windows 上使用mongrel

本文介绍如何在Windows环境下安装并使用Mongrel作为Rails应用程序的服务器,包括解决安装过程中遇到的问题,如mongrel_service的配置等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

由于ruby自带了一个webrick的嵌入式服务器,所以以前都是直接使用它,没有用其它的服务器。但是很明显它非常的简单,性能肯定也是好不了的,关于ruby的web服务器有几种选择,常用的就是FastCGI与mongrel,看robbin老大的一篇帖子:
[url]http://www.iteye.com/topic/155542#447373[/url]
这篇帖子讨论了关于fastCGI与mongrel的区别,虽然看起来FastCGI可能要好一点,但是根本没在windows环境中用过,而且据说配置起来比较复杂,所以还是勉强使用mongrel吧。这个东西即常用,而且也有人在windows中用过。
有一篇帖子也专门讲过:
[url]http://www.iteye.com/topic/43290[/url]
安装ruby与rails现在不提,主要是安装mongrel的过程,因为apache主要是用做代理与静态网页的请求,所以暂时可以不装。
安装mongrel很简单:
[quote]gem install mongrel[/quote]
暂时还不知道那个mongrel_service用来做什么的,在本人机子上安装时总是提示make命令不存在,make是一个打包工具,现在居然有人用这个啊,这个东西以前在学汇编的时候听说过,好像tasm用的就是make命令,难道还要装过tasm,不可能吧。

看了一下官方的指南,也没说要装它,于是就没有装mongrel_service,但依然能运行。

现在明白了,mongrel_service的作用是把mongrel作为windows服务用的,即可以用它将mongrel注入到windows的服务里面,不过mongrel_service有个麻烦,它依赖win32-service-0.5.2,0.5.2已不存在于常规的 http://rubyforge.org/projects/win32utils中,点这里下载:
[url]http://rubyforge.org/frs/download.php/15355/win32-service-0.5.2-mswin32.gem[/url]

执行:
[quote]gem install win32-service-0.5.2-mswin32[/quote]
再执行:
[quote]gem install mongrel_service[/quote]
关于mongrel_service注册到windows服务的过程,上面链接的第二篇文章讲得非常的详细,不再多说。

安装好mongrel后,可以通过上面所说的windows服务来启动,也可通过命令行启动服务:
[quote]mongrel_rails start -e production[/quote]

-e指定数据库环境,与webrick用法是一样的,也可通过-h查看更多的信息。

最后发现mongrel在windows中使用是一个很简单的过程,只可惜这方面的资料网上并不多,因为大多应用都是linux环境中的。

补充:
最近多试了一下,发现在windows上搞ROR并不比在linux做轻松多少,主要问题是很多插件在windows上的支持很不到位,那个webrick一点都不稳定,用着用着就会出问题,而mongrel除了上面讲到的问题外,对平台的支持也不太好,在ruby1.8.7中还能正常运行,但是在1.9.1中则跑不起来。用netbeans中创建ROR项目时有个选项:

[img]http://dl.iteye.com/upload/attachment/272811/4860f832-1a48-3c8f-9d52-3f94fce596ac.jpg[/img]

即“添加rake以支持....”,那个选项最好别勾上,在ruby1.8.7中根本没有这个东西,在1.9.1中也提示已过时。如果万一原来的项目勾上了(1.9.1创建的),可以通过删除“供应商->plugins"下warbler文件来撤消那个选项。
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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