mysql 5.6安装及Master/Slave搭建

============卸载mysql,参考资料:http://www.cnblogs.com/kerrycode/p/4364465.html
1、查看mysql 安装相关情况
rpm -qa | grep -i mysql


2、查看mysql 运行状态:
   njhadoopslave2:~ # service mysql status
MySQL running (17640)                                                                                                    done
njhadoopslave2:~ # 
2、停止mysql




3、卸载rpm
rpm -ev MySQL-devel-5.6.23-1.linux_glibc2.5




purge binary logs to 'mysql-bin.000117';


================安装mysql,参考资料:http://www.th7.cn/system/lin/201412/79139.shtml
【注意】/usr/bin/mysql_install_db   #需要使用mysql 用户执行


================配置mysql 
一:【注意】/var/lib/mysql/mysql.sock 只能用默认路径的文件。采用其他的好像不行。如果有专家可以咨询下,具体原因。
# basedir = .....
datadir =/mysqlData 
port = 3306
server_id = 1
#socket = /mysqlData/mysql.sock 
socket  = /var/lib/mysql/mysql.sock


二:启动mysql: service mysql start
三:配置mysql root:
   set password=password('root');
   Grant all privileges on *.* to 'root'@'%' identified by 'root' with grant option;




================mysql Master/Slave配置:参考http://blog.youkuaiyun.com/mr__fang/article/details/8692523
一:【主库配置参考】
    修改my.cnf,添加配置如下:
log_bin                 = /mysqlData/masterLog/mysql-wcb-bin.log
expire_logs_days        = 10
binlog-do-db            = test         # 要给从库同步的库
二:修改后,启动数据库,查看状态并修改从库同步用户名和密码:
   查看状态:SHOW MASTER STATUS;
   添加从库同步权限:grant replication slave,replication client on *.* to 'slave'@'10.202.16.10' identified by '123456'; 
三:配置从库:
    ①修改id:
    ②stop slave;
    ③CHANGE MASTER TO   MASTER_HOST='10.202.16.9', MASTER_USER='slave', MASTER_PASSWORD='123456', MASTER_PORT=3306,
MASTER_LOG_FILE='mysql-wcb-bin.000002',MASTER_LOG_POS=120,MASTER_CONNECT_RETRY=30;
 ④start slave;
 ⑤查看slave状态:SHOW SLAVE STATUS\G; 
 ⑥验证Master/Slave是否可行;






================Mysql 性能调优
   后续整理mysql性能调优相关参数调整方案。
内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性易用性。
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