MySQL笔记(二):简单搭建一个mysql集群

本文详细介绍如何在CentOS 7.2环境下搭建MySQL Cluster集群,包括管理节点、存储节点和应用节点的配置过程,以及安装包的选择和环境准备。通过步骤化的指导,帮助读者理解并实践MySQL Cluster的部署。

主机:centos7.2(五台)

管理节点:management-server 192.168.122.121

存储节点:data-node 192.168.122.122\192.168.122.123

应用节点:mysql-server 192.168.122.124\192.168.122.125

安装包:mysql-cluster-community-7.5.5-1.el7.x86_64.rpm-bundle.tar(其他版本均可在Oracle官网下载)

环境:1.相同网段的IP

2.hosts主机名(我这里设置为man\data1\data2\sql1\sql2\)

3.关闭防火墙

4.时间同步

5.yum install -y createrepo

6.删除旧的数据库: db=`rpm -qa |grep mariadb` ; yum remove ${db} -y  &&  rm -rf /etc/my.cnf*

步骤一:配置yum源

yum install -y vsftpd

tar -xf mysql-cluster-community-7.5.5-1.el7.x86_64.rpm-bundle.tar -C /var/ftp/pub

createrepo /var/ftp/pub

cat > /etc/yum.repos.d/mysqlcluster.repo << EOT

[mysqlcluster]

name=myclu

baseurl=ftp://192.168.122.121/pub

enabled=1

gpgcheck=0

EOT

使用scp或rsync将/etc/yum.repos.d/mysqlcluster.repo同步到其他主机上

yum clean all && yum makecache

步骤二:安装对应的包

管理节点:

rpm -Uvh https://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpm

yum install mysql-cluster-community-management-server mysql-cluster-community-client

存储节点:

yum install -y mysql-cluster-community-data-node

应用节点:

rpm -Uvh https://dl.fedoraproject.org/pub/epel/epel-release-latest-7.noarch.rpm

yum install -y mysql-cluster-community-server

安装完成

步骤三:配置

管理节点

mkdir /var/lib/mysql-cluster

cat /var/lib/mysql-cluster/config.ini << EOT

[ndbd default]

NoOfReplicas=2

DataDir=/var/lib/mysql-cluster

[ndb_mgmd]

HostName=192.168.122.121

DataDir=/var/lib/mysql-cluster

[ndbd]

HostName=192.168.122.122

[ndbd]

HostName=192.168.122.123

[mysqld]

HostName=192.168.122.124

[mysqld]

HostName=192.168.122.125

EOT

存储节点:

cat > /etc/my.cnf << EOT

[mysqld]

ndbcluster

ndb-connectstring=192.168.122.121

[mysql_cluster]

ndb-connectstring=192.168.122.121

EOT

mkdir /var/lib/mysql-cluster

应用节点:

cat >> /etc/my.cnf <<EOT

ndbcluster

ndb-connectstring=192.168.122.121

default_storage_engine=ndbcluster

[mysql_cluster]

ndb-connectstring=192.168.122.121

EOT

配置完成

步骤四:启动

管理节点:(优先)

ndb_mgmd -f /var/lib/mysql-cluster/config.ini

ss -ntupl |grep ndb

存储节点:

ndbd

应用节点:

systemctl start mysqld

步骤五:登录

grep password /var/log/mysqld.log

#调用日志,查看密码,并使用该密码登录

mysql> set global validate_password_policy=0;

#设置MYSQL的全局模式为0

mysql> set global validate_password_length=6;

#设置MYSQL的密码长度

mysql> set password=password('000000');

#更改密码

步骤六:测试

往其中一台数据库创建表格,查看另外一台数据库是否存在同样表格

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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