前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Mac 安装MySQL过程遇到的问题

Mac 安装MySQL过程遇到的问题

作者头像
陈雨尘
发布于 2019-05-21 03:56:33
发布于 2019-05-21 03:56:33
1.8K0
举报
文章被收录于专栏:雨尘分享雨尘分享

最近在学习mysql,下载安装的过程中发现dmg下载的非常慢。300多M,一上午都没有下载完成,之后一个快捷的方法。在这里记录下

Homebrew

brew install mysql 安装mysql mysql_secure_installation 设置密码

mysql.server start 启动mysql 启动的时候相信很多人会遇到这个问题

The server quit without updating PID file

我在网上找到的解决方案记录下

1、可能是/usr/local/mysql/data/mysql.pid文件没有写的权限 解决方法 :给予权限,执行 “chown -R mysql:mysql /var/data” “chmod -R 755 /usr/local/mysql/data” 然后重新启动mysqld!

2、可能进程里已经存在mysql进程 解决方法:用命令“ps -ef|grep mysqld”查看是否有mysqld进程,如果有使用“kill -9 进程号”杀死,然后重新启动mysqld!

3、可能是第二次在机器上安装mysql,有残余数据影响了服务的启动。 解决方法:去mysql的数据目录/data看看,如果存在mysql-bin.index,就赶快把它删除掉吧,它就是罪魁祸首了。

4、mysql在启动时没有指定配置文件时会使用/etc/my.cnf配置文件,请打开这个文件查看在[mysqld]节下有没有指定数据目录(datadir)。 解决方法:请在[mysqld]下设置这一行:datadir = /usr/local/mysql/data

5、skip-federated字段问题 解决方法:检查一下/etc/my.cnf文件中有没有没被注释掉的skip-federated字段,如果有就立即注释掉吧。

6、错误日志目录不存在 解决方法:使用“chown” “chmod”命令赋予mysql所有者及权限

7、selinux惹的祸,如果是centos系统,默认会开启selinux 解决方法:关闭它,打开/etc/selinux/config,把SELINUX=enforcing改为SELINUX=disabled后存盘退出重启机器试试。


我的问题第2个,有已经存在的mysql进程。

但是问题是我怎么杀也杀不死,杀死之后就会重启。

原来是我之前电脑已经安装过mysql,在这里把他关了,就行了。

希望可以帮到你。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019.05.20 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
4分钟成功复现诺奖!CMU开发GPT-4化学家,自主编码操控机器人颠覆化学研究登Nature
先是谷歌DeepMind的AI工具GNoME成功预测出200万种晶体结构,随后微软推出的MatterGen,大大加速了设计所需材料特性的速度。
新智元
2023/12/21
5150
4分钟成功复现诺奖!CMU开发GPT-4化学家,自主编码操控机器人颠覆化学研究登Nature
不到4分钟,这个GPT驱动的“化学家”能制造药物,还能复现诺奖研究!研究登Nature
你有没有想过,可能就在你阅读这篇文章的几分钟内,获得诺贝尔奖的化学反应就能被完美复刻出来。
大数据文摘
2023/12/21
2120
不到4分钟,这个GPT驱动的“化学家”能制造药物,还能复现诺奖研究!研究登Nature
GPT-4搞科研登Nature!布洛芬配方轻松拿捏,诺奖得主提出的复杂反应也能完成
要知道,2010年诺贝尔化学奖获得者就因为对该反应的研究才获奖的,这类反应可以高效地构建碳-碳键,生成很多以往很难甚至无法合成的物质。
量子位
2023/12/21
1980
GPT-4搞科研登Nature!布洛芬配方轻松拿捏,诺奖得主提出的复杂反应也能完成
Nature | 有机合成的数字化
2019年7月,普林斯顿大学的Ian W. Davies学者在Nature上发表了一篇文章——有机合成的数字化。
DrugAI
2021/01/29
8110
入门综述:机器学习在“逆合成+反应预测+自动化合成”的应用
近年来,化学合成和数据科学的交叉导致了一些新兴工具的出现,包括用于逆合成和反应预测的算法,以及用于高通量、自动化合成的机器人。近日,来自美国密歇根大学安娜堡分校的Tim Cernak、普林斯顿大学的Abigail G. Doyle和加州大学伯克利分校的Richmond Sarpong合作在Nature Reviews Methods Primers 上发表Primer文章,总结当前计算机科学尤其是机器学习在逆合成(图1b)、反应预测(图1c)和自动化合成领域(图1d)的应用,旨在向非计算专家介绍化学信息学理论领域的现状,包括实验和理论方面,以及目前使用的自动化软件和硬件。
智药邦
2021/07/14
1.7K0
入门综述:机器学习在“逆合成+反应预测+自动化合成”的应用
Nat. Rev. Mater. | 大型语言模型驱动的网状化学创新
网状化学研究分子构筑单元的连接,形成金属-有机框架(MOFs)和共价有机框架(COFs)等晶态扩展结构。大型语言模型(LLMs)作为生成式人工智能,可助力研究者从文献中提取知识、设计材料、收集与解析实验数据,从而加速科学发现。本综述探讨LLMs在研究中的应用,包括提示工程、知识与工具增强及微调优化。我们讨论如何构建“化学感知”模型,使其适配特定任务,并融入网状化学实践,将传统的“合成-表征-应用”经验驱动流程转化为基于合成-结构-性质-性能关系的发现循环。此外,我们探讨模块化LLM智能体如何嵌入多智能体实验系统(如自驱动机器人实验室)以优化繁重任务、辅助化学家,并降低LLMs在晶体生长等复杂问题中的应用门槛。本研究为计算与实验化学家提供洞见,助力LLMs在网状化学及更广泛材料科学领域的材料发现。
DrugAI
2025/02/07
720
Nat. Rev. Mater. | 大型语言模型驱动的网状化学创新
J. Chem. Inf. Model. | 预测化学反应产率面临的挑战
今天为大家介绍的是来自Varvara Voinarovska团队的一篇论文。这篇论文讨论了器学习(ML)在预测化学领域的高级特性(如产率、化学合成的可行性和最佳反应条件)时面临的挑战。这些挑战来源于预测任务的高维性质以及涉及的众多关键变量,包括反应物、试剂、催化剂、温度和纯化过程等。成功开发出可靠的预测模型不仅有助于优化高通量实验,还可以提升现有的逆合成预测方法,并在该领域内的多种应用中发挥重要作用。
DrugAI
2024/02/23
5270
J. Chem. Inf. Model. | 预测化学反应产率面临的挑战
Angew. Chem. Int. Ed. | 麻省理工学院融合大语言模型推进电化学反应探索
今天为大家介绍的是来自麻省理工学院Klavs F. Jensen教授团队的一篇论文。电化学C-H氧化反应是对碳氢化合物进行官能化的一种可持续路径,但识别合适的底物和优化合成仍然具有挑战性。在这项研究中,作者报告了一种结合机器学习和大语言模型的综合方法,以简化电化学C-H氧化反应的探索过程。利用批量快速筛选电化学平台,作者评估了广泛的反应,最初根据底物的反应性对其进行分类,同时大语言模型从文献数据中进行文本挖掘以增强训练集。由此产生的反应性预测机器学习模型实现了高精度(>90%),并能够对大量商业化分子进行虚拟筛选。为了优化选定底物的反应条件,作者提示大语言模型生成代码以迭代改善产率。这种人工智能协作方法被证明是有效的,能够高效地确定8种类药物物质或中间体的高产率条件。基于化学家给出的自然语言提示,作者对12种不同的大语言模型(包括LLaMA系列、Claude系列、OpenAI o1和GPT-4)在与机器学习相关的代码生成和函数调用方面的准确性和可靠性进行了基准测试,以展示其在加速四个不同任务的研究方面的潜力。此外,作者还收集了一个实验基准数据集,包括1071个电化学C-H氧化反应的反应条件和产率。
DrugAI
2024/12/30
1180
Angew. Chem. Int. Ed. | 麻省理工学院融合大语言模型推进电化学反应探索
Nature|谷歌DeepMind团队基于AI与机器人打造新型材料
2023年11月29日,谷歌DeepMind团队在Nature杂志上发表文章Scaling deep learning for materials discovery,介绍了其在材料科学领域取得的重要突破。Nature同期文章Google AI and robots join forces to build new materials对此进行了评述。
智药邦
2024/03/05
6020
Nature|谷歌DeepMind团队基于AI与机器人打造新型材料
基于AI的连续流反馈系统加速化学反应开发
今天给大家介绍的是ASCOUNTS of chemical research上有关连续流的文章 "Feedback in Flow for Accelerated Reaction Development"
智药邦
2021/06/07
1.4K0
基于AI的连续流反馈系统加速化学反应开发
基于文本表示推断化学反应的实验步骤
今天给大家介绍的是nature communications上有关化学反应实验步骤预测的文章 "Inferring experimental procedures from text-based representations of chemical reactions"。
智药邦
2021/06/07
1.3K0
基于文本表示推断化学反应的实验步骤
JMC | 人工智能在药物合成中的当前和未来作用(1)
人工智能和机器学习已经证明了其在预测化学性质和小分子合成设计中的潜在作用。数据驱动的合成路线设计是由MLPDS(Machine Learning for Pharmaceutical Discovery and Synthesis)联盟开发和评估的一部分,该联盟包括MIT和13个化学和制药公司成员。他们一起写了“Current and Future Roles of Artificial Intelligence in Medicinal Chemistry Synthesis”刊登于2020年4月JMC,分享了如何将预测模型整合到药物合成工作流程中,如何在MLPDS成员公司中使用预测模型以及该领域的前景。
DrugAI
2021/02/02
7790
JMC | 人工智能在药物合成中的当前和未来作用(1)
Chem. Sci. | SynAsk:首个可公开访问的特定化学领域大语言模型
今天为大家介绍的是来自广州国家实验室廖矿标课题组的一篇论文。自然语言处理(NLP)领域随着大语言模型(LLMs)的出现经历了一场变革性的转变,在各种语言任务和应用中掀起了一场革命。将LLMs整合到特定领域可增强其在特定领域的应用能力。值得注意的是,NLP在有机化学领域取得了重大进展,尤其是在预测合成任务方面,为专门针对有机化学领域开发LLMs铺平了道路。本研究介绍了SynAsk,这是一个由AIChemEco公司开发的综合性有机化学特定领域LLM平台。通过使用特定领域数据对LLM进行微调,并将其与思维链方法相结合,SynAsk可以无缝访问我们的知识库和高级化学工具,以问答格式实现功能。这种新颖的方法将微调技术与外部资源整合相结合,形成了一个专门针对有机化学的模型,有助于推动该领域的研究和发现。SynAsk可在https://synask.aichemeco.com上访问,代表了在利用自然语言处理进行合成应用方面的重大进步。
DrugAI
2025/01/02
3690
Chem. Sci. | SynAsk:首个可公开访问的特定化学领域大语言模型
Nat. Mach. Intel. | 面向未来药物化学家的Transformers
化学反应可以被归为不同的类别,但在大规模的情况下,确定一个特定的反应属于什么类别并不是一件小事。一项新的研究展示了利用自然语言处理(NLP)的方法对化学反应进行数据驱动的自动分类。
智能生信
2021/03/03
5580
Nat. Mach. Intel. | 面向未来药物化学家的Transformers
Artif. Intell. Chem. | 人工智能推动化学发展的二十种方式
2024年诺贝尔物理学奖颁给了神经网络的发展,而化学奖的一半则颁给了利用人工智能 (AI) 预测蛋白质结构的人,显然这项技术已经在科学界掀起了波澜。人工智能也在深刻地重塑化学行业。从加速分子设计的算法到提高实验速度和准确性的自动化实验室,人工智能正在改变化学家解决复杂问题的方式。它的影响遍及材料发现、反应优化和可持续发展工作,使其成为现代化学中不可或缺的力量。
DrugAI
2024/11/23
7780
Artif. Intell. Chem. | 人工智能推动化学发展的二十种方式
NAT CHEM|人工智能的、增强智能的和自动化的化学
2021年8月16日,Nature Chemistry杂志发表了一篇南安普顿大学物理化学教授、AI3SD Network+首席研究员Jeremy Frey的专访文章。在这篇文章中,Jeremy Frey谈论了机器学习数据质量不确定性的危险以及人工智能与其他技术的协同作用。
智药邦
2021/09/06
5500
NAT CHEM|人工智能的、增强智能的和自动化的化学
机器学习模型以出色的精度进行有机反应机理分类
编辑 | 绿萝 化学反应的发现不仅受到获得实验数据的速度的影响,还受到化学家理解这些数据的难易程度的影响。揭示新的催化反应的机理基础是一个特别复杂的问题,通常需要计算和物理有机化学的专业知识。然而,研究催化反应很重要,因为它们代表了最有效的化学过程。 近日,来自英国曼彻斯特大学(UoM)化学系的 Burés 和 Larrosa 报告了一种机器学习模型,展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别,而无需任何额外的用户输入。该模型以出色的精度识别各种类型的机理。 研究结果表明,人
机器之心
2023/03/29
4590
机器学习模型以出色的精度进行有机反应机理分类
Nature|GPT-4被吹爆,科学家担忧溢屏!
---- 新智元报道   编辑:Britta 【新智元导读】虽然GPT-4刚发布没多久,但科学家们对这项技术的担忧渐渐溢出。 GPT-4的横空出世,既让人兴奋,又让人沮丧。 尽管GPT-4拥有让人震惊的创造力,推理能力,但科学家们却对这项技术的安全性表示出担忧。 由于OpenAI违背初衷,并未开源GPT-4、公布模型的训练方法和数据,因此它的实际工作情况也无从得知。 科学界对此感到十分沮丧。 开源AI社区HuggingFace专门从事环境研究的科学家Sasha Luccioni表示,「OpenAI
新智元
2023/03/29
2290
Nature|GPT-4被吹爆,科学家担忧溢屏!
从信息时代到智力时代的药物发现
数据驱动着药物发现,但它仍然是该行业面临的最大挑战之一。实验通常是不可重复的,并且数据解释受人类的偏见和限制。
DrugAI
2021/01/29
3440
Nat Rev Drug Discov|深度学习与QSAR的融合
2023年12月8日,来自北卡罗来纳大学教堂山分校的Alexander Tropsha、卡内基梅隆大学的Olexandr Isayev等研究人员在Nature Reviews Drug Discovery发表综述文章Integrating QSAR modelling and deep learning in drug discovery: the emergence of deep QSAR。
智药邦
2024/03/05
4680
Nat Rev Drug Discov|深度学习与QSAR的融合
推荐阅读
相关推荐
4分钟成功复现诺奖!CMU开发GPT-4化学家,自主编码操控机器人颠覆化学研究登Nature
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档