实操mysql主从同步

使用主从同步的优点:

使用主服务器做写操作,从服务器做读操作。这样可以使得应用查询更快。不过也有一个缺点就是当主服务器频繁的更新会导致从服务器的数据不稳定或有较大的延迟。

准备材料:

 

  • 一台做master的MySQL。ip:192.168.0.105  port:3300
  • 一台做slave的MySQL。 ip:192.168.0.104 prot:3301

在两台服务器的MySQL分别创建一个相同结构的库和表,方便后期测试。

 

步骤一:

登录masterMySQL,找到MySQL的配置文件。我这里的mysql文件的路径如下/etc/mysql/mysql.conf.d/mysqld.cnf用vim打开mysqld.cnf文件,把如下语句配置进去

[mysqld]
log-bin=mysql-bin #开启二进制日志
server-id=1 #设置server-id

步骤二:

重启master数据库,然后创建用户

mysql> CREATE USER 'wg'@'%' IDENTIFIED BY '123456';#创建用户
mysql> GRANT REPLICATION SLAVE ON *.* TO 'wg'@'%';#分配权限
mysql>flush privileges;   #刷新权限

创建成功后可以查看master状态

SHOW MASTER STATUS;

 

步骤三:

 

重新登录到slave的mysql

打开slave数据库,找到配置文件,这里的配置文件路径和master一致都是/etc/mysql/mysql.conf.d/mysqld.cnf,在配置文件里面添加

[mysqld]
server-id=2 #设置server-id,必须唯一

保存重启

步骤四:

设置mysql的slave参数


 

 
mysql> CHANGE MASTER TO
    ->     MASTER_HOST='182.92.172.80',
    ->     MASTER_PORT=3300
    ->     MASTER_USER='wg',
    ->     MASTER_PASSWORD='123456',
    ->     MASTER_LOG_FILE='mysql-bin.000003',
    ->     MASTER_LOG_POS=73;

 

注意master_port的端口需要自己设置,我这里是用的docker配置所以配置了3300,默认是3306,master_log_file和master_log_pos分别填写我步骤二里面画红框的内容。

 

设置完成开启slave服务

start slave

若是发现slave参数配置错误,则可以stop slave重新进行步骤四的配置,然后再输入start slave进行开启服务。

步骤五:

检查是否开启成功

mysql> show slave status\G;
*************************** 1. row ***************************
               Slave_IO_State: Waiting for master to send event
                  Master_Host: 182.92.172.80
                  Master_User: rep1
                  Master_Port: 3306
                Connect_Retry: 60
              Master_Log_File: mysql-bin.000013
          Read_Master_Log_Pos: 11662
               Relay_Log_File: mysqld-relay-bin.000022
                Relay_Log_Pos: 11765
        Relay_Master_Log_File: mysql-bin.000013
             Slave_IO_Running: Yes
            Slave_SQL_Running: Yes
              Replicate_Do_DB: 
          Replicate_Ignore_DB: 
        ...

如果红框内的2个runing 都是YES则开启成功。

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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