Nginx + Tomcat 7 + Memcached 集群配置

一:系统环境

操作系统:Ubuntu 13.10 x64

Tomcat :apache-tomcat-7.0.52

JDK : 1.7.0_51

Nginx:nginx/1.7.1

Memcached:1.4.20


二:部署环境

Nginx代理服务器

192.168.1.200 安装路径:/usr/local/nginx

安装步骤:http://blog.csdn.net/mn960mn/article/details/29353827

Memcached

192.168.1.200 安装路径:/usr/local/memcached

 

Tomcat1

192.168.1.200 安装路径:/opt/apache-tomcat-7.0.52

 

Tomcat2

192.168.1.201 安装路径:/opt/apache-tomcat-7.0.52

 

Tomcat2

192.168.1.202 安装路径:/opt/apache-tomcat-7.0.52

192.168.1.200

192.168.1.201

192.168.1.202

三个linux上,均需要在/etc/hosts文件中,增加如下内容:

192.168.1.200       tomcat

192.168.1.201       cluster1     

192.168.1.202       cluster2

 

三:配置

1:nginx.conf

   添加:

   upstream tomcat_cluster {

        server tomcat:8080;

        server cluster1:8080;

        server cluster2:8080;

}

 

在 server { 里面添加

location /cloudos {

      proxy_pass http://tomcat_cluster;

 }

 

2:

(1)    创建目录/src

(2)    把项目放入/src目录,我这里的项目是:cloudos

(3)    配置Tomcat,配置server.xml文件,添加如下内容:

<Context path="/cloudos"docBase="/src/cloudos">

                <ManagerclassName="de.javakaffee.web.msm.MemcachedBackupSessionManager"    

                 memcachedNodes="n1:tomcat:11211"

                 sticky="false"

                sessionBackupAsync="false"

                lockingMode="uriPattern:/path1|/path2"

                requestUriIgnorePattern=".*\.(ico|png|gif|jpg|css|js)$"    

                 transcoderFactoryClass="de.javakaffee.web.msm.serializer.kryo.KryoTranscoderFactory"  />

       </Context>

 

(4)    把下面的jar放到Tomcat的lib目录下

         asm-3.2.jar

         reflectasm-1.01.jar

         minlog-1.2.jar

         kryo-1.04.jar

         kryo-serializers-0.11.jar

         memcached-session-manager-tc7-1.8.1.jar

         memcached-session-manager-1.8.1.jar

         msm-kryo-serializer-1.8.1.jar

         spymemcached-2.10.2.jar

         注意:三个Tomcat均要这样配置

         这里的配置及jar下载地址,请参照:

         https://code.google.com/p/memcached-session-manager/wiki/SetupAndConfiguration

 

 

五:启动服务

首先启动memcached,然后依次启动3个tomcat,最后再启动nginx

 

六:注意事项

1:放入session的所有对象,必须实现java.io.Serializable接口

 

  • 7
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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