ejabberd_couchdb

ejabberd_couchdb,是使用couchdb进行存儲和权限驗証的接口,配置方法如下:

在ejabberd.cfg中,加入权限认证模块
{auth_method, couchdb}.
加入couchdb的配置参数
{couchdb_options, [
{host,"localhost"},
{port,"5489"},
{user, none},
{pass, none}
]}.
然后注释掉{auth_method, internal}.(默认认证方法)

可能产生的错誤,在编译ejabberd_couchdb时,可能会出现找不文件的情况,只要从ejabberd中拷贝到ejabberd_couchdb的根目录即可,当然也可以指定文件路径.对于ibrowser找不到的問題,编译时只要ibrowser.beam就可以,但实际运行时就需要把整个ibrowser应用全部拷贝到ejabberd/lib/ejabberd/sbin下.
把ejabberd_couchdb中的ejabberd_auth_couchdb62行,注釋,再拷贝到ejabberd/lib/ejabberd/sbin下.其它参照官方文档如下:

1、Install ejabberd
NOTE: If you do not use source make sure you get developement packages.
2、Install ecouch -
located at the following url : http://code.google.com/p/ecouch/
Install ejabberd-couchdb
./bootstrap.sh ;./configure;make install
3、Configure ejabberd
Add couch as the authentication module.
{auth_method, couchdb}.

Configure couchdb options.
{couchdb_options, [
{host,"localhost"},
{port,"5489"},
{user, none},
{pass, none}
]}.
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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