Tsung 源代码 Ubuntu的安装

本文详细记录了在遇到特定错误时重新编译Tsung性能测试工具的全过程,包括从安装Git到解决编译过程中的各种问题,如转换文件格式、安装Erlang等。

因为 http://www.iteye.com/problems/77782

这个问题,所以需要重新编译Tsung,故下面写下编译Tsung的步骤

 安装步骤可参见

 http://tsung.erlang-projects.org/user_manual.html   里面的 installation


1 下载源代码

 安装git

     http://gitbook.liuhui998.com/index.html

 git clone git://git.process-one.net/tsung/mainline.git


2 编译源代码

   进入源文件目录

   sudo ./configure

  在此处  我的总是报

  bash: ./here1:/bin/sh^M:损坏的解释器: 没有该文件或目录“

 这样的错误 ,这是因为 configure 是dos格式的需要转为 unix 格式就好了

 判断一个文件是dos 格式方式

   a  vi  [filename]        如果是dos格式,在vi的最下一栏会显示[DOS]

    解决办法 选一个就OK

        a  dos2unix configure (把DOS 格式转为UNIX)

        b  perl -i -pe's/\r$//;' configure  (把DOS 格式转为UNIX也就是 去掉\r)

        参考链接

        http://www.linuxquestions.org/questions/linux-general-1/bad-interpreter-no-such-file-or-directory-213617/

       http://www.cnblogs.com/younes/archive/2010/06/05/1752123.html


  b   继续执行 configure ,可能会出现提示你找不到 erlang 无法进行编译

       安装erlang (这块没试,可能会有问题,但最终要求安装erlang )

       sudo apt-get install erlang-nox
       sudo apt-get -f install

  c   make

       在make 中,可能会出现 

        

make[1]: Entering directory `/home/lxwb/work/trunk/test/stress_test/tools/tsung-1.3.3/doc'

 

docbook2man tsung.1.sgml >/dev/null 2>&1

make[1]: *** [tsung.1] Error 127

make[1]: Leaving directory `/home/lxwb/work/trunk/test/stress_test/tools/tsung-1.3.3/doc'

make: *** [doc] Error 2


原因不明 , 用vi 打开 Makefile , 找到 $(MAKE) -C doc 这句 ,注释或者删掉就好了

链接:http://langzhe.iteye.com/blog/1163120#bc2239373


  d  make install

      执行 /usr/bin/tsung 还是报

          没有该文件或目录

        和第一个类型一样的错误,你知道该怎么解决了,呵呵

 

3 大功告成,爽爽的使用 Tsung吧


 



      


 

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
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