`
- 浏览:
265980 次
- 性别:
- 来自:
广州
-
ZooKeepr 配置项详细说明
-
clientPort 必须，不支持-D参数，监听端口
-
dataDir 必须，不支持-D参数，用于指定ZooKeeper服务器存储快照文件的目录，默认情况下，如果dataLogDir没有配置，则事务日志也会存储到这个目录 下，考虑到事务日志的写性能直接影响ZooKeeper的整体性能，因此建议通过参数dataLogDir来配置事务日志存储目录
-
tickTime 可选，默认值3000，单位毫秒，不支持-D参数，表示时间单元
-
dataLogDir 可选，默认和dataDir一致，不支持-D参数，事务日志存储目录，尽量将事务日志存储在一个单独的磁盘上，事务日志记录对磁盘的性能要求非常高，为了保证数据的一致性，ZooKeeper在返回客户端事务响应之前，必须将本次请求对应的事务写入本地磁盘，。因此事务日志的写入的性能直接决定了ZooKeeper在处理事务请求时的吞吐量，将事务日志存储于和快照不同的磁盘将有效提高ZooKeeper的整体性能
- initLimit 必须，默认10，表示10倍的tickTime，用于指定Leader服务器等待Follower启动，并完成数据同步的时间
- syncLimit 必须，默认为5，表示5倍的tickTime，用于指定Leader和Follower之间进行心跳检测的最大延迟时间。ZK集群中，Leader会与所有Follower周期性地进行定期心跳检测来确定Follower是否挂了，如果Leader在syncLimit时间 内没有收到心跳响应，那么Leader就认为该Follower已挂
- snapCount 可选，默认100000，仅支持-Dzookeeper.snapCount 配置，表示多少次事务操作后进行一次数据快照保存
- preAllocSize 可选，默认65536，单位KB，仅支持-Dzookeeper.preAllocSize配置，指定事务日志预分配的磁盘空间大小
- minSessionTimeout和maxSessionTimeout 可选，默认值分别为tickTime的2倍和20倍，不支持-D参数，指定会话超时时间范围，如果客户端设置的会话超时时间不再该范围内，那么超时时间实际上会被设置为minSessionTimeout或者maxSessionTimeout
- maxClientCnxns 可选，默认60，单个客户端与单台服务器之间的最大并发数
- jute.maxbuffer 可选，默认 1048575 KB，仅支持-Djute.maxbuffer配置，指定单个数据节点（ZNode）上可存储的最大数据大小
- clientPortAddress 可选，无默认，不支持-D参数，针对多网卡的机器，该参数允许为每个IP地址指定不同的监听端口
- servre.id = host:port:port 集群时必须，无默认，不支持-D参数，指定集群机器ID和其连接地址，id为ServerID，与每台ZK服务器中的myid文件中数字一致，第一个port是Follower与Leader进行通信和数据同步等用的端口，第二个port是专门用于进行Leader选举的通信端口
- autopurge.snapRetainCount 可选，默认值3，仅支持-Dautopurge.snapRetainCount方式配置，从3.4.0版本开始，ZK支持自动清理数据快照和事务日志，该参数指定在自动清理时需要保留的快照文件数量及其对应的事务日志文件。最小值为3，若设为小于3的数，则会调整为3
- autopurge.purgeInterval 可选，默认为0，单位小时，不支持-D参数，从3.4.0版本开始，ZK支持自动清理数据快照和事务日志，该参数指定清理间隔
- fsync.warningthresholdms 可选，默认1000 毫秒，仅支持-Dfsync.warningthresholdms方式配置，指定ZK进行事务日志fsync操作时的耗时报警阈值
- forceSync 可选，默认yes，仅支持-Dzookeeper.forceSync配置，指定ZK是否要在事务提交的时候将日志刷到磁盘（实际写入）
- globalOutstandingLimit 可选，默认1000， 仅支持-Dzookeeper.globalOutstandingLimit配置，指定ZK最大请求堆积数
- leaderServes 可选，默认为yes，仅支持-Dzookeeper.leaderServes配置，指定leader是否能够向客户端提供服务
- SkipAcl 可选，默认no，仅支持-Dzookeeper.skipAcl方式配置，指定是否跳过ACL检查，若设为yes，则ACL作废
- cnxTimeout 可选，默认5000 毫秒，仅支持zookeeper.cnxTimeout配置，指定在选举过程中，各服务器之间 建立TCP连接的超时时间
分享到：
相关推荐
《ZooKeeper：详解与应用》 ZooKeeper，一个由Apache软件基金会开发的分布式协调服务，是Java编程语言的杰作，广泛应用于大数据、云计算等领域的分布式系统中。它提供了一个高效、可靠的命名服务、配置管理、集群...
**Zookeeper：分布式协调服务详解** Zookeeper是一个高性能、分布式的开源协调服务，它主要解决在分布式环境中数据一致性的问题。这个服务广泛应用于大数据处理、分布式系统以及微服务架构中，为集群中的节点提供...
2. 配置ZKUI连接Zookeeper服务器，需要修改配置文件（如`config.properties`），设置`zk.connect`参数为你想要连接的Zookeeper集群地址。 3. 启动ZKUI，运行相应的启动脚本（如`zkui.sh`或`zkui.bat`，根据操作系统...
《ZooInspector：Windows版Zookeeper图形化工具详解》 在大数据和分布式系统领域，Zookeeper作为一款强大的分布式协调服务，被广泛应用于集群管理、配置管理、命名服务等多个场景。然而，对于新手或者需要频繁操作...
项目工程资源经过严格测试运行并且功能上ok，可实现复现复刻，拿到资料包后可实现复现出一样的项目，本人系统开发经验充足（全栈全领域），有任何使用问题欢迎随时与我联系，我会抽时间努力为您解惑，提供帮助 【资源内容】：包含源码+工程文件+说明等。答辩评审平均分达到96分，放心下载使用！可实现复现；设计报告也可借鉴此项目；该资源内项目代码都经过测试运行，功能ok 【项目价值】：可用在相关项目设计中，皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面，可借鉴此优质项目实现复刻，设计报告也可借鉴此项目，也可基于此项目来扩展开发出更多功能 【提供帮助】：有任何使用上的问题欢迎随时与我联系，抽时间努力解答解惑，提供帮助 【附带帮助】：若还需要相关开发工具、学习资料等，我会提供帮助，提供资料，鼓励学习进步 下载后请首先打开说明文件（如有）;整理时不同项目所包含资源内容不同;项目工程可实现复现复刻，如果基础还行，也可在此程序基础上进行修改，以实现其它功能。供开源学习/技术交流/学习参考，勿用于商业用途。质量优质，放心下载使用
内容概要：本文档提供了关于数据分析全面的知识介绍与实战资源链接。首先，在数据分析的基础教程部分讲述了使用Python以及R两种语言来进行实际的数据分析工作所需具备的各项基本技能。其次，进阶教程涵盖从机器学习到深度学习的概念及其Python具体应用场景。接着，在工具有效利用层面介绍了多种热门库与平台的作用特点。在项目实践中，列举了四个实战案例：Titanic幸存者预测、房价预测、社交媒体情感倾向分析以及市场顾客购买模式研究，每个项目都有详细的技术流程指引。另外列出多个外部网站资源供进一步提升学习。 适用人群：本文主要面向有志于从事数据挖掘工作的学生和技术爱好者，同时也可辅助在职人士自我能力进阶。无论是在学术科研还是实际业务需求环境中都值得研读。 使用场景及目标：学习者将能够获取到系统的理论知识体系，熟悉业界主流软件包的功能优势，掌握具体业务问题解决方案路径，提高自身的综合技术素质，从而为个人职业规划增添竞争力。 其他说明：文档里推荐了不少高质量参考资料和实用线上学习社区，能有效补充专业知识空白并促进社交协作交流。
从埃安泰国工厂竣工看中国车企加快海外建厂步伐.pptx
复现改进的L-SHADE差分进化算法求解最优化问题详解：附MATLAB源码与测试函数集,复现改进的L-SHADE差分进化算法求解最优化问题详解：MATLAB源码与测试集全攻略,复现改进的L-SHADE差分进化算法求最优化问题 对配套文献所提出的改进的L-SHADE差分进化算法求解最优化问题的的复现，提供完整MATLAB源代码和测试函数集，到手可运行，运行效果如图2所示。 代码所用测试函数集与文献相同：对CEC2014最优化测试函数集中的全部30个函数进行了测试验证，运行结果与文献一致。 ,复现; 改进的L-SHADE差分进化算法; 最优化问题求解; MATLAB源代码; 测试函数集; CEC2014最优化测试函数集,复现改进L-SHADE算法：最优化问题的MATLAB求解与验证
可选择参考电压与输出电压 可选择电阻精度以及输出电压误差值
西门子博途三部十层电梯程序案例解析：基于Wincc RT Professional V14及更高版本的应用探索,西门子博途三部十层电梯程序案例解析：基于Wincc RT Professional画面与V14及以上版本技术参考,西门子1200博途三部十层电梯程序案例，加Wincc RT Professional画面三部十层电梯程序，版本V14及以上。 程序仅限于参考资料使用。 ,西门子;1200博途;三部十层电梯程序案例;Wincc RT Professional;V14以上程序版本。,西门子V14+博途三部十层电梯程序案例：Wincc RT Pro专业画面技术解析
2023政务大数据解决方案.pptx
项目工程资源经过严格测试运行并且功能上ok，可实现复现复刻，拿到资料包后可实现复现出一样的项目，本人系统开发经验充足（全栈全领域），有任何使用问题欢迎随时与我联系，我会抽时间努力为您解惑，提供帮助 【资源内容】：包含源码+工程文件+说明等。答辩评审平均分达到96分，放心下载使用！可实现复现；设计报告也可借鉴此项目；该资源内项目代码都经过测试运行；功能ok 【项目价值】：可用在相关项目设计中，皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面，可借鉴此优质项目实现复刻，设计报告也可借鉴此项目，也可基于此项目来扩展开发出更多功能 【提供帮助】：有任何使用上的问题欢迎随时与我联系，抽时间努力解答解惑，提供帮助 【附带帮助】：若还需要相关开发工具、学习资料等，我会提供帮助，提供资料，鼓励学习进步 下载后请首先打开说明文件（如有）;整理时不同项目所包含资源内容不同;项目工程可实现复现复刻，如果基础还行，也可在此程序基础上进行修改，以实现其它功能。供开源学习/技术交流/学习参考，勿用于商业用途。质量优质，放心下载使用
内容概要：本文介绍了基于Java的学业跟踪评价系统的详细设计与实现，涵盖系统的多维度数据整合与评价、智能化学习建议、数据可视化和实时反馈等方面。系统通过收集课堂表现、作业成绩、考试成绩等多源数据，对学生的学业表现进行全面跟踪和评价，提供可视化反馈以及个性化的学习建议，促进家校互动，助力学生全面素质提升和发展。 适合人群：具备一定Java编程经验的研究者和开发者，特别是从事教育信息化领域的从业人员和技术爱好者。 使用场景及目标：该系统主要用于K12教育阶段、高等教育以及其他涉及教育培训的场景。其目的是提高教育管理效率、推进教育数字化转型和个人化教育实施。 其他说明：该文档详细介绍了系统的设计思路、功能模块和技术细节，并提供了完整的程序代码以及GUI设计说明。对于希望深入了解或实际部署学业跟踪评价系统的机构非常有参考价值。文中强调技术创新与实践经验相结合，突出了实用性和前瞻性特点。
项目工程资源经过严格测试运行并且功能上ok，可实现复现复刻，拿到资料包后可实现复现出一样的项目，本人系统开发经验充足（全栈全领域），有任何使用问题欢迎随时与我联系，我会抽时间努力为您解惑，提供帮助 【资源内容】：包含源码+工程文件+说明等。答辩评审平均分达到96分，放心下载使用！可实现复现；设计报告也可借鉴此项目；该资源内项目代码都经过测试运行；功能ok 【项目价值】：可用在相关项目设计中，皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面，可借鉴此优质项目实现复刻，设计报告也可借鉴此项目，也可基于此项目来扩展开发出更多功能 【提供帮助】：有任何使用上的问题欢迎随时与我联系，抽时间努力解答解惑，提供帮助 【附带帮助】：若还需要相关开发工具、学习资料等，我会提供帮助，提供资料，鼓励学习进步 下载后请首先打开说明文件（如有）;整理时不同项目所包含资源内容不同;项目工程可实现复现复刻，如果基础还行，也可在此程序基础上进行修改，以实现其它功能。供开源学习/技术交流/学习参考，勿用于商业用途。质量优质，放心下载使用
erlang安装包，rabbmit安装环境
linux 下的oracle数据库的开机启动脚本，将里面的/home/oracle/app/oracle/product/11.2.0/dbhome_1 都改成你的oracle数据库的路径。在root用户下chmod +x 添加执行权限，然后./oracle_setup.sh 执行即可。
基于目标级联分析法的多微网主动配电系统自治优化经济调度算法实现与初级应用,基于目标级联分析法的多微网主动配电系统自治优化经济调度算法实践：初级拉格朗日算法应用,GAMS代码：基于目标级联分析法的多微网主动配电系统自治优化经济调度 该代码并非完全复现该文献，而是参照文献 《基于目标级联分析法的多微网主动配电系统自治优化经济调度》 的目标级联分析法（ATC）的算法部分，采用初级的拉格朗日算法，主网与配网部分模型较为简化。 代码结构完整，注释详细，可读性较强，可以在此基础上进行修改或者移植。 适用于初学者学习ATC模型 ,GAMS代码;目标级联分析法(ATC);微网主动配电系统;自治优化经济调度;拉格朗日算法;主网与配网模型简化;代码结构完整;注释详细;可读性强;初学者学习ATC模型。,基于ATC算法的GAMS多微网经济调度优化代码：简化版学习指南
基于ISODATA改进算法的负荷场景曲线聚类——适用于风光场景生成的高效算法创新,基于ISODATA改进算法的负荷场景曲线聚类（适用于风光场景生成，包含K-means等多种聚类方法与效果评价）,基于ISODATA改进算法的负荷场景曲线聚类（适用于风光场景生成） 摘要：代码主要做的是一种基于改进ISODATA算法的负荷场景曲线聚类，代码中，主要做了四种聚类算法，包括基础的K-means算法、ISODATA算法、L-ISODATA算法以及K-L-ISODATA算法，并且包含了对聚类场景以及聚类效果的评价，通过DBI的计算值综合对比评价不同方法的聚类效果，程序实现效果非常好，适合对于算法创新有需求的人，且也包含基础的k-means算法，用来学习也非常棒 另外，此代码同样适用于风光场景生成，自己准备好风光场景数据即可 代码非常精品，有部分注释； ,核心关键词： 1. 基于ISODATA改进算法 2. 负荷场景曲线聚类 3. K-means算法 4. 聚类场景评价 5. 聚类效果评价 6. DBI计算值 7. 算法创新需求 8. 风光场景生成 以上关键词用分号分隔为： 1. 基于ISO
xPack qemu arm 是一款高性能且跨平台的 ARM 架构虚拟机
莫理莉+AI+为新型能源系统赋能-技术与建筑建筑供配电论坛琶洲.pptx