TiDB-从0到1-配置篇

在这里插入图片描述

TiDB从0到1系列

一、系统配置

TiDB的配置分为系统配置和集群配置两种
其中系统配置对应TiDB Server(不包含TiKV和PD的参数),并持久化在TiKV上。
这类参数不需要重启,设置即刻生效。
与MySQL类似,系统参数有作用域,包括session级和global级别。

实验

表准备

mysql> CREATE TABLE `t1` (
    ->   `id` int(11) NOT NULL AUTO_INCREMENT,
    ->   PRIMARY KEY (`id`)
    -> ) ENGINE=InnoDB ;

1、session级参数只会影响当前会话

  • 会话1:查看当前会话的auto_increment_increment(自增步长)
  • 会话1:修改当前会话auto_increment_increment=10
  • 会话1:向表中插入空数据
  • 会话2:查看当前会话的auto_increment_increment(自增步长)
  • 会话2:向表中插入空数据

(会话1)
在这里插入图片描述

(会话2)
在这里插入图片描述
这里看到session级的系统参数修改只会影响到本会话。

2、global级参数只会影响新连入会话

  • 会话1:查看global级的auto_increment_increment(自增步长)
  • 会话1:修改global级auto_increment_increment=10
  • 会话1:查看global级的auto_increment_increment
  • 会话1:查看session级的auto_increment_increment
  • 会话1:向表中插入空数据
  • 会话1:重新登录,并查看global级和session的auto_increment_increment
  • 会话1:向表中插入空数据
  • 会话2:查看global级的auto_increment_increment
  • 会话2:查看session级的auto_increment_increment
  • 会话2:向表中插入空数据

(会话1)
在这里插入图片描述

(会话2)
在这里插入图片描述

3、global级参数会持久化到TiKV

  • 会话1:修改global级auto_increment_increment=10
  • 重启TiDB集群
  • 会话2:查看global级的auto_increment_increment
  • 会话2:查看session级的auto_increment_increment
    在这里插入图片描述
    客户端连接后默认是会话级别

二、集群配置

主要配置TiKV和PD,存储在配置文件中,不能通过客户端修改,只能修改配置文件并重启

实现
  • 查看TiKV节点配置
    在这里插入图片描述
  • 修改集群配置
tiup cluster edit-config tidb-test
  • 修改配置内容
server_configs:
  tidb: {}
  tikv:
    log-level: warning
  • 载入配置(注意!!!该操作会重启各个节点
tiup cluster reload tidb-test

在这里插入图片描述

  • 重载配置后,各个TiKV节点配置生效

在这里插入图片描述

彩蛋

TiDB-5.0版本后可以在线修改部分集群参数(不过为实验特性,生产谨慎使用)。

在这里插入图片描述

  • 22
    点赞
  • 14
    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