【Elasticsearch】监控与管理：集群监控指标

news2025/2/12 5:06:21

🧑 博主简介：CSDN博客专家，历代文学网（PC端可以访问：https://literature.sinhy.com/#/?__c=1000，移动端可微信小程序搜索“历代文学”）总架构师，15年工作经验，精通Java编程，高并发设计，Springboot和微服务，熟悉Linux，ESXI虚拟化以及云原生Docker和K8s，热衷于探索科技的边界，并将理论知识转化为实际应用。保持对新技术的好奇心，乐于分享所学，希望通过我的实践经历和见解，启发他人的创新思维。在这里，我希望能与志同道合的朋友交流探讨，共同进步，一起在技术的世界里不断学习成长。
技术合作请加本人wx（注明来自csdn）：foreast_sea

在这里插入图片描述

在这里插入图片描述

文章目录

  • 【Elasticsearch】监控与管理：集群监控指标
    • 引言
    • 1. Elasticsearch 集群监控概述
      • 1.1 什么是 Elasticsearch 集群监控？
      • 1.2 监控的重要性
      • 1.3 Elasticsearch 内置监控工具
    • 2. 节点状态指标
      • 2.1 CPU 使用率
      • 2.2 内存使用率
      • 2.3 磁盘空间
      • 2.4 JVM 堆内存
      • 2.5 网络使用情况
    • 3. 索引指标
      • 3.1 文档数量
      • 3.2 索引大小
      • 3.3 索引操作统计
      • 3.4 索引碎片化程度
    • 4. 搜索性能指标
      • 4.1 查询延迟
    • 4.2 查询吞吐量
      • 4.3 聚合操作性能
      • 4.4 响应时间分布
    • 5. 通过 Java API 获取监控指标
      • 5.1 使用 REST API 获取节点状态
      • 5.2 使用 Java High Level REST Client 获取索引统计信息
      • 5.3 实时监控搜索性能
    • 6. 可视化工具：Kibana 的应用
      • 6.1 Kibana 的安装与配置
      • 6.2 创建监控仪表盘
      • 6.3 实时监控与告警设置
    • 7. 总结与展望
    • 8. 参考资料

【Elasticsearch】监控与管理：集群监控指标

引言

在现代互联网应用中，Elasticsearch 已经成为不可或缺的核心组件之一。无论是搜索引擎、日志分析系统，还是实时数据分析平台，Elasticsearch 凭借其强大的分布式特性、灵活的查询能力以及高效的全文检索功能，在各个领域中都有着广泛的应用。然而，随着业务规模的不断扩大和数据量的持续增长，Elasticsearch 集群的稳定性、性能和资源利用率成为了运维人员和开发人员关注的重点。

在实际生产环境中，Elasticsearch 集群可能会面临多种挑战：节点负载不均导致某些节点成为性能瓶颈、磁盘空间不足引发节点不可用、索引碎片化严重导致查询性能下降等等。这些问题如果得不到及时发现和处理，将会直接影响系统的可用性和用户体验。因此，对 Elasticsearch 集群进行实时监控和深入分析，成为了保障系统稳定运行的关键环节。

Elasticsearch 本身提供了丰富的内置监控指标和工具，可以帮助我们全面了解集群的运行状态。这些指标涵盖了节点级别的资源使用情况（如 CPU 使用率、内存使用率、磁盘空间等）、索引级别的数据分布和操作统计（如文档数量、索引大小、查询请求量等），以及搜索性能相关的指标（如查询延迟、查询吞吐量等）。通过这些指标，我们可以快速定位集群中的潜在问题，并采取相应的优化措施。

对于 Java 开发者来说，掌握如何通过 Elasticsearch 的 Java API 获取和分析这些监控指标尤为重要。无论是通过编写自定义监控脚本，还是集成第三方监控工具（如 Kibana、Prometheus 等），了解如何高效地获取和解析这些指标数据，都是提升系统运维能力的关键技能。

本文将从 Elasticsearch 集群监控的基本原理出发，详细介绍各类监控指标的作用和应用场景，并结合实际案例展示如何通过 Java API 和可视化工具（如 Kibana）获取和分析这些指标。希望通过本文的讲解，能够帮助读者全面掌握 Elasticsearch 集群监控的核心技术和实践方法。

1. Elasticsearch 集群监控概述

1.1 什么是 Elasticsearch 集群监控？

Elasticsearch 集群监控是指通过对 Elasticsearch 集群的各项运行指标进行实时采集、分析和展示，从而全面了解集群的健康状况、性能表现以及资源使用情况的过程。监控的目标是及时发现潜在问题，并采取相应的优化措施，以保障集群的稳定性和高效性。

1.2 监控的重要性

  • 保障系统稳定性：通过监控可以及时发现节点故障、资源不足等问题，避免因单点故障导致整个集群不可用。
  • 优化性能：通过对 CPU、内存、磁盘等资源的使用情况进行分析，可以识别性能瓶颈并进行针对性优化。
  • 资源规划：基于历史数据和趋势分析，可以更好地规划硬件资源的扩展，避免资源浪费或不足。
  • 故障排查：当系统出现异常时，监控数据可以为故障排查提供有力的支持。

1.3 Elasticsearch 内置监控工具

Elasticsearch 提供了多种内置工具和接口用于集群监控：

  • Nodes API：用于获取节点级别的各项指标。
  • Cluster Health API：用于查看集群的整体健康状况。
  • Indices Stats API：用于获取索引级别的统计信息。
  • Search Profiler：用于分析搜索请求的执行过程和性能瓶颈。

此外，Elasticsearch 还支持与第三方工具（如 Kibana、Prometheus、Grafana 等）集成，以实现更强大的可视化监控和告警功能。

2. 节点状态指标

2.1 CPU 使用率

CPU 使用率反映了节点的计算资源使用情况。如果某个节点的 CPU 使用率长期处于高位（如超过 80%），可能会导致节点响应变慢甚至不可用。

// 示例：通过 Java API 获取节点 CPU 使用率
public void getNodeCpuUsage() {
    NodesInfoResponse response = client.admin().cluster().nodesInfo(new NodesInfoRequest()).actionGet();
    for (NodeInfo node : response.getNodes()) {
        System.out.println("Node name: " + node.getName());
        System.out.println("CPU usage: " + node.getJvm().getCpuLoad());
    }
}

2.2 内存使用率

内存使用率是衡量节点内存资源使用情况的重要指标。如果内存使用率过高，可能会导致垃圾回收（GC）频繁发生，进而影响系统性能。

// 示例：获取节点内存使用情况
public void getNodeMemoryUsage() {
    NodesInfoResponse response = client.admin().cluster().nodesInfo(new NodesInfoRequest()).actionGet();
    for (NodeInfo node : response.getNodes()) {
        System.out.println("Node name: " + node.getName());
        System.out.println("Heap used: " + node.getJvm().getMem().getHeapUsed());
        System.out.println("Heap max: " + node.getJvm().getMem().getHeapMax());
    }
}

2.3 磁盘空间

磁盘空间不足是导致节点不可用的常见原因之一。通过监控磁盘空间使用情况，可以及时发现并处理磁盘满的问题。

// 示例：获取节点磁盘空间信息
public void getNodeDiskSpace() {
    NodesInfoResponse response = client.admin().cluster().nodesInfo(new NodesInfoRequest()).actionGet();
    for (NodeInfo node : response.getNodes()) {
        System.out.println("Node name: " + node.getName());
        for (NodeInfo.NodeInfoFs fs : node.getFs()) {
            System.out.println("Path: " + fs.getPath());
            System.out.println("Total space: " + fs.getTotal());
            System.out.println("Free space: " + fs.getFree());
        }
    }
}

2.4 JVM 堆内存

JVM 堆内存的使用情况直接影响着节点的性能。如果堆内存不足，可能会导致频繁的 Full GC，从而影响系统响应速度。

// 示例：获取 JVM 堆内存使用情况
public void getJvmHeapUsage() {
    NodesInfoResponse response = client.admin().cluster().nodesInfo(new NodesInfoRequest()).actionGet();
    for (NodeInfo node : response.getNodes()) {
        System.out.println("Node name: " + node.getName());
        JvmInfo jvmInfo = node.getJvm();
        System.out.println("Heap used: " + jvmInfo.getMem().getHeapUsed());
        System.out.println("Heap max: " + jvmInfo.getMem().getHeapMax());
    }
}

2.5 网络使用情况

网络使用情况反映了节点之间的通信负载。如果网络带宽被大量占用，可能会导致节点间通信延迟增加。

// 示例：获取节点网络使用情况
public void getNodeNetworkUsage() {
    NodesInfoResponse response = client.admin().cluster().nodesInfo(new NodesInfoRequest()).actionGet();
    for (NodeInfo node : response.getNodes()) {
        System.out.println("Node name: " + node.getName());
        System.out.println("Network rx: " + node.getTransport().getRxCount());
        System.out.println("Network tx: " + node.getTransport().getTxCount());
    }
}

3. 索引指标

3.1 文档数量

文档数量反映了索引中存储的数据量。通过监控文档数量的变化趋势，可以了解业务数据的增长情况。

// 示例：获取索引文档数量
public void getIndexDocCount(String indexName) {
    GetIndexResponse response = client.admin().indices().getIndex(new GetIndexRequest(indexName)).actionGet();
    long docCount = response.getIndices().get(indexName).getDocs().getCount();
    System.out.println("Document count in index '" + indexName + "': " + docCount);
}

3.2 索引大小

索引大小反映了存储在磁盘上的数据量。通过监控索引大小的变化，可以了解数据的增长趋势，并提前规划存储资源。

// 示例：获取索引大小
public void getIndexSize(String indexName) {
    GetIndexResponse response = client.admin().indices().getIndex(new GetIndexRequest(indexName)).actionGet();
    long storeSize = response.getIndices().get(indexName).getStore().getSizeInBytes();
    System.out.println("Index size of '" + indexName + "': " + storeSize + " bytes");
}

3.3 索引操作统计

索引操作统计包括插入、更新、删除等操作的数量和耗时。通过这些指标可以了解索引操作的负载情况。

// 示例：获取索引操作统计
public void getIndexOperations(String indexName) {
    IndexStatsResponse response = client.admin().indices().stats(new IndexStatsRequest(indexName)).actionGet();
    IndexStats stats = response.getIndexStats().get(0);
    System.out.println("Index name: " + indexName);
    System.out.println("Insert count: " + stats.getTotal().getIndexing().getTotal());
    System.out.println("Update count: " + stats.getTotal().getIndexing().getUpdate());
    System.out.println("Delete count: " + stats.getTotal().getIndexing().getDelete());
}

3.4 索引碎片化程度

索引碎片化程度反映了索引段的分布情况。高碎片化会导致查询性能下降。

// 示例：获取索引碎片化程度
public void getIndexFragmentation(String indexName) {
    IndexStatsResponse response = client.admin().indices().stats(new IndexStatsRequest(indexName)).actionGet();
    IndexStats stats = response.getIndexStats().get(0);
    long totalSegments = stats.getTotal().getSegments().getNum();
    long totalShards = stats.getTotal().getShards().getPrimary();
    double fragmentation = (double) totalSegments / (totalShards * 2); // 考虑副本
    System.out.println("Fragmentation level of '" + indexName + "': " + fragmentation);
}

4. 搜索性能指标

4.1 查询延迟

查询延迟反映了搜索请求的响应时间。通过监控查询延迟的变化趋势，可以识别性能瓶颈。

// 示例：获取搜索延迟统计
public void getSearchLatency() {
    SearchResponse response = client.search(new SearchRequest()
        .indices("your_index")
        .source(new SearchSourceBuilder()
            .query(QueryBuilders.matchAllQuery())
            .size(0)
            .aggregation(AggregationBuilders.avg("avg_latency").field("_score"))), RequestOptions.DEFAULT);
    Aggregations aggregations = response.getAggregations();
    if (aggregations != null) {
        Avg avg = aggregations.get("avg_latency");
        System.out.println("Average search latency: " + avg.getValue());
    }
}

4.2 查询吞吐量

查询吞吐量反映了单位时间内处理的搜索请求数量。通过监控吞吐量的变化趋势，可以了解系统的处理能力。

// 示例：获取搜索吞吐量统计
public void getSearchThroughput() {
    SearchResponse response = client.search(new SearchRequest()
        .indices("your_index")
        .source(new SearchSourceBuilder()
            .query(QueryBuilders.matchAllQuery())
            .size(0)
            .aggregation(AggregationBuilders.sum("sum_throughput").field("_score"))), RequestOptions.DEFAULT);
    Aggregations aggregations = response.getAggregations();
    if (aggregations != null) {
        Sum sum = aggregations.get("sum_throughput");
        System.out.println("Total search throughput: " + sum.getValue());
    }
}

4.3 聚合操作性能

聚合操作性能反映了复杂查询（如分组、排序等）的执行效率。通过监控聚合操作的性能指标，可以优化查询逻辑。

// 示例：获取聚合操作性能统计
public void getAggregationPerformance() {
    SearchResponse response = client.search(new SearchRequest()
        .indices("your_index")
        .source(new SearchSourceBuilder()
            .query(QueryBuilders.matchAllQuery())
            .size(0)
            .aggregation(AggregationBuilders.dateHistogram("histogram").field("@timestamp").interval(DateHistogramInterval.DAY))), RequestOptions.DEFAULT);
    Aggregations aggregations = response.getAggregations();
    if (aggregations != null) {
        Histogram histogram = aggregations.get("histogram");
        System.out.println("Number of buckets: " + histogram.getBuckets().size());
    }
}

4.4 响应时间分布

响应时间分布反映了不同时间段内搜索请求的响应时间分布情况。通过分析响应时间分布，可以识别长尾请求的影响。

// 示例：获取响应时间分布统计
public void getResponseTimeDistribution() {
    SearchResponse response = client.search(new SearchRequest()
        .indices("your_index")
        .source(new SearchSourceBuilder()
            .query(QueryBuilders.matchAllQuery())
            .size(0)
            .aggregation(AggregationBuilders.range("response_time_range").field("_score")
                .addRange(0, 100)
                .addRange(100, 500)
                .addRange(500, Double.POSITIVE_INFINITY))), RequestOptions.DEFAULT);
    Aggregations aggregations = response.getAggregations();
    if (aggregations != null) {
        Range range = aggregations.get("response_time_range");
        for (Range.Bucket bucket : range.getBuckets()) {
            String key = bucket.getKeyAsString();
            long docCount = bucket.getDocCount();
            System.out.println("Response time range: " + key + ", Doc count: " + docCount);
        }
    }
}

5. 通过 Java API 获取监控指标

5.1 使用 REST API 获取节点状态

Elasticsearch 提供了丰富的 REST API 接口用于获取集群和节点的状态信息。通过这些接口，我们可以轻松地获取 CPU、内存、磁盘等资源的使用情况。

// 示例：获取节点状态信息
public void getNodeStatus() {
    NodesInfoResponse response = client.admin().cluster().nodesInfo(new NodesInfoRequest()).actionGet();
    for (NodeInfo node : response.getNodes()) {
        System.out.println("Node name: " + node.getName());
        System.out.println("Node status: " + node.getStatus());
        System.out.println("Node version: " + node.getVersion());
    }
}

5.2 使用 Java High Level REST Client 获取索引统计信息

Java High Level REST Client 是 Elasticsearch 官方提供的 Java 客户端库，支持通过简洁的 API 访问 Elasticsearch 的各种功能。

// 示例：获取索引统计信息
public void getIndexStats(String indexName) {
    IndexStatsResponse response = client.admin().indices().stats(new IndexStatsRequest(indexName)).actionGet();
    IndexStats stats = response.getIndexStats().get(0);
    System.out.println("Index name: " + indexName);
    System.out.println("Document count: " + stats.getTotal().getDocs().getCount());
    System.out.println("Index size: " + stats.getTotal().getStore().getSizeInBytes());
}

5.3 实时监控搜索性能

通过 Java API 可以实时监控搜索请求的执行情况，并根据结果进行动态调整。

// 示例：实时监控搜索性能
public void monitorSearchPerformance() {
    SearchRequest request = new SearchRequest()
        .indices("your_index")
        .source(new SearchSourceBuilder()
            .query(QueryBuilders.matchAllQuery())
            .size(0));
    
    while (true) {
        try {
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            long tookInMillis = response.getTookInMillis();
            System.out.println("Search took: " + tookInMillis + " ms");
            Thread.sleep(1000);
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
            break;
        }
    }
}

6. 可视化工具：Kibana 的应用

6.1 Kibana 的安装与配置

Kibana 是 Elasticsearch 官方提供的可视化工具，支持创建丰富的仪表盘和图表来展示集群的运行状态。

安装 Kibana
sudo apt-get install kibana

配置 Kibana
编辑 /etc/kibana/kibana.yml 文件
server.host: "0.0.0.0"
elasticsearch.hosts: ["http://localhost:9200"]

6.2 创建监控仪表盘

在 Kibana 中可以通过拖拽式界面创建自定义仪表盘，展示 CPU 使用率、内存使用率等关键指标。

// 示例：创建一个包含 CPU 使用率图表的仪表盘
{
  "title": "Cluster Overview",
  "description": "Monitor cluster health and performance",
  "panelsJSON": [
    {
      "type": "metric",
      "id": "cpu_usage",
      "grid": { "x": 0, "y": 0, "w": 6, "h": 4 },
      "options": {
        "metrics": [
          { "id": "node.cpu.percent", "type": "avg" }
        ],
        "timeRange": { "from": "now-5m", "to": "now" }
      }
    }
  ]
}

6.3 实时监控与告警设置

Kibana 支持设置告警规则，当某个指标超过阈值时触发告警通知。

// 示例：设置 CPU 使用率告警规则
{
  "name": "High CPU Usage Alert",
  "description": "Trigger when CPU usage exceeds 80%",
  "condition": {
    "metric": {
      "aggregation": "avg",
      "field": "node.cpu.percent",
      "operator": ">=",
      "value": 80
    }
  },
  "actions": [
    {
      "type": "email",
      "to": "admin@example.com",
      "subject": "[ALERT] High CPU Usage Detected"
    }
  ]
}

7. 总结与展望

通过对 Elasticsearch 集群监控指标的深入分析和实践，我们能够全面了解集群的运行状态，并采取相应的优化措施以保障系统的稳定性和高效性。随着业务规模的不断扩大和技术的发展，Elasticsearch 集群监控的需求也将变得更加多样化和复杂化。未来，我们可以进一步探索以下方向：

  • 智能化监控：利用机器学习算法对历史数据进行分析和预测，实现智能化的异常检测和容量规划。
  • 自动化优化：结合自动化工具（如 Elastic Stack 的 Curator 工具），实现索引生命周期管理、节点自动扩缩容等功能。
  • 多集群管理：针对大规模分布式环境下的多集群管理需求，开发统一的监控和管理系统。

总之，Elasticsearch 集群监控是一项需要持续关注和投入的工作。只有通过不断的实践和优化，才能真正实现对集群的全面掌控，并为企业创造更大的价值。

8. 参考资料

  1. Elasticsearch 官方文档
  2. Kibana 官方文档
  3. Java High Level REST Client 文档
  4. Prometheus 官方文档
  5. Grafana 官方文档

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2296651.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

鸿蒙接入支付宝SDK后模拟器无法运行，报错error: install parse native so failed.

鸿蒙接入支付宝SDK后模拟器无法运行，报错error: install parse native so failed.

鸿蒙项目接入支付宝后，运行提示error: install parse native so failed. 该问题可能由于设备支持的 Abi 类型与 C 工程中的不匹配导致. 官网error: install parse native so failed.错误解决办法 根据官网提示在模块build-profile.json5中添加“x86_64”依然报错 问…
阅读更多...
react redux用法学习

react redux用法学习

参考资料： https://www.bilibili.com/video/BV1ZB4y1Z7o8 https://cn.redux.js.org/tutorials/essentials/part-5-async-logic AI工具：deepseek，通义灵码 第一天 安装相关依赖： 使用redux的中间件： npm i react-redu…
阅读更多...
【Matlab优化算法-第13期】基于多目标优化算法的水库流量调度

【Matlab优化算法-第13期】基于多目标优化算法的水库流量调度

一、前言 水库流量优化是水资源管理中的一个重要环节，通过合理调度水库流量，可以有效平衡防洪、发电和水资源利用等多方面的需求。本文将介绍一个水库流量优化模型，包括其约束条件、目标函数以及应用场景。 二、模型概述 水库流量优化模型…
阅读更多...
Redis 集群(Cluster)和基础的操作 部署实操篇

Redis 集群(Cluster)和基础的操作 部署实操篇

三主三从 集群概念 Redis 的哨兵模式，提高了系统的可用性，但是正在用来存储数据的还是 master 和 slave 节点，所有的数据都需要存储在单个 master 和 salve 节点中。 如果数据量很大，接近超出了 master / slave 所在机器的物理内…
阅读更多...
[2025年最新]2024.3版本idea无法安装插件问题解决

[2025年最新]2024.3版本idea无法安装插件问题解决

背景 随着大模型的持续发展，特别年前年后deepseek的优异表现，编程过程中，需要解决ai来辅助编程，因此需要安装一些大模型插件 问题描述 在线安装插件的时候会遇到以下问题： 1.数据一直在加载，加载的很满 2.点…
阅读更多...
elasticsearch安装插件analysis-ik分词器（深度研究docker内elasticsearch安装插件的位置）

elasticsearch安装插件analysis-ik分词器（深度研究docker内elasticsearch安装插件的位置）

最近在学习使用elasticsearch，但是在安装插件ik的时候遇到许多问题。 所以在这里开始对elasticsearch做一个深度的研究。 首先提供如下链接： https://github.com/infinilabs/analysis-ik/releases 我们下载elasticsearch-7-17-2的Linux x86_64版本 …
阅读更多...
【Unity3D】UGUI的anchoredPosition锚点坐标

【Unity3D】UGUI的anchoredPosition锚点坐标

本文直接以实战去理解锚点坐标，围绕着将一个UI移动到另一个UI位置的需求进行说明。 （anchoredPosition）UI锚点坐标，它是UI物体的中心点坐标，以UI物体锚点为中心的坐标系得来，UI锚点坐标受锚点(Anchors Min…
阅读更多...
C++多态性之包含多态（一）—学习记录

C++多态性之包含多态（一）—学习记录

一、C的包含多态 面向对象程序设计的四大特点为抽象、封装、继承和多态，其中，多态性可以提高代码的可拓展性和可维护性。 多态是指同样的消息被不同类型的对象接收时导致不同的行为。所谓消息是指对类的成员函数的调用，不同的行为是指不同的实…
阅读更多...
KERL文献阅读分享：知识图谱与预训练语言模型赋能会话推荐系统

KERL文献阅读分享：知识图谱与预训练语言模型赋能会话推荐系统

标题期刊年份Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender SystemsJournal of LaTeX Class Files2021 📈研究背景 在数字时代，个性化推荐系统已经成为了我们生活的一部分。从电…
阅读更多...
从零开始：使用Jenkins实现高效自动化部署

从零开始：使用Jenkins实现高效自动化部署

在这篇文章中我们将深入探讨如何通过Jenkins构建高效的自动化部署流水线，帮助团队实现从代码提交到生产环境部署的全流程自动化。无论你是Jenkins新手还是有一定经验的开发者，这篇文章都会为你提供实用的技巧和最佳实践，助你在项目部署中走得…
阅读更多...
hive的几种复杂数据类型

hive的几种复杂数据类型

Hive的几种复杂数据类型 Hive 提供了几种复杂数据类型，能够支持更灵活和多样的数据存储。这些复杂数据类型对于处理嵌套数据或不规则数据特别有用。主要包括以下几种： 文章目录 Hive的几种复杂数据类型1. 数组（ARRAY）2. 结构体&a…
阅读更多...
序列化/反序列化与TCP通信协议

序列化/反序列化与TCP通信协议

深入理解序列化/反序列化与TCP通信协议 一、序列化与反序列化 1.1 基本概念 序列化（Serialization）: 将数据结构或对象状态转换为可存储/传输格式的过程反序列化（Deserialization）: 将序列化后的数据恢复为原始数据结构的过程 …
阅读更多...
Ollama 本地部署 体验 deepseek

Ollama 本地部署 体验 deepseek

下载安装ollama,选择模型 进行部署 # 管理员命令行 执行 ollama run deepseek-r1:70b浏览器访问http://ip:11434/ 返回 Ollama is runninghttp://ip:11434/v1/models 返回当前部署的模型数据 下载安装CherryStudio，本地对话UI 客户端 在设置中 修改API地址&#x…
阅读更多...
Linux探秘坊-------4.进度条小程序

Linux探秘坊-------4.进度条小程序

1.缓冲区 #include <stdio.h> int main() {printf("hello bite!");sleep(2);return 0; }执行此代码后&#xff0c;会 先停顿两秒&#xff0c;再打印出hello bite&#xff0c;但是明明打印在sleep前面&#xff0c;为什么会后打印呢&#xff1f; 因为&#xff…
阅读更多...
postgreSQL16.6源码安装

postgreSQL16.6源码安装

1.获取源码 从PostgreSQL: File Browser获取tar.bz2或者tar.gz源码 2.解压 tar xf postgresql-version.tar.bz2 roothwz-VMware-Virtual-Platform:/usr/local# tar xf postgresql-16.6.tar.bz2 roothwz-VMware-Virtual-Platform:/usr/local# ll 总计 24324 drwxr-xr-x 12 ro…
阅读更多...
树莓派上 基于Opencv 实现人脸检测与人脸识别

树莓派上 基于Opencv 实现人脸检测与人脸识别

一&#xff0c;需求 基于树莓派4b&#xff0c;usb1080p摄像头&#xff0c;实现人脸检测与人脸识别。尝试了海陵科的模组和百度的sdk。海陵科的模组无法录入人脸&#xff0c;浪费了100多块钱。百度的sdk 在树莓派上也无法录入人脸&#xff0c;官方解决不了。最后只能用opencv自…
阅读更多...
mac下dify+deepseek部署，实现私人知识库

mac下dify+deepseek部署，实现私人知识库

目前deepseek 十分火爆&#xff0c;本地部署实现私有知识库&#xff0c;帮助自己日常工作&#xff0c;上一篇使用工具cherry studio可以做到私人知识库。今天学习了一下&#xff0c;使用Dify链接deepseek&#xff0c;实现私人知识库&#xff0c;也非常不错&#xff0c;这里分享…
阅读更多...
CSS 实现下拉菜单效果实例解析

CSS 实现下拉菜单效果实例解析

1. 引言 在 Web 开发过程中&#xff0c;下拉菜单是一种常见且十分实用的交互组件。很多前端教程都提供过简单的下拉菜单示例&#xff0c;本文将以一个简洁的实例为出发点&#xff0c;从 HTML 结构、CSS 样式以及整体交互逻辑三个层面进行详细解析&#xff0c;帮助大家理解纯 C…
阅读更多...
x64、aarch64、arm与RISC-V64：详解四种处理器架构

x64、aarch64、arm与RISC-V64：详解四种处理器架构

x64、aarch64、arm与RISC-V64：详解四种处理器架构 x64架构aarch64架构ARM架构RISC-V64架构总结与展望在计算机科学领域，处理器架构是构建计算机系统的基石，它决定了计算机如何执行指令、管理内存和处理数据。x64、aarch64、arm与RISC-V64是当前主流的四种处理器架构，它们在…
阅读更多...
Java使用aspose实现pdf转word

Java使用aspose实现pdf转word

Java使用aspose实现pdf转word 一、下载aspose-pdf-21.6.jar包【下载地址】&#xff0c;存放目录结构如图&#xff1b;配置pom.xml。 <!--pdf to word--> <dependency><groupId>com.aspose</groupId><artifactId>aspose-pdf</artifactId>…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023