mysql 副本集_再看MongoDB副本集

因为MongoDB使用内存映射文件,所以必须使用64位版本。MongoDB的副本集不同于以往的主从模式。在集群Master故障的时候,副本集可以

因为MongoDB使用内存映射文件,所以必须使用64位版本。

官方下载地址如下:

实验环境使用的Mongodb版本为mongodb-linux-x86_64-2.6.0

由三台虚拟机搭建,配置为单核,1G内存。

实验环境如下:

5e889b48d9cedf3910ab53cabe1b9cac.png

MongoDB的副本集不同于以往的主从模式。

在集群Master故障的时候,副本集可以自动投票,选举出新的Master,并引导其余的Slave服务器连接新的Master,

而这个过程对于应用是透明的。可以说MongoDB的副本集是自带故障转移功能的主从复制。

CentOS编译安装MongoDB

CentOS 编译安装 MongoDB与mongoDB的php扩展

CentOS 6 使用 yum 安装MongoDB及服务器端配置

Ubuntu 13.04下安装MongoDB2.4.3

MongoDB入门必读(概念与实战并重)

《MongoDB 权威指南》(MongoDB: The Definitive Guide)英文文字版[PDF]

1 相对于传统主从模式的优势

传统的主从模式,需要手工指定集群中的Master。

如果Master发生故障,一般都是人工介入,指定新的Master。

这个过程对于应用一般不是透明的,往往伴随着应用重新修改配置文件,重启应用服务器等。

aabe22c8b475aa104a0ff8ca86fd408e.png

而MongoDB副本集,集群中的任何节点都可能成为Master节点。

一旦Master节点故障,则会在其余节点中选举出一个新的Master节点。

并引导剩余节点连接到新的Master节点。这个过程对于应用是透明的。

e6bf25c35420f3b95b14858168aad2d6.png

2 Bully选举算法

Bully算法是一种协调者(主节点)竞选算法,主要思想是集群的每个成员都可以声明它是主节点并通知其他节点。

别的节点可以选择接受这个声称或是拒绝并进入主节点竞争。被其他所有节点接受的节点才能成为主节点。

节点按照一些属性来判断谁应该胜出。这个属性可以是一个静态ID,也可以是更新的度量像最近一次事务ID(最新的节点会胜出)

他的选举过程大致如下:

? 得到每个服务器节点的最后操作时间戳。每个mongodb都有oplog机制会记录本机的操作,方便和主服务器进行对比数据是否同步还可以用于错误恢复。

? 如果集群中大部分服务器down机了,,保留活着的节点都为 secondary状态并停止,不选举了。

? 如果集群中选举出来的主节点或者所有从节点最后一次同步时间看起来很旧了,停止选举等待人来操作。

? 如果上面都没有问题就选择最后操作时间戳最新(保证数据是最新的)的服务器节点作为主节点。

选举的触发条件

初始化一个副本集时。

副本集和主节点断开连接,可能是网络问题。

主节点挂掉。

人为介入,比如修改节点优先级等

选举还有个前提条件,参与选举的节点数量必须大于副本集总节点数量的一半,如果已经小于一半了所有节点保持只读状态。

3 搭建副本集集群

每个虚拟机都使用如下的配置文件启动实例:

dbpath =/home/lihuilin/mongodata

smallfiles =true

replSet =mvbox

然后在任意一台虚拟机登陆mongo,输入如下设置

config = { _id:"mvbox", members:[

{_id:0,host:"192.168.1.1:27017"},

{_id:1,host:"192.168.1.2:27017"},

{_id:2,host:"192.168.1.3:27017"}]

}

rs.initiate(config);

可以看到副本集已经生效

715e2a8bfc2e57601bd5ac1766494229.png

可以使用rs.status()查看集群状态,或者rs.isMaster()

5c500261f41ba5906cfab6a4a913052e.png

更多详情见请继续阅读下一页的精彩内容:

logo.gif

本文原创发布php中文网,转载请注明出处,感谢您的尊重!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据) 1、数据准备 需要准备yolo格式的目标检测数据,如果不清楚yolo数据格式,或者有其他数据训练需求,请看博主yolo格式各种数据合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据,且在不断更新,基本都是实际项目使用。来自于网上收、实际场景采制作等,自己使用labelimg标注工具标注的。数据质量绝对有保证! 本项目所使用的数据,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练的图片路径 val:验证的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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