nginx安装、启动停止、信号、开机自启动配置

本文介绍如何在Linux环境下安装与配置Nginx,包括下载安装包、启动及检查Nginx服务状态的方法,并提供了不能访问时的解决办法,如通过关闭防火墙或开放特定端口的方式。

Linux下环境搭建

 安装配置nginx

http://www.centoscn.com/image-text/install/2014/0812/3480.html

 

wget http://nginx.org/download/nginx-1.11.9.tar.gz

 

下载地址:http://nginx.org/download/nginx-1.10.3.tar.gz

 

启动后查看命令:

命令一:

netstat -antp | grep nginx  查看当前计算机连接中程序名包含了“nginx”的程序,会显示占用的端口、占用的进程号、程序名称。

命令二:

ps aux | grep nginx  查看nginx是否是正在运行的进程,该命令无法显示端口号

 

 

解决不能访问的做法

方法一:关闭防火墙

https://zhidao.baidu.com/question/303901938543294164.html

/etc/init.d/iptables stop

 

方法二:通过开放指定端口的做法

step1:在/etc/sysconfig/iptables中加入如下

 

-A INPUT -m state --state NEW -m tcp -p tcp --dport 80 -j ACCEPT    #允许所有IP 访问80端口

-A INPUT -m state --state NEW -m tcp -p tcp -s 192.168.0.103 --dport 80 -j ACCEPT    #只允许指定ip:192.168.0.103访问80端口

 

step2:重启iptables, service iptables restart

注意:不是/etc/init.d/iptables文件下,不会写怎么开放端口就参考开放22端口来写    -s是指定源地址,-d是指定目标地址。

 

nginx 启动停止

nginx -h 可以查到nginx的所有命令

nginx -s stop 立即关闭

nginx -s quit  等请求结束后关闭

nginx -s reload 重启

 

nginx -h 可以查到nginx的所有命令

 

官网参考地址:http://nginx.org/en/docs/beginners_guide.html

 

nginx 信号

kill -信号 nginx进程号 或 kill -HUP `cat /usr/local/nginx/logs/nginx.pid`

 

注意:` 是反引号 也可以用 $() 替代``

 

信号控制官网参考地址:http://nginx.org/en/docs/control.html

 

 

开机启动

http://www.cnblogs.com/jtlgb/p/5809808.html

 

开机自启动的做法

将nginx文件放到到/etc/init.d目录下

chkconfig --add nginx

chkconfig nginx on

 

Windows下环境搭建

 

 

 

参考文章:

 

 

 

 

 

官网提供的安装方式:http://nginx.org/en/docs/install.html

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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