SpringCloud入门(三) 配置中心 ConfigServer

本文介绍了SpringCloud配置中心ConfigServer的使用,旨在解决多服务配置文件分散不便管理的问题。通过将配置文件存储于云端(如GitHub),服务通过ConfigServer获取并应用配置,实现集中化管理。配置中心的实现包括创建ConfigServer模块,将其注册到注册中心,配置application.yml和bootstrap.yml,从而让服务能够成功从云端读取配置。

在springCloud中,每一个服务都需要一个application.yml配置文件 ,在进行修改的时候不便于集中管理。因此springcloud的配置中心应运而生。即我们将整个项目中的核心配置文件都放在云端(如github),我们通过配置中心去拿到配置文件,然后在分配给各个服务。

实现原理大概如下
在这里插入图片描述

建立一个配置中心模块,注册到注册中心
application.yml

server:
  port: 2222
eureka:
  client:
    service-url:
      defaultZone: http://localhost:7001/eureka
  instance:
    prefer-ip-address: true
spring:
  application:
    name: config-server
  cloud:
    config:
      server:
        git:
          uri: https://github.com/xxx/microservice-config.git #配置文件所在github位置
          username: xxxx  #用户名
          password: xxxx		#密码

入口类:

@SpringBootApplication
@EnableEurekaClient
@EnableConfigServer //表示是配置中心服务端
public class ConfigApplication {
    public static void main(String[] args) {
        SpringApplication.run(ConfigApplication.class);
    }
}

在服务者的配置文件配置bootstrap.xml,bootstrap.xml是全局配置

spring:
  cloud:
    config:
      name: application-user #github上面名称
      profile: test #环境
      label: master #github分支
      uri: http://127.0.0.1:2222 #配置服务器
eureka:
  client:
    service-url:
      defaultZone: http://localhost:7001/eureka  #告诉服务提供者要把服务注册到哪儿 #单机环境
  instance:
    prefer-ip-address: true #显示客户端真实ip

服务者打印日志如下,并未在本地配置端口,但是通过配置中心访问到云端的配置文件了。
这样我们就可以访问到云端的配置文件了

2019-01-08 17:27:14.195  INFO 19040 --- [           main] o.s.c.n.e.s.EurekaServiceRegistry        : Registering application MICROSERVICE-USER-TEST with eureka with status UP
2019-01-08 17:27:14.196  INFO 19040 --- [           main] com.netflix.discovery.DiscoveryClient    : Saw local status change event StatusChangeEvent [timestamp=1546939634196, current=UP, previous=STARTING]
2019-01-08 17:27:14.201  INFO 19040 --- [nfoReplicator-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_MICROSERVICE-USER-TEST/freebird:MICROSERVICE-USER-TEST:3355: registering service...
2019-01-08 17:27:14.272  INFO 19040 --- [nfoReplicator-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_MICROSERVICE-USER-TEST/freebird:MICROSERVICE-USER-TEST:3355 - registration status: 204
2019-01-08 17:27:14.294  INFO 19040 --- [           main] o.s.b.w.embedded.tomcat.TomcatWebServer  : Tomcat started on port(s): 3355 (http) with context path ''
2019-01-08 17:27:14.295  INFO 19040 --- [           main] .s.c.n.e.s.EurekaAutoServiceRegistration : Updating port to 3355
2019-01-08 17:27:14.301  INFO 19040 --- [           main] c.i.springcloud.ProviderApplication      : Started ProviderApplication in 17.802 seconds (JVM running for 21.336)

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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