使用Capistrano部署apache+mongrel cluster

Capistrano部署Rails应用
本文介绍如何使用Capistrano工具部署Rails应用到多台服务器的过程。具体包括配置多台服务器上的Apache与mongrel_cluster,以及通过Capistrano进行自动化部署的详细步骤。

部署任务:

机器1 192.168.100.231, os: CentOS release3.6 (Final),装上apache2.3.6+mongrel cluster

机器2 192.168.100.234, os: CentOS release4.3 (Final) 装上 mongrel cluster

关于配置apache+mongrel cluster本文不再赘述,请看本人的文章
关于Capistrano的基础,请看本人的文章
在这边文章中主要使用了Capistrano部署了一个单实例的mongrel 服务器,并且也只部署了一台机器
基于前两篇的基础,本文描述了如何使用Capistrano部署apache+mongrel cluster应用到多台机器
重点就是 deploy.rb
set :application , " space "
set :repository , " http://192.168.100.212:3690/repo/moxtv/branches/space "
set :svn_username , " weip "
set :svn_password , " weip "

# If youaren'tdeployingto / u / apps /# {application} on thetarget
# servers ( whichisthedefault ), youcanspecifytheactuallocation
# viathe :deploy_to variable:
# set :deploy_to , " /var/www/#{application} "

# If youaren'tusingSubversiontomanageyoursourcecode , specify
# yourSCMbelow:
# set :scm , :subversion
set :use_sudo , false

set :deploy_to , " /var/www/webapps/#{application} "
set :user , " root "
set :password , " secretpa "

role
:app , " 192.168.100.231 " , " 192.168.100.234 " # new 0
role
:web , " 192.168.100.231 "
role
:db , " 192.168.100.231 " , :primary => true


task
:chmod , :roles => :web do
run " chmod-fR755#{deploy_to}/current/script/* "
end

after
" deploy:symlink " , :chmod

default_environment[
" PATH " ] = " /usr/local/ruby2/bin:/usr/local/apache2.2.6/bin:/usr/kerberos/sbin:/usr/kerberos/bin:/usr/local/ruby/bin:/usr/local/ant/bin:/usr/java/jdk1.5.0_05/bin:/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/usr/X11R6/bin:/root/bin "


# new 1
set :mongrel_conf , " #{current_path}/config/mongrel_cluster.yml "
set :mongrel_port , " 4000 "
set :mongrel_nodes , " 4 "

# new 2
namespace
:deploy do
task
:start , :roles => :app do

run " cd#{current_path}&&mongrel_railscluster::configure-eproduction-p#{mongrel_port}-N#{mongrel_nodes}-c#{current_path} "
run " cd#{current_path}&&mongrel_railscluster::start "
# run " rm-rf/home/#{user}/public_html;ln-s#{current_path}/public/home/#{user}/public_html "
run " mkdir-p#{deploy_to}/shared/config "
run " mv#{current_path}/config/mongrel_cluster.yml#{deploy_to}/shared/config/mongrel_cluster.yml "
run " ln-s#{deploy_to}/shared/config/mongrel_cluster.yml#{current_path}/config/mongrel_cluster.yml "
run " apachectlstart "
end
end

# new 3
namespace
:deploy do
task
:restart , :roles => :app do
run " ln-s#{deploy_to}/shared/config/mongrel_cluster.yml#{current_path}/config/mongrel_cluster.yml "
run " cd#{current_path}&&mongrel_railscluster::restart "
run " apachectlrestart "
end
end
主要修改了#new0 ,并删除了单实例mongrel中的spin文件
并加了3个部分,#new1,#new2,#new3
#new1 设置了些 与 mongrel cluster相关的变量
#new2#new3 分别重写了deploy:start和deploy:restart任务
这样就防止了默认的任务去寻找相关的spin文件
配置文件准备就绪,然后cap setup,cap deploy:cold,cap deploy
【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)内容概要:本文介绍了基于CNN-LSTM神经网络模型的轴承故障分类方法,利用PyTorch框架实现,采用西储大学(Case Western Reserve University)公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络(CNN)强大的特征提取能力和长短期记忆网络(LSTM)对时序数据的建模优势,实现对轴承不同故障类型和严重程度的高精度分类。文中详细阐述了数据预处理、模型构建、训练流程及结果分析过程,并提供了完整的Python代码实现,属于典型的工业设备故障诊断领域深度学习应用研究。; 适合人群:具备Python编程基础和深度学习基础知识的高校学生、科研人员及工业界从事设备状态监测与故障诊断的工程师,尤其适合正在开展相关课题研究或希望复现EI级别论文成果的研究者。; 使用场景及目标:① 学习如何使用PyTorch搭建CNN-LSTM混合模型进行时间序列分类;② 掌握轴承振动信号的预处理与特征学习方法;③ 复现并改进基于公开数据集的故障诊断模型,用于学术论文撰写或实际工业场景验证; 阅读建议:建议读者结合提供的代码逐行理解模型实现细节,重点关注数据加载、滑动窗口处理、网络结构设计及训练策略部分,鼓励在原有基础上尝试不同的网络结构或优化算法以提升分类性能。
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