2021-04-26

本文详细介绍了MongoDB的安装过程,包括下载、解压、创建数据目录和日志目录,以及配置文件的编写。接着讲解了如何启动MongoDB服务,并将其添加到环境变量中。此外,还强调了配置文件的格式要求。文章进一步讨论了MongoDB的安全配置,如创建超级管理员用户、开启权限认证,并展示了如何添加数据库用户。最后,提到了使用NavicatPremium15作为客户端工具连接MongoDB的步骤。

  实战 | MongoDB的安装配置

  安装

  下载MongoDB社区版

  https://www.mongodb.com/try/download/community

 

  上传至指定目录,如 /app/soft

  解压文件

  tar -zxvf mongodb-linux-x86_64-rhel62-4.4.4.tgz

  修改名字

  mv mongodb-linux-x86_64-rhel62-4.4.4 MongoDB

  在MongoDB目录下创建数据目录及日志目录

  [root@oadev soft]# cd MongoDB/

  [root@oadev MongoDB]# mkdir -p ./data/db

  [root@oadev MongoDB]# mkdir ./log

  

 

  在安装目录创建MongoDB配置文件 vi mongodb.conf内容如下:

  systemLog:

  #MongoDB发送所有日志输出的目标指定为文件

  destination: file

  path: "/app/soft/MongoDB/log/mongodb.log"

  logAppend: true

  storage:

  #mongod实例存储其数据的目录

  dbPath: "/app/soft/MongoDB/data/db"

  journal:

  #启用或禁用持久性日志以确保数据文件保持有效和可恢复。

  enabled: true

  processManagement:

  #启用在后台运行mongos或mongod进程的守护进程模式。

  fork: true

  net:

  #服务实例绑定的IP,默认是localhost

  bindIp: 0.0.0.0

  port: 27017

  配置文件如果内容不正确会导致mongodb服务起不起来,mongodb的配置文件要求k:v这种形式的:后面必须接空格并且文件中不能有tab缩进,必须是空格缩进

  启动MongoDB 进入bin目录,执行以下命令

  ./mongod -f /app/soft/MongoDB/mongodb.conf

  

 

  查看启动结果

  使用命令 ps aux | grep mongod 验证是否正常启动

 

  或者在bin目录下执行 ./mongo进入命令行界面

 

  将mongdb添加进环境变量

  使用命令编辑配置文件 vim /etc/profile,在最后加入MongoDB的配置 export PATH=$PATH:/app/soft/MongoDB/bin

 

  这样在任何地方都可以通过mongo指令进入命令行界面了

  安全配置

  通过上面的安装MongoDB目前还处于裸奔状态,我们必须给其配置上用户密码认证登录。首先我们给MongoDB配置一个超级管理员,操作步骤如下:

  配置超级管理员

  创建管理员账号 在任意目录中输入mongo进入命令行界面(之前已经添加过环境变量)

  > use admin

  switched to db admin

  > db.createUser({user:"root",pwd:"xxxxxx",roles:[{role:"root",db:"admin"}]})

  用户添加成功会出现:Successfully added user和添加的用户信息。

  user : "用户名",

  pwd : "密码”,

  roles:指定用户的角色,可以用一个空数组给新用户设定空角色;在roles字段,可以指定内置角色和用户定义的角色。

  注意一点,帐号是跟着库走的,所以在指定库里授权,必须也在指定库里验证(auth)。

  2. 开启权限认证

  退出mongodb命令行并修改配置文件mongodb.conf,在最后开启权限认证

  security:

  authorization: enabled

  重启MongoDB,使权限认证生效

  重新进入mongo命令行,此时可以正常进入,但是不能执行mongo命令,如执行 show dbs没有任何信息

 

  使用账号密码登录

  > use admin

  switched to db admin

  > db.auth("root","xxxxxx")

  或直接使用下面命令登录

  mongo admin -u root -p xxxxxx

  添加数据库用户

  我们除了需要设置数据库的超级管理员以外,还可以给每个数据库设置单独的管理员。其只有操作单独数据的一定权限。

  > use accesslog

  switched to db accesslog

  > db.createUser({

  user: 'accesslog', //用户名

  pwd: 'xxxxxx', //密码

  roles:[{

  role: 'readWrite', //角色

  db: 'accesslog' //数据库

  }]

  })

  权限相关命令

  show users // 查看当前库下的用户

  db.dropUser('accesslog') // 删除用户

  db.updateUser('admin', {pwd: 'xxxxxx'}) // 修改用户密码

  db.auth('admin', 'xxxxxx') // 密码认证

  MongoDB 数据库默认角色

  数据库用户角色: read、readWrite

  数据库管理角色: dbAdmin、dbOwner、userAdmin

  集群管理角色(admin): clusterAdmin、clusterManager、clusterMonitor、hostManager

  备份恢复角色(admin): backup、restore

  所有数据库角色(admin): readAnyDatabase、readWriteAnyDatabase、userAdminAnyDatabase、 dbAdminAnyDatabase

  超级用户角色(admin): root

  客户端连接

  这里我们使用 Navicat Premium 15 作为MongoDB客户端工具,当然也可以使用其他的。

  

 

  在验证模式中选择Password选项后出现用户名密码输入框。

  连接上后由于没有集合数据,所以此时看不到集合内容,这里我们先新建一个查询并通过如下语句创建一条记录

  use accesslog;

  db.gatelog.insert({

  title: 'Hello,MongoDB',

  by: 'JAVA日知录',

  url: 'http://www.javadaily.cn',

  webchat: 'jianzh5'

  });

  

 

  执行完成后就能看到数据了。

  

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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