GitPuk基础到实践,集成soular实现统一登入

在日益复杂的IT环境中,开发团队往往需要维护多套系统的账号密码,这不仅增加了管理成本,也带来了潜在的安全风险。为了彻底解决这一问题,GitPuk现已支持与Soular进行深度集成。

1、soular安装

1.1 安装

以centos操作系统为例

  • 下载

centos安装包下载地址:点击下载soular,点击centos下载,下载完成后得到tiklab-soular-1.1.5.rpm的文件

wget -O tiklab-soular-1.1.5.rpm https://install.tiklab.net/app/install/soular/V1.1.5/tiklab-soular-1.1.5.rpm

  • 安装

上传到服务器上,在文件同级目录执行命令安装。

sudo rpm -ivh tiklab-soular-1.1.5.rpm

  • 启动

系统默认安装路径为/opt目录,进入/opt/tiklab-soular/bin目录下,执行./soular start即可启动成功。

./soular start

使用 http://ip:9100 进行访问。初始用户名密码admin\123456登录,首次登录根据需要修改管理员密码。成功登录后展示soular首页。

2、GitPuk安装与配置

2.1 安装

以centos操作系统为例

  • 下载

centos安装包下载地址:点击下载GitPuk,点击centos下载,下载完成后得到tiklab-gitpuk-1.2.0.rpm的文件

wget -O tiklab-gitpuk-1.2.0.rpm https://install.tiklab.net/app/install/gitpuk/V1.2.0/tiklab-gitpuk-1.2.0.rpm

  • 安装

上传到服务器上,在文件同级目录执行命令安装。

rpm -ivh tiklab-gitpuk-1.2.0.rpm

  • 启动

系统默认安装路径为/opt目录,进入/opt/tiklab-gitpuk/bin目录下,执行./gitpuk start即可启动成功。

./gitpuk start

使用 http://ip:9800 进行访问。初始用户名密码admin\123456登录,首次登录根据需要修改管理员密码。成功登录后展示gitpuk首页。

2.2 配置

属性说明

配置统一登录,需要修改application.yaml。配置文件yaml文件各个系统的默认位置:

系统

默认位置

Windows

默认在安装目录 --> conf目录下application.yaml文件

Mac

默认在app下的Contents --> conf 目录下application.yaml文件

Linux

默认在/opt/tiklab-arbess/conf 目录下application.yaml文件

Docker

默认在镜像文件内/usr/local/tiklab-arbess/conf 目录下application.yaml文件

以CentOS为例,找到配置文件application.yaml,编辑配置文件,找到auth项目。

属性说明

字段说明
auth.type是否为统一登录,local:本地模式 soular:统一模式
auth.soular.addressSoular的应用地址。
auth.expire登录过期时间,设置的时间段呢不需要重新登录。

将auth.type值调整为soular,auth.soular.address调整为文章第一段启动的链接(即soular的启动地址)。

配置完成后,需要重启gitpuk系统重启完成之后,进入登录页使用soular用户登录。进入gitpuk系统设置后打开用户,点击用户信息都会跳转到soular进行维护。

3、添加GitPuk地址

GitPuk统一登录配置完成后,可以在soular配置GitPuk地址。进入soular后点击右上角设置按钮配置上GitPuk即可

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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