.168.75.88:10001","192.168.75.88:10002","192.168.75.88:10003"};
         
        SockIOPool sip = SockIOPool.getInstance("pool");//memcached的poolName必须和此name一样
        sip.setServers(ips);
        sip.setInitConn(50);
        sip.setMinConn(50);
        sip.setMaxConn(500);
        sip.setNagle(true);
        sip.setHashingAlg(3);
        sip.initialize();//调用启动pool方法
    }
     
    public static void setMemcached(String key,Object value){
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
                //有很多set方法的重载,各位可以看看java memcahced api
        mem.set(key, value);
    }
     
    public static Object getMem(String key){
         
        return mem.get(key);
    }
     
    public static void main(String[] args) {
         
        Test.setMemcached("eclipse", "6.5");
        Test.setMemcached("eclipse1", "6.51");
        Test.setMemcached("eclipse2", "6.52");
        Test.setMemcached("eclipse3", "6.53");
        Test.setMemcached("eclipse4", "6.54");
        Test.setMemcached("eclipse5", "6.55");
        Test.setMemcached("eclipse6", "6.56");
        Test.setMemcached("eclipse7", "6.57");
        Test.setMemcached("eclipse8", "6.58");
         
        //使用的是分布式memcached缓存
        String s = (String)Test.getMem("eclipse");
        System.out.println(s);
    }
}


我这里只有一台服务器,所以我在一台服务器上开了三个memcached进程

执行上面的程序之后,

看官们可以登录到自己的服务器 、使用命令:telnet xxx.xxx.xx.x(ip) port(端口)

使用命令:get  key  来查看值

这个分布式有一个很严重的问题、就是其中某一台服务器宕机之后 数据是找不回来的,找了网上的资料看了下 ,说是可以通过magent代理来解决,下次研究下

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。
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