Heartbeat配置说明(4)

[color=blue]#用于决定,当拥有该资源的属主恢复之后,资源是否变迁:是迁移到属主上,
#还是在当前节点上继续运行,直到当前节点出现故障。[/color]
[color=red]#注:主服务器为off,备服务器为on[/color]
[color=blue]auto_failback off[/color]

[color=blue]#设置集群中的节点,注意:节点名必须与uname –n相匹配
node node1
node node2

#心跳的IP地址,主必须在前面
ping_group group1 192.167.0.3 192.167.0.4

respawn hacluster /usr/lib/heartbeat/ipfail[/color]

1.3.3. haresources
文件所在:/etc/ha.d/haresources
主服务器上的配置:(这里指的是heartbeat模拟的虚拟IP地址)
配置内容如下,在这里仅仅热备了一个同一个IP地址。也就是192.168.100.2。
[color=blue]node1 IPaddr::192.168.100.2[/color]备份服务器上配置:
配置内容如下,在这里仅仅热备了一个同一个IP地址。也就是192.168.100.2。
[color=blue]node1 IPaddr::192.168.100.2[/color]也就是主服务器失效时,备用服务器就会启动并模拟一个这个IP地址:192.168.100.2
1.3.4. hosts
文件所在:/etc/hosts
主服务空对空上的配置
[color=blue]127.0.0.1 node1 localhost.localdomain localhost
192.168.100.3 node1
192.168.100.4 node2[/color]
备份服务器上的配置
[color=blue]127.0.0.1 node2 localhost.localdomain localhost
192.168.100.3 node1
192.168.100.4 node2[/color]

1.4. 启动
首先启动主服务器的heartbeat:
service heartbeat start
然后启动备份服务器的heartbeat:
service heartbeat start
大概在[color=red]120[/color]秒后,我们用ifconfig可以看到模拟成功的IP地址:192.168.100.2,并且可以ping通。

[color=red]注:因为我们在ha.cf配置initdead的时候是120[/color]

我们关闭主服务器后,在30秒后,备份服务器启动模拟这个IP地址:192.168.100.2。

[color=red]注:因为我们在ha.cf配置auto_failback的时候,配置成了on[/color]
当主服务器再次启动并启动heartbeat后,同样在120秒后,会继续模拟IP地址:192.168.100.2。并接管它。


另:要实现热备功能,要注意,两台机器的heartbeat不要同一时刻启动,否则两台都会产生虚拟IP,最好是主机启动并成功产生虚拟IP后,再启动备用服务器。
  • 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