集群配置参数:
cluster-enabled yes //开启集群
cluster-config-file nodes.conf //保存集群信息的文件
cluster-node-timeout 5000 //集群节点超时时间
集群环境准备:
集群管理工具redis-trib是由ruby语言研发的,需要先安装ruby的依赖关系及环境;
redis的源码文件中有一个管理工具,是用ruby写的,所以需要安装ruby相关的软件;
yum install ruby rubygems -y
gem install redis
注:国内访问内过慢请参考此网址--> http://gems.ruby-china.org/
$ gem update --system # 这里请利用外网
$ gem -v
2.6.3
$ gem sources --add https://gems.ruby-china.org/ --remove https://rubygems.org/
$ gem sources -l
https://gems.ruby-china.org
# 确保只有 gems.ruby-china.org
注:如果遇到 SSL 证书问题,你又无法解决,请直接用 http://gems.ruby-china.org 避免 SSL 的问题
即:$ gem sources --add http://gems.ruby-china.org/ --remove https://rubygems.org/
利用redis-trib创建集群:
cp /usr/local/src/redis-3.2.0/src/redis-trib.rb /usr/local/bin/redis-trib
注:redis-trib.rb就是用ruby写的集群管理工具
注:如果是二进制安装的,没有redis-trib文件,则需要去下载源码文件,复制源码文件中redis-trib
创建集群:
注:集群中最少为3个节点
数据科学项目为你在这个领域的深入研究提供了一个基础。通过实际应用,你不仅可以学习数据科学,也能够写在简历中提升你的资历。在这上边花费的时间越多,你学到的知识就越多。
本文精选了24个数据科学项目,并囊括了各个领域和各种不同大小的数据集。另外,所有的数据集都是开源、可免费获取的。
初级——这部分的数据集很容易处理,使用基础的回归/分类算法就可以处理这些数据集。并且,这些数据集有足够的教程供你学习。
中级——略微有点难度。包含了需要使用有点难度的模式识别技能来处理的大中型数据集。另外,特征工程在这里可以发挥作用了。
高级——包括神经网络、深度学习、推荐系统及高维数据等。
初级
1.Iris Data数据集(花的类别识别)
Iris Data Set可能是模式识别领域学习分类技术最基本入门级的数据集,适合初学者。该数据集里面包含了150行4列个数据。
2.Loan Prediction 数据集(贷款预测)
它是保险领域最常引用的一个数据集。利用这个数据集,你可以充分体验到如何处理保险公司的数据,包括会遇到哪些挑战、需要什么策略、哪些变量会影响结果等。这是一个分类问题,数据集包含615行13列个数据。
redis-trib create --replicas 1 127.0.0.1:7001 127.0.0.1:7002 127.0.0.1:7003 127.0.0.1:7004 127.0.0.1:7005 127.0.0.1:7006
注:创建后前3个为主,后3个为从
转载于:https://my.oschina.net/u/3611008/blog/1834037