Nginx学习初探

Nginx服务器

高性能HTTP和反向代理服务器,也支持imap/pop3/smtp协议(邮件协议)

基本原理

工作模型

采用了epoll(Linux2.6以后的版本,2.4有epoll补丁)和kqueue(BSD系列)两种网络IO模型
Apache采用了select网络模型( 性能不如Nginx) Squid、Memcached都是采用了epoll网络IO模型
当面对大量连续的请求时,select网络模型非常低效

两种经典的网络IO模型(饭店服务员与顾客)
select:相当于一个服务员只接待一个顾客
epoll:相当于服务员总是做完一件小事情就去接待其他顾客,一个服务员可能服务多个顾客,一个顾客也可以被多个服务员所服务

进程解析

正常的Nginx工作有多个进程,master process主进程、work process工作进程
master process(只有一个):充当整个和进程组和用户交互的接口,维护并监控work process,不管具体的业务,只把相应的信息发给work process,同时负责Nginx的平滑重启、配置文件生效、关闭等
work process:处理具体的业务

工作流程
master process创建N个 worker process –> master process挂起等待信号 –>信号到来时处理信号 –>向work process发送命令 –>work process 进行处理 –>完成返回挂起等待信号

常用配置

相关的知识:Linux中文件描述符与打开文件之间的关系
在linux系统中一切都可以看成是文件,文件分为:普通文件、目录文件、链接文件和设备文件。文件描述符是Linux内核为了高校管理已经被打开的文件所创建的索引,是一个非负整数(通常是小整数),用于指代被打开的文件,所有进行I/O操作的系统调用都通过文件描述符。
程序刚刚启动的时候,0是标准输入,1是标准输出,2是标准错误。如果此时去打开一个新的文件,那么他的文件描述符将会为3.
POSIX要求每次打开文件的时候(包括socket)必须使用当前进程中最小可用的文件描述符号码,因此在网络通信过程中稍不注意就可能造成串话。

文描述限制:一般最大打开文件数是系统内存的10%,称为系统级限制(超过会出现“Too many open files”错误)

命令:
查看系统级别的最大打开文件数:sysctl -a|grep fs.file-max
单个进程最大打开文件数限制:ulimit -n

内核为了不让某一个进程消耗掉所有的资源,会对系统单个进程最大打开文件数做默认值处理(用户级限制),默认值一般为1024(为什么我是65535)

在Web服务器中,通过更改系统默认值文件描述符的最大值来优化服务器是最常见的方式之一

文件描述符和打开文件之间的关系:系统为每一个进程维护了一个文件描述符表,从0开始的,在同的进程中有相同的文件描述符,可以指向同一文件或者不同文件。
相同的文件可以从不同的进程打开,也可以从同一进程中打开多次。
需要查看内核维护的3个数据结构:
1.进程级的文件描述符表
2.系统级的打开文件描述符表
3.文件系统的i-node表

修改linux下最大文件描述符的限制的方法:
编辑 /etc/security/limit.cnf
加上* -nofile 数值
然后重启生效

//TODO
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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