安装多实例mysql_安装多实例mysql5.6

yum 安装

这里使用的是MYSQL的percona分支,mysql版本为5.6

先安装repo包

yum install percona-release-0.0-1.x86_64.rpm -y

想安装5.6的把5.5替换就行了,5.6的太耗内存了-。-

yum install Percona-Server-server-55.x86_64 Percona-Server-client-55.x86_64 Percona-Server-devel-55.x86_64 Percona-Server-shared-55.x86_64 percona-xtrabackup  percona-toolkit -y

先/etc/init.d/mysql start 初始化启动一下,默认datadir在/var/lib/mysql

OK,可以编写配置文件了。

如果出现找不到PID文件并且根本没生成错误日志的,查看/data 是不是755,或者更新下percona;

The server quit without updating PID file 真的很气,不给生成错误日志的说。

配置目录结构 : /etc/3306.cnf /data/3306  ; /etc/3307.cnf /data/3307  .....

简单的配置

[mysqld]

datadir=/data/3306

socket=/data/3306/mysql.sock

user=mysql

# Disabling symbolic-links is recommended to prevent assorted security risks

symbolic-links=0

#

[mysqld_safe]

log-error=/data/3306/mysqld.log

pid-file=/data/3306/mysqld.pid

启动

mysqld_safe --defaults-file=/etc/my3307.cnf &

如果启动有错误,不妨数据库初始化再启动

mysql_install_db --user=mysql --defaults-file=/etc/3307.cnf

关闭

mysqladmin -uroot -p -S /data/3307/mysql.sock shutdown

二进制的安装

mysql安装为什么大部分使用二进制安装。而不是源码手动去编译?

mysql使用的glibc进行开发的。glibc库是一个底层api,所以只要是linux,都会有glibc库。所以,mysql安装不需要考虑环境是否符合要求。移植性很方便。直接将编译好的二进制代码复制到另外一个机器上,也是可以用的。

yum install libaio -y

wget https://cdn.mysql.com//Downloads/MySQL-5.6/mysql-5.6.44-linux-glibc2.12-x86_64.tar.gz

解压,放到/usr/local/mysql56

cd /usr/local/mysql56

scripts/mysql_install_db --defaults-file=/etc/3307.cnf --user=mysql --basedir=/usr/local/mysql56 --datadir=/data/3307

bin/mysqld_safe --defaults-file=/etc/3307.cnf --user=mysql &

源码安装

从mysql5.5开始,源码安装需要用到cmake命令,部署效率低,略。

  • 0
    点赞
  • 0
    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