KairosDB 1.13安装手记

本文记录了KairosDB 1.13的安装过程,KairosDB是一个基于Cassandra的时间序列数据库,用于处理监控数据。它不是一个完整的DB,而是一个存储和查询引擎。安装步骤包括下载tar包、解压、配置、启动服务以及在Cassandra上进行参数优化。完成安装后,可以通过Web页面进行查看。

PS:为了处理监控数据,我们需要一个时间序列数据库,OpenTSDB是前驱,但是是基于Hbase实现的,后来有了一个基于Cassandra的实现,就是KairosDB,模型上设计很有意思,依赖Cassandra的Column Family实现的大宽表来存储时间序列的数据(最多20亿列哦),细节找个时间再讲。

反正我们就是选取了KairosDB,既可以借鉴Cassandra的能力,又可以不用自己实现时间序列模型,何乐不为。

PPS:KariosDB并非DB,仅仅是基于某种datastore的时间序列存储和查询引擎,还自带了一个小型的图标引擎,并非真正的TSDB


下面讲安装,安装KariosDB

1. 下载安装包,很简单,下载tar包

参考地址:https://github.com/kairosdb/kairosdb/releases

2. 安装,tar包丢Linux上解压即可

3. 配置

(1)到/conf目录下,找到kairosdb.properties,修改datastore为cassandra

#kairosdb.service.datastore=org.kairosdb.datastore.h2.H2Module
kairosdb.datastore.concurrentQueryThreads=5
kairosdb.service.datastore=org.kairosdb.datastore.cassandra.CassandraModule
(2)设置cassandra的连接方式

kairosdb.datastore.cassandra.host_list=192.168.1.107:9160
kairosdb.datastore.cassandra.keyspace=kairosdb
PS:由用户名密码就加上,我这里做demo没考虑安全性 <
<think>好的,我需要帮助用户解决在特定环境中安装TensorFlow 1.13版本的问题。首先,我得回忆一下用户提供的引用内容,看看有没有相关的信息可以利用。 引用[1]提到安装特定版本的numpy,比如1.14.5,并且要确保TensorFlow和numpy版本匹配。这说明在安装TensorFlow 1.13时,可能需要检查numpy的兼容版本。用户可能遇到的问题之一就是版本不兼容,所以需要强调这一点。 引用[2]讨论了在Ubuntu18.04上安装tensorflow-gpu1.13.1的情况,指出需要CUDA 10.0的支持,因为高版本的CUDA可能不兼容。这里用户可能需要注意CUDA和cuDNN的版本匹配,特别是如果他们要使用GPU版本的话。用户如果安装的是GPU版本,必须确保CUDA和cuDNN的版本正确,否则会导致安装失败或者运行错误。 引用[3]展示了如何通过tensorboard查看数据流图,这可能和安装后的验证步骤有关,但用户当前的问题主要是安装,所以暂时可能不需要深入这部分,不过可以作为安装后的验证步骤提到。 接下来,我需要整理安装TensorFlow 1.13的具体步骤。首先,用户需要确定是安装CPU还是GPU版本。对于GPU版本,必须安装CUDA和cuDNN,并且版本要对应。根据引用[2],TensorFlow 1.13需要CUDA 10.0和cuDNN 7.4。如果用户的环境已经安装了这些依赖,那就可以直接安装;如果没有,可能需要先安装这些依赖。 然后,安装TensorFlow本身可以通过pip命令,指定版本为1.13.0。同时,需要确保Python版本兼容,TensorFlow 1.13通常支持Python 3.5到3.7,所以用户需要检查他们的Python版本是否符合要求。 此外,引用[1]中提到可能需要安装特定版本的numpy,比如1.14.5,所以在安装完TensorFlow后,如果遇到numpy版本不兼容的问题,用户需要降级numpy。或者,在安装TensorFlow时,指定numpy的版本,例如使用pip install tensorflow==1.13.0 numpy==1.14.5,这样可以同时安装兼容的版本。 用户可能是在虚拟环境中安装,比如使用conda或者venv,这样可以避免与其他项目的依赖冲突。所以建议用户创建并激活虚拟环境后再进行安装,这样更安全。 验证安装是否成功可以通过导入TensorFlow并输出版本号,或者运行一个简单的程序,比如打印“Hello, TensorFlow!”以及检查GPU是否被识别(如果是GPU版本的话)。 可能遇到的问题包括:CUDA/cuDNN版本不正确,导致GPU无法使用;Python版本过高或过低;numpy等依赖库版本不兼容。需要针对这些问题给出解决建议,比如降级依赖库,检查CUDA环境变量等。 最后,根据用户提供的引用和常见问题,生成相关问题,帮助用户进一步解决可能遇到的困难,比如如何检查CUDA版本,如何创建虚拟环境,或者如何处理依赖冲突等。</think>### 安装TensorFlow 1.13的步骤指南 #### 1. **确认Python版本兼容性** - TensorFlow 1.13支持Python 3.5–3.7,建议使用Python 3.6或3.7。 - 检查Python版本: ```bash python --version ``` #### 2. **创建虚拟环境(推荐)** - 使用`conda`或`venv`隔离依赖: ```bash conda create -n tf1.13 python=3.6 conda activate tf1.13 ``` 或 ```bash python -m venv tf1.13_env source tf1.13_env/bin/activate # Linux/Mac tf1.13_env\Scripts\activate # Windows ``` #### 3. **安装TensorFlow 1.13** - **CPU版本**: ```bash pip install tensorflow==1.13.0 ``` - **GPU版本**(需CUDA 10.0 + cuDNN 7.4): ```bash pip install tensorflow-gpu==1.13.0 ``` #### 4. **处理依赖冲突** - 若安装后出现numpy版本问题(如引用[1]所述),降级numpy: ```bash pip install numpy==1.14.5 ``` - 其他常见依赖版本要求: - `protobuf<3.8`(若报错则指定`protobuf==3.7.1`) #### 5. **验证安装** - 运行Python并检查TensorFlow版本: ```python import tensorflow as tf print(tf.__version__) # 应输出1.13.0或1.13.1 ``` - GPU版本需确认GPU识别: ```python print(tf.test.is_gpu_available()) # 应返回True ``` #### 6. **注意事项(针对引用内容)** - **CUDA版本**:若使用GPU,必须安装CUDA 10.0和cuDNN 7.4(引用[2]提到高版本不兼容)[^2]。 - **numpy限制**:避免安装最新版numpy,需控制在兼容范围内(如1.14.5)[^1]。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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