Apache假死问题解决,狂喜中

铁马渡江河 2009-08-18 01:24:30
让我头痛的Apache假死问题今日终于得到解决。惬意中...

我Apache的症状:

1,最开始是每过1天或2天就死掉(页面没任何提示,一片空白)

2,后来我改了mpm模块下的一些参数,变成每小时死一次,

我装好Apache的原始mpm模块参数如下:

<IfModule mpm_prefork_module>
StartServers 5
MinSpareServers 5
MaxSpareServers 10
MaxClients 150
MaxRequestsPerChild 0
</IfModule>

#ThreadsPerChild 250
MaxRequestsPerChild 0


服务器是在重装之后,重新配置环境之后出问题的,之前是另一个人在维护,我又是菜鸟一个

出问题后,找遍了几乎所有的资料,都试过了,无果。貌似都说MaxRequestsPerChild 和ThreadsPerChild 应该放在mpm模块内部,而且ThreadsPerChild 是mpm_worker_module模块特有的,但我用的是mpm_prefork_module,放在其内部应该是不适合的。我将原始的放在外部的MaxRequestsPerChild 注释掉,直接用里面的,而且设置了值,从1到500都设置过,内存使用依然触目惊心,Apache不到一小又死掉。

我试过吧其下httpd-mpm.conf里的所有模块有一块儿用上,无果;也试过只用worker和prefork,亦无果;也分别单独试过,无果;各个情况下都设置了那些参数的值,加大或减小,无果。很是头痛。

今天突发奇想,能不能将原始的#ThreadsPerChild 250 和MaxRequestsPerChild 0就放外面再改下呢,于是将先前注释掉的改回来,而且设置上值:ThreadsPerChild 100 MaxRequestsPerChild 1000

此外,我仍然用默认的prefork,改成:

<IfModule mpm_prefork_module>
StartServers 10
MinSpareServers 10
MaxSpareServers 15
ServerLimit 1000
MaxClients 500
MaxRequestsPerChild 1000
</IfModule>

重启Apache,ok成功了。这里还说明一下,但MaxRequestsPerChild的值小于100的时候,httpd.exe的内存使用率绝对不会超过100,000k的,我最开始设置成20,其httpd.exe不超过50,00k就自动被kill掉,又立马自动生成一个,我一步一步的测试,最后定在1000,其实你屋里内存很大的话,这个值还可以增加的,有人还设置成10000.

恩,基本就这样,欢迎大家拍砖。

此外,有一个问题就是,每次自动kill掉Apache之后,自动启动一个httpd.exe,Apache的错误日志里便会有这个“[warn] (OS 10038)在一个非套接字上尝试了一个操作。 : setsockopt(SO_UPDATE_ACCEPT_CONTEXT) failed.”,找了很多资料,测试无果,还在解决中,不过貌似对网站没什么影响。
...全文
813 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
fenyao 2009-08-18
  • 打赏
  • 举报
回复
不容易呢,帮定!
foolbirdflyfirst 2009-08-18
  • 打赏
  • 举报
回复
恭喜你,顺便分享你的经验.
卡宴 2009-08-18
  • 打赏
  • 举报
回复
呵呵,多实践,完全没问题
内容概要:本文研究了基于Q-Learning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制的应用,旨在提升其在复杂海洋环境下的控制性能。通过建立AUV的动力学模型,将Q-Learning算法与传统PID控制相结合,实现控制器参数的在线自适应优化,有效增强了系统的响应速度、稳定性和抗干扰能力。研究采用Matlab进行仿真验证,结果表明该方法在轨迹跟踪与姿态控制方面具有优越表现,为水下机器人智能控制提供了可行的技术路径与理论支持。; 适合人群:具备自动控制理论、强化学习或水下机器人建模背景,从事相关科研工作的研究人员、高校研究生及工程技术开发者。; 使用场景及目标:①应用于高精度、强鲁棒性的水下机器人运动控制系统设计;②开展智能PID控制器在非线性、时变系统的参数自整定研究;③作为强化学习在复杂工业控制场景落地的典型案例参考,推动算法与工程实践融合。; 阅读建议:建议结合提供的Matlab代码进行仿真实验,重点剖析Q-Learning与PID融合的架构设计、奖励函数设定及参数收敛过程,可进一步拓展至与其他智能优化算法(如DQN、Actor-Critic)的对比研究,深化对自适应控制机制的理解。
已经博主授权,源码转载自 https://pan.quark.cn/s/a4b39357ea24 Matlab 被视为一种功能卓越的编程平台,特别是在数值运算和数据分析方面展现出广泛的应用价值。在应对多元非线性回归的挑战时,Matlab 拥备多种工具和函数,支持用户对复杂的数据进行构建模型和适配。本指南将重点阐释在 Matlab 环境下如何执行多元非线性回归分析。 我们需要掌握三种关键的回归指令: 1. `polyfit(x,y,n)`:此函数适用于拟合一元幂函数,能够导出一个多项式模型。例如,若知晓数据呈现二次函数形态,可选择`n=2`来适配一个二次曲线。 2. `regress(y,x)`:这是一个多元线性回归指令,能够处理多个自变量对因变量的影响。即便数据并非完全呈现线性特征,该函数也能提供一个线性近似。 3. `nlinfit(x,y,’fun’,beta0)`:这是最为通用的非线性回归指令,适用于适配任何类型的函数,无论是一元或多元,前提是用户能够定义函数形式(`fun`参数)。 回归分析的核心在于寻找一组最优的系数,使得模型能够最恰当地描述数据。这通常涉及选择一个合适的函数形态,随后通过最小化误差平方和来估算系数。在Matlab,`regress`指令主要用于处理线性模型,而`nlinfit`则处理更为复杂的非线性模型。 对于多元线性回归模型,我们可以用如下形式进行表述: \[ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \cdots + \beta_px_p + \epsilon \] 其,\( y \)是因变量,\( x_1, x_2, \ldots, x_p \)是自变量,\( \beta_0, \beta_1, ...
内容概要:本文系统阐述了基于BP神经网络的语音特征信号分类方法,并提供了完整的Matlab代码实现。研究围绕语音信号的数据预处理、特征提取、神经网络结构设计、模型训练与分类测试等核心环节展开,详细展示了BP神经网络在语音识别任务的应用流程。通过构建多层前馈网络模型,利用误差反向传播算法优化权重,实现了对不同语音类别特征的高效分类,具有较强的工程实践价值和技术可复现性。; 适合人群:具备信号处理与机器学习基础知识,熟悉Matlab编程语言,从事语音识别、模式识别、人工智能等相关领域研究的学生及科研人员;特别适用于开展课程设计、毕业设计或科研项目的初级与级研究人员。; 使用场景及目标:①深入理解BP神经网络的基本原理及其在语音信号分类的具体实现过程;②掌握Matlab环境下语音信号特征提取与分类模型构建的全流程技术;③为语音识别、人机交互、智能听觉系统等实际应用场景提供可靠的算法基础与代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐行分析其实现逻辑,重点关注数据输入格式、网络参数初始化、训练迭代过程及分类性能评估;可通过调整隐含层节点数、学习率、激活函数等超参数,观察模型收敛性与分类准确率的变化,从而深化对神经网络调参策略的理解。

21,889

社区成员

发帖
与我相关
我的任务
社区描述
从PHP安装配置,PHP入门,PHP基础到PHP应用
社区管理员
  • 基础编程社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧