tomcat5的优化

1、JDK内存优化

Tomcat默认可以使用的内存为128MB,Windows下,在文件{tomcat_home}/bin/catalina.bat,Unix下,在文件{tomcat_home}/bin/catalina.sh的前面,增加如下设置:

JAVA_OPTS='-Xms[初始化内存大小] -Xmx[可以使用的最大内存]

参数

描述

-Xms

JVM初始化堆的大小

-Xmx

JVM堆的最大值,一般说来,你应该使用物理内存的80% 作为堆大小。

 

有三种方法:

1)就需要在环境变量中加上TOMCAT_OPTS, CATALINA_OPTS两个属性, 如 SET CATALINA_OPTS= -Xms64m -Xmx512m; ms是最小的,mx是最大,64m, 512m分别是指内存的容量.

2)修改Catalina.bat文件 在166行“rem Execute Java with the applicable properties ”以下每行 %_EXECJAVA% %JAVA_OPTS% %CATALINA_OPTS% %DEBUG_OPTS% -Djava.endorsed.dirs="%JAVA_ENDORSED_DIRS%" -classpath "%CLASSPATH%" -Dcatalina.base="%CATALINA_BASE%" -Dcatalina.home="%CATALINA_HOME%" -Djava.io.tmpdir="%CATALINA_TMPDIR %" %MAINCLASS% %CMD_LINE_ARGS% %ACTION% 中的%CATALINA_OPTS% 替换成 -Xms64m -Xmx512m

3)编辑%CATALINA_HOME%\bin下面的catalina.bat文件,在最上面第一行前面写上 set CATALINA_OPTS=-Xms512m -Xmx1024m set JAVA_OPTS=-Xms512m -Xmx1024m

其中-Xms表示jvm最小内存数,-Xmx表示最大内存数 比如我这里都设置成最小512,最大1024 当然,这个最小最大并不是只能使用1024的意思,其实这个设置是对系统来设置的,因为这个jvm占用内存数实际上是针对虚拟内存来说,这个设置表示,无 论系统怎么占用虚拟内存,都要保证最小512M的虚拟内存共给jvm使用,当然,就算我jvm占用再大,也不会超过1024,来威胁系统的内存使用

2、连接器优化:

    在tomcat配置文件server.xml中的配置中,和连接数相关的参数有:

    maxThreads:

    Tomcat使用线程来处理接收的每个请求。这个值表示Tomcat可创建的最大的线程数。默认值200。

    acceptCount:

    指定当所有可以使用的处理请求的线程数都被使用时,可以放到处理队列中的请求数,超过这个数的请求将不予处理。默认值10。

    minSpareThreads:

    Tomcat初始化时创建的线程数。默认值4。

    maxSpareThreads:

    一旦创建的线程超过这个值,Tomcat就会关闭不再需要的socket线程。默认值50。

    enableLookups:

    是否反查域名,默认值为true。为了提高处理能力,应设置为false

    connnectionTimeout:

    网络连接超时,默认值60000,单位:毫秒。设置为0表示永不超时,这样设置有隐患的。通常可设置为30000毫秒。

    maxKeepAliveRequests:

    保持请求数量,默认值100。

    bufferSize:

    输入流缓冲大小,默认值2048 bytes。

    compression:

    压缩传输,取值on/off/force,默认值off。

    其中和最大连接数相关的参数为maxThreads和acceptCount。如果要加大并发连接数,应同时加大这两个参数。web server允许的最大连接数还受制于操作系统的内核参数设置,通常Windows是2000个左右,Linux是1000个左右。

 

    3、tomcat中如何禁止和允许列目录下的文件

    在{tomcat_home}/conf/web.xml中,把listings参数设置成false即可,如下:

xml 代码
    <servlet>

                 ...

                 <init-param>

                 <param-name>listingsparam-name>

                 <param-value>falseparam-value>

                 <init-param>

                 ...

    <servlet>

    <servlet>

                 ...

                 <init-param>

                 <param-name>listingsparam-name>

                 <param-value>falseparam-value>

                 <init-param>

                 ...

    <servlet>   4、tomcat中如何禁止和允许主机或IP地址访问
               view plaincopy to clipboardprint?
    <Host name="localhost" ...>
          ...

               <Valve className="org.apache.catalina.valves.RemoteHostValve"

               allow="*.mycompany.com,www.yourcompany.com"/>

               <Valve className="org.apache.catalina.valves.RemoteAddrValve"

               deny="192.168.1.*"/>

               ...

    <Host>

      <Host name="localhost" ...>
            ...

                 <Valve className="org.apache.catalina.valves.RemoteHostValve"

                 allow="*.mycompany.com,www.yourcompany.com"/>

                 <Valve className="org.apache.catalina.valves.RemoteAddrValve"

                 deny="192.168.1.*"/>

                 ...

      <Host>
         JAVA_OPTS='-server -Xms512m -Xmx768m -XX:NewSize=128m -XX:MaxNewSize=192m -XX:SurvivorRatio=8'

  • 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