mysql备忘 (Ubuntu14.0.4 + mysql主从配置)

系统:ubuntu14.0.4 server

A机器(主) 15.212.56.7

B机器(从)15.212.45.2

1,进入主机器(A)mysql控制台

mysql  -uroot  -ppwd

(1)创建远程登录账户

   insert into mysql.user(Host,User,Password) values('@youHost','@youname',password('@youpwd'));

   说明:

   @youHost:机器(B)的ip 在这里是15.212.45.2

   @youname:登录名

   @youpwd:登录密码

(2) 为登录用户授权

    (1),命令:grant replication slave  on *.* to '@youname'@'Ahost' identified by 'pwd' with grant option; 

    (2),参数说明:

     *.*:是指A机器上所有数据库的所有表

     Ahost:本机的ip 即A的ip

     pwd:登录密码

   (3)命令:flush privileges;//刷新权限

ps 遇到不能远程登陆的情况可以直接到 /etc/mysql/my.conf 将bind_address注释掉

(3)配置A服务器

    1),进入/etc/mysql目录

    2),修改my.conf配置文件

          server-id=1   #设置服务器id,为1表示主服务器,注意:如果原来的配置文件中已经有这一行,就不用再添加了。
             l
og_bin=mysql-bin  #启动MySQ二进制日志系统,注意:如果原来的配置文件中已经有这一行,就不用再添加了。
             binlog-do-db=imdou8  #需要同步的数据库名,如果有多个数据库,可重复此参数,每个数据库一行
             binlog-ignore-db=mysql   #不同步mysql系统数据库

             binlog_format=row   #解决HY0000错误

      3),重启mysql服务   service mysql restart

      4),mysql -u root -ppwd   #进入mysql控制台

                输入命令:show master status 会看到一个表格:   其中有两个值 mysql-bin.000XX   和一个数字 本机的是107          

(4)配置B服务器

     1),进入/etc/mysql目录

       2),修改my.conf配置文件

             server-id=2   #设置服务器id,为1表示主服务器,注意:如果原来的配置文件中已经有这一行,就不用再添加了。
             l
og_bin=mysql-bin  #启动MySQ二进制日志系统,注意:如果原来的配置文件中已经有这一行,就不用再添加了。
             binlog-do-db=imdou8  #需要同步的数据库名,如果有多个数据库,可重复此参数,每个数据库一行
             binlog-ignore-db=mysql   #不同步mysql系统数据库

             binlog_format=row   #解决HY0000错误

       3),重启mysql服务   service mysql restart

       4),mysql -u root -ppwd   #进入mysql控制台

              输入命令 

slave stop; 

change master to master_host='Aip',master_user='youname',master_password='pwd' master_log_file='mysql-bin.000001' ,master_log_pos=107;

slave start;

            找到以下两个值如果都是yes则说明配置成功

             Slave_IO_Running: Yes

             Slave_SQL_Running: Yes

(5)测试

     进入A机器,创建一张表并插入数据 查看是否在B机器同步


内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
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