LNMP 的安装和部署

1、什么是LNMP?

主流的企业网站之一

  • L 为linux
  • N 为nginx
  • M 为mysql或MariaDB
  • P 为PHP或Perl或者是Python

2、LNMP的安装

yum -y install mariadb-server
yum -y install mariadb
yum -y install mariadb-devel
  • 安装PHP
yum -y install php
#Fpm是PHP FastCGI运行模式的一个进程管理器。
#FastCGI是Web服务器(如Nginx,Apache)和处理程序(如PHP)之间的一种通信协议,
#它是一种应用层通信协议.
#PHP处理完请求后将解析的结果再通过FastCGI协议转发给Web服务器,
#Web服务器再返回给用户
yum -y install php-fpm    //
yum -y install php-mysql //php扩展 可以连接到PHP数据库

3、LNMP服务的启动

systemctl start mariadb
systemctl status mariadb
netstat -utnalp | grep :3306
  • PHP服务启动
systemctl start php-fpm
systemctl status php-fpm
netstat -utnalp | grep :9000

4、部署LNMP项目

  1. PHP-fpm的配置
vim /etc/php-fpm.d/www.conf
[www]
listen =127.0.0.1:9000   //php端口号
pm.max_children=32      //最大进程数量
pm.start_servers=15       //最小进程数量

注:进程是资源分配的最小单位,线程是cpu调度的最小单位。多进程其实是在任一时间仅有一个进程占有CPU,但由于时间很短,看上去所有进程在不间断内运行。多线程是多个任务之间上下切换运行,效率高。

  1. nginx服务的配置
    vim /xxx/xxxx/xxxx/nginx.cinf
...
	server{
	  listen  80;                       //端口
	  server_name www.xx.com;   //域名
   	
   		location \ {
   		root html;
   		index index.php index.html index.htm;
   		}
   		location  ~ \.php$  {
           root html;
           fastcgi_pass 127.0.0.1:9000;   //将请求转发到本机到9000端口,PHP解释器。
           fastcgi_index index.php;
           #fastcgi_param SCRIPT_FILENAME  $document_root$fastcgi_script_name;
           include fastcgi.conf;
   		}
   	}
  1. 创建PHP页面,测试LNMP架构是否可以解析PHP页面
  • vim /xxx/xxx/nginx/html/test.php
<?php
$i="This is a test Page";
echo $i;
?>
  1. 创建PHP测试页面,连接并查询MariaDB数据库
  • vim /xxx/xxx/nginx/html/mysql.php
<?php
$mysqli = new mysqli('localhost','root','密码','mysql');
//注意:root为mysql数据库的账户名称,密码需要修改为实际mysql密码,无密码则留空即可
//localhost是数据库的域名或IP,mysql是数据库的名称
if (mysqli_connect_errno()){
    die('Unable to connect!'). mysqli_connect_error();
}
$sql = "select * from user";
$result = $mysqli->query($sql);
while($row = $result->fetch_array()){
    printf("Host:%s",$row[0]);
    printf("</br>");
    printf("Name:%s",$row[1]);
    printf("</br>");
}
?>

5、测试LNMP架构是否成功

  • 分别访问test.php 和 mysql.php
firefox http://xxx.xxx.xxx.xxx/test.php   //xxx为服务端IP地址
firefox http://xxx.xxx.xxx.xxx/test.php   //xxx为服务端IP地址

6、LNMP常见问题

Nginx的默认访问日志文件为/usr/local/nginx/log/access.log
Nginx的默认错误日志文件为/usr/local/nginx/log/error.log
PHP的默认错误日志文件为/var/log/php-fpm/www-error.log
如果动态网站访问失败,请查看错误日志,查找错误信息。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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
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 1
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