Loading [MathJax]/jax/output/CommonHTML/config.js
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 >Docker安装elasticsearch 7.7.0

Docker安装elasticsearch 7.7.0

原创
作者头像
JEECG
修改于 2021-07-05 10:08:33
修改于 2021-07-05 10:08:33
4910
举报
文章被收录于专栏:低代码平台低代码平台
  1. pull 镜像
代码语言:txt
AI代码解释
复制
docker pull docker.elastic.co/elasticsearch/elasticsearch:7.7.0
  1. 运行elasticsearch

docker run --name=elastic770 -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -v /var/docker/elastic/data:/data docker.elastic.co/elasticsearch/elasticsearch:7.7.0

测试环境加上-e "discovery.type=single-node"

3、安装ik分词插件

docker exec -it elastic770 /bin/bash ./bin/elasticsearch-plugin install https://jeecgos.oss-cn-beijing.aliyuncs.com/eoafile/elasticsearch-analysis-ik-7.7.0.zip

4、其他配置

创建 elasticsearch.yml

代码语言:txt
AI代码解释
复制
cluster.name: "elasticsearch7.7.0"

network.host: 0.0.0.0

node.name: node0

http.host: 0.0.0.0

http.cors.enabled: true

http.cors.allow-origin: "\*"

拷贝到docker容器中,覆盖原有配置文件

代码语言:txt
AI代码解释
复制
docker cp elasticsearch.yml  elastic770:/usr/share/elasticsearch/config

点击 http://127.0.0.1:9200 查看ES状态

5、安装可视化管理工具

代码语言:txt
AI代码解释
复制
docker run -p 9800:9800 -d --link elastic770:hd containerize/elastichd

打开 http://localhost:9800 。默认未连接,手工修改连接为 http://hd:9200

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

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

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

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

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
智慧矿区分享|面向边缘计算的改进YOLOv8矿区障碍检测模型研究
近年来,随着矿用卡车自动驾驶技术的兴起,使得矿区道路行车障碍物检测变得至关重要,基于深度学习的目标检测模型应用于矿区道路障碍检测取得了显著的效果,为矿用卡车自动驾驶技术的完善提供了可能。为解决现有模型应用于矿区障碍物检测,往往存在算法庞大与部署成本较高的问题,提出一种面向边缘计算平台的改进YOLOv8矿区道路障碍检测模型,该模型针对资源有限的边缘计算设备进行优化部署,以实现对障碍物的快速、精准检测。该模型在特征提取阶段,引入深度可分离卷积和通道注意力机制,提高模型对障碍物整体特征提取能力,从而提升对不同尺寸障碍物的检测精度;特征融合阶段采用 BiFPN网络结构,轻量化颈部网络并自适应地调整融合权重,减少冗余信息,提高特征的表达能力;使用局部卷积PConv对检测头进行重新设计,减少网络参数量以提高检测效率;最后,通过引入Inner-CIoU函数对边界框损失进行优化,加快模型收敛速度并提升边界框定位效果。实验结果显示,该网络在所使用的矿区障碍物数据集上,mAP@0.5仅下降0.05的前提下,模型参数减少了44%,推理时间缩短了34%。相比其他轻量型检测网络,该模型在实验硬件设备上的检测速度更快,且在精度和轻量化之间实现了更好的平衡,为障碍物检测模型的实际部署提供了可行方案。
CoovallyAIHub
2025/01/02
2350
智慧矿区分享|面向边缘计算的改进YOLOv8矿区障碍检测模型研究
YOLO11改进 | DGNN-YOLO:基于YOLO11的动态图神经网络用于小目标检测及跟踪
检测和跟踪城市交通中的行人、自行车和摩托车等小物体对交通监控系统构成了重大挑战,因为它们的运动轨迹多变、经常被遮挡,并且在动态的城市环境中可见度低。传统的检测方法,如YOLO11,虽然擅长提取空间特征进行精确检测,但往往难以应对这些小而动态的物体,尤其是在处理实时数据更新和资源效率方面。
CoovallyAIHub
2025/01/23
5440
YOLO11改进 | DGNN-YOLO:基于YOLO11的动态图神经网络用于小目标检测及跟踪
YOLO新成员 | CRAS-YOLO:基于 YOLOv5s 算法的多类别船舶检测与分类模型
基于卫星图像的多类别船舶检测和分类由于在军事和民用领域的重要应用而备受关注。在本研究中,团队在FUSAR船舶数据集和SimpleCopyPaste方法的基础上生成了一个新的Artificial-SAR-Vessel数据集中。我们进一步提出了一种新的多类船检测,称为CRAS-YOLO,它由卷积块注意力模块(CBAM)、感受野块(RFB)和基于YOLOv5s的自适应空间特征融合(ASFF)组成。CRAS-YOLO改进了基于路径聚合网络(PANet)的特征金字塔网络,该网络集成了RFB特征增强模块和ASFF特征融合策略,以获得更丰富的特征信息,并实现多尺度特征的自适应融合。同时,在骨干中增加了CBAM,以准确定位船只位置,提高检测能力。结果证实,CRAS-YOLO模型的准确度、召回率和平均准确度(mAP)(0.5)分别高达90.4%、88.6%和92.1%。所提出的模型在另一个Sar船舶检测(SSDD)数据集中的精度、召回率和mAP得分分别高达97.3%、95.5%和98.7%,也优于先前的研究结果。
CoovallyAIHub
2025/01/06
1980
YOLO新成员 | CRAS-YOLO:基于 YOLOv5s 算法的多类别船舶检测与分类模型
基于YOLOv8的河道垃圾塑料瓶子识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
源码包含:完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程
一键难忘
2025/06/08
920
YOLO-TLA也来了 | 重新设计C3模块为Backbone引入轻量化注意力,诞生高效的小目标检测YOLO模型
近年来深度学习的快速发展导致了计算机视觉各个方面的重要突破,尤其是在目标检测领域。这个计算机视觉的关键方面旨在识别和分类图像中的目标(例如,行人、动物、车辆),这对于目标追踪和目标分割等任务是一个基础性的要素。其在工业应用中非常广泛,范围从缺陷检测到自动驾驶。
集智书童公众号
2024/03/01
1.9K0
YOLO-TLA也来了 | 重新设计C3模块为Backbone引入轻量化注意力,诞生高效的小目标检测YOLO模型
业余AI与专业AI的区别,就在这些评估指标上
嘿,AI探险家们!你是否曾经花了好几周训练了一个"完美"的模型,却发现它在实际应用中表现得像个"学渣"?别担心,我们都经历过这种痛苦。事实上,这正是业余AI实践者和专业人士之间的重要分水岭——专业人士知道,评估模型不能只看它在训练数据上多么优秀,而是需要一套科学的"成绩单"来衡量它在未知数据上的真实表现。
martinzh7
2025/05/30
1010
业余AI与专业AI的区别,就在这些评估指标上
基于YOLOv8的坐姿标准姿态检测项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用!】
源码包含:完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程
一键难忘
2025/06/03
1450
基于YOLOv8的汽车车牌位置实时检测项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用!】
源码包含:完整YOLOv8训练代码+2万张数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程
一键难忘
2025/05/31
3880
基于YOLOv8的人脸表情识别项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用】
本项目集成了 YOLOv8 表情检测模型 与 PyQt5 图形界面工具,实现了包括图片、文件夹、视频与摄像头等多种输入方式的人脸表情识别功能。配套完整源码与训练流程说明,让你开箱即用、快速部署自己的情绪识别系统,源码打包在文末。
一键难忘
2025/05/26
4960
数据处理(二)| 打磨数据,提升模型:全面解读图像数据质量评估
前面我们了解了数据清洗的整个过程(详情可参考《数据清洗全流程详细解析与实践指南》文章),接下来我们就要讲一讲什么是数据质量评估。
CoovallyAIHub
2025/02/26
2670
数据处理(二)| 打磨数据,提升模型:全面解读图像数据质量评估
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(二)
在第一章中,我提到最常见的监督学习任务是回归(预测值)和分类(预测类)。在第二章中,我们探讨了一个回归任务,使用各种算法(如线性回归、决策树和随机森林)来预测房屋价值(这将在后面的章节中进一步详细解释)。现在我们将把注意力转向分类系统。
ApacheCN_飞龙
2024/05/24
4080
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(二)
基于YOLOv8的PCB缺陷检测识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
源码包含:完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程
一键难忘
2025/06/07
970
CV -- YOLOv8 图像分割(GPU环境)
https://download.csdn.net/download/2403_83182682/90405543?spm=1001.2014.3001.5503
用户11404404
2025/02/20
2580
CV -- YOLOv8 图像分割(GPU环境)
基于YOLOv8的火灾识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
源码包含:完整YOLOv8训练代码+2k张数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程。源码打包在文末。
一键难忘
2025/06/06
1110
基于YOLOv8的路面缝隙精准识别项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用!】
哔哩哔哩:https://www.bilibili.com/video/BV1EojzziEKx/
一键难忘
2025/05/28
1720
基于YOLOv8的7种交通场景识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
哔哩哔哩:https://www.bilibili.com/video/BV1yajdzdEvu/
一键难忘
2025/05/27
4670
基于YOLOv8的交通标识及设施识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
本项目集成了 YOLOv8 交通标识检测模型 与 PyQt5 图形交互界面,实现了对交通场景中关键目标的自动识别功能,涵盖:人行横道、限速标志、停车标志与交通信号灯。
一键难忘
2025/06/10
330
Python深度学习TensorFlow Keras心脏病预测神经网络模型评估损失曲线、混淆矩阵可视化
随着深度学习技术的快速发展,高效的计算框架和库对于模型训练至关重要。TensorFlow作为目前最流行的深度学习框架之一,其GPU版本能够显著提升模型训练的速度和效率。本研究旨在通过安装TensorFlow-GPU的特定版本,并结合其他数据处理和可视化库,为深度学习模型的构建提供一套完整的数据预处理流程。
拓端
2024/06/26
2440
微调YOLOv11:实用指南 【详细过程与代码】
本指南旨在引导您为自身任务微调YOLOv11。我将分享我个人认为有效的步骤,附带详细代码、真实案例及实用建议。内容包括:
小白学视觉
2025/01/07
1.3K0
微调YOLOv11:实用指南 【详细过程与代码】
YOLO 目标检测实战项目『原理篇』
在目标检测中,IoU 为预测框 (Prediction) 和真实框 (Ground truth) 的交并比。如下图所示,在关于小猫的目标检测中,紫线边框为预测框 (Prediction),红线边框为真实框 (Ground truth)。
机器视觉CV
2019/11/14
4.2K1
YOLO 目标检测实战项目『原理篇』
推荐阅读
智慧矿区分享|面向边缘计算的改进YOLOv8矿区障碍检测模型研究
2350
YOLO11改进 | DGNN-YOLO:基于YOLO11的动态图神经网络用于小目标检测及跟踪
5440
YOLO新成员 | CRAS-YOLO:基于 YOLOv5s 算法的多类别船舶检测与分类模型
1980
基于YOLOv8的河道垃圾塑料瓶子识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
920
YOLO-TLA也来了 | 重新设计C3模块为Backbone引入轻量化注意力,诞生高效的小目标检测YOLO模型
1.9K0
业余AI与专业AI的区别,就在这些评估指标上
1010
基于YOLOv8的坐姿标准姿态检测项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用!】
1450
基于YOLOv8的汽车车牌位置实时检测项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用!】
3880
基于YOLOv8的人脸表情识别项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用】
4960
数据处理(二)| 打磨数据,提升模型:全面解读图像数据质量评估
2670
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版(二)
4080
基于YOLOv8的PCB缺陷检测识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
970
CV -- YOLOv8 图像分割(GPU环境)
2580
基于YOLOv8的火灾识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
1110
基于YOLOv8的路面缝隙精准识别项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用!】
1720
基于YOLOv8的7种交通场景识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
4670
基于YOLOv8的交通标识及设施识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
330
Python深度学习TensorFlow Keras心脏病预测神经网络模型评估损失曲线、混淆矩阵可视化
2440
微调YOLOv11:实用指南 【详细过程与代码】
1.3K0
YOLO 目标检测实战项目『原理篇』
4.2K1
相关推荐
智慧矿区分享|面向边缘计算的改进YOLOv8矿区障碍检测模型研究
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