using curl to debug rest call

本文介绍如何利用curl工具从认证服务获取Token,并使用该Token调用REST API来获取特定端口的信息。

郁闷,之前写的一篇curl的文章怎么莫名其妙的没有了,简略记录一下:

第一步:拿到token

curl -d '{"auth": {"tenantName": "admin", "passwordCredentials": {"username": "admin", "password": "xxx"}}}' -H "Content-type: application/json" http://xxx:5000/v2.0/tokens | python -m json.tool

 "token": {
            "audit_ids": [
                "Gpwcp3fkTlO0WMKmor9wmQ"
            ],
            "expires": "2015-03-20T01:23:38Z",
            "id": "fc1b2493ba314c29a3c8f71a3eca665a",
            "issued_at": "2015-03-20T00:23:38.989053",
            "tenant": {
                "description": "admin tenant",
                "enabled": true,
                "id": "d63f0cca2367489780c2e29e1034c02b",
                "name": "admin"
            }
        },

第二步,根据token去call rest api:

 curl -H "X-Auth-Token:fc1b2493ba314c29a3c8f71a3eca665a" http://xxx:6385/v1/ports/9f10c0b8-4400-4e04-8db0-e42c7f689425 | python -m json.tool

  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   423  100   423    0     0   5134      0 --:--:-- --:--:-- --:--:--  5158
{
    "address": "xxxx",
    "created_at": "2015-03-19T04:46:03+00:00",
    "extra": {},
    "links": [
        {
            "href": "http://xxxx:6385/v1/ports/9f10c0b8-4400-4e04-8db0-e42c7f689425",
            "rel": "self"
        },
        {
            "href": "http://xxxx:6385/ports/9f10c0b8-4400-4e04-8db0-e42c7f689425",
            "rel": "bookmark"
        }
    ],
    "node_uuid": "8cdc7750-9d66-4353-ab3e-99fe82e739e2",
    "updated_at": null,
    "uuid": "9f10c0b8-4400-4e04-8db0-e42c7f689425"
}

curl的命令使用http://www.cnblogs.com/gbyukg/p/3326825.html 讲解还不错,基本用法都有了

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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