linux svn和web同步

本文详细介绍如何使用svnadmin创建SVN仓库,并进行权限配置。此外还介绍了如何将项目导入SVN,包括从服务器本地及电脑本地导入的方法,并提供了同步更新的脚本设置示例。

1.新建仓库

svnadmin create /alidata/svn/treehole

2.配置相关权限

cd /alidata/svn/treehole/conf/
vi svnserve.conf 
vi passwd 
vi authz 

3.将项目导入到svn中

终端输入:svn import [源路径] [目标版本库路径] -m [日志信息]

a.从服务器本地导入
项目在服务器的位置

/alidata/secret-garden/

将项目导入库内

svn import /alidata/secret-garden/ "svn://localhost/treehole" -m "app1"

b.从电脑本地导入

svn import D:\eclipse-android-workplace\FamePic
"svn://192.168.1.108:3690/project-android/framepic" -m "init import"

mac:
svn import /Applications/MAMP/htdocs/Secret "svn://xxx.xxx.156.2/secret" -m "secret"

4.纳入版本管理
从版本库导出:
导入后原文件并未被纳入版本管理,若想获得受版本控制的文件,就需要从版本库导出

终端输入:svn co [版本库路径] [导出目标路径]
svn co file:///alidata/svn/treehole/ /alidata/treehole

5.同步

/alidata/svn/treehole/hooks/
cp post-commit.tmpl post-commit
编辑post-commit,在文件最后添加以下内容

事先在hooks下建立log目录,在其下建立post-commit.log用于记录提交的日志

export LANG=en_US.UTF-8
#仓库的路径
REPOS="$1"
#新提交的版本号
REV="$2"
#脚本的标准输出和标准错误输出都打印到日志文件中
TIME=$(date "+%Y-%m-%d %H:%M:%S")
BINSVN=/usr/bin/svn
SVNLOOK=/usr/bin/svnlook
LOGFILE=/alidata/svn/treehole/hooks/log/post-commit.log
#SVN客户端配置
WEBROOT=/alidata/treehole
MESSAGE=$($SVNLOOK log -r $REV "$REPOS")

echo "-- $TIME" >> $LOGFILE
echo "******************************************************************" >> $LOGFILE
echo "提交版本:$REV" >> $LOGFILE
echo "提交备注:$MESSAGE" >> $LOGFILE
if [ ! -d $WEBROOT/.svn ];then
        echo "$BINSVN co file://$REPOS/ $WEBROOT" >> $LOGFILE
        $BINSVN co file://$REPOS/ $WEBROOT
        if [ $? -eq 0 ];then
                echo "checkout ok" >> $LOGFILE
        else
                echo "checkout error" >> $LOGFILE
        fi
else
        echo " $BINSVN up $REV $WEBROOT " >> $LOGFILE
        $BINSVN up $REV $WEBROOT >> $LOGFILE
        if [ $? -eq 0 ];then
                echo "update sucess " >> $LOGFILE
        else
                echo "update fial " >> $LOGFILE
        fi
fi
echo "--" >> $LOGFILE
增加脚本执行权限
chmod +x post-commit 
【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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