本文是基於win7 64位系統apache+tomcat集群配置 基於apache 2.4.16-x64 和tomcat 7.0.61-windows-x64實現均衡負載 。
本人採用的是tomcat 7.0.61-windows-x64。經我測試，下面的配置在tomcat6或7集群是通用的。但是按照下面的配置，集群中
tomcat
不能既有
tomcat6
又有tomcat7
，否則雖能夠負載均衡，但不能進行
session
複製，不知其他方式配置的集群是否可以。
1、修改httpd.conf
我的apache安裝在d:\tools\apache\apache，找到conf目錄下的httpd.conf，在檔案的最後一行新增 includeconf/mod_jk.conf
2、新建mod_jk.conf檔案，內容如下：（如果你配置完成後，apache server
無法執行某個操作，請檢查這裡的路徑是否正確，jk.so是否在指定的目錄下） loadmodule jk_module modules/mod_jk-1.2.31-httpd-2.2.3.so
jkworkersfileconf/workers.properties
#指定那些請求交給tomcat處理,"controller"為在workers.propertise裡指定的負載分配控制器名
jkmount /*.jsp controller
檔案內容如下：
loadmodule jk_module modules/mod_jk.so
jkworkersfile conf/workers.properties
jkmount /*.jsp controller
#server
worker.list=controller
#*****===tomcat1*****===
worker.tomcat1.port=11009
worker.tomcat1.host=localhost
worker.tomcat1.type=ajp13
worker.tomcat1.lbfactor=1
#*****===tomcat2*****===
worker.tomcat2.port=12009
worker.tomcat2.host=localhost
worker.tomcat2.type=ajp13
worker.tomcat2.lbfactor=1
#*****===tomcat3*****===
worker.tomcat3.port=13009
worker.tomcat3.host=localhost
worker.tomcat3.type=ajp13
worker.tomcat3.lbfactor=1
#*****===controller,負載均衡控制器*****===
worker.controller.type=lb
worker.controller.balanced_workers=tomcat1,tomcat2,tomcat3
worker.controller.sticky_session=false
worker.controller.sticky_session_force=true
配置3個tomcat伺服器，將tomcat解壓後複製3份，我將每個資料夾分別命名為tomcat1，tomcat2和tomcat3，修改每乙份的server.xml配置，將tomcat1中修改部分如下圖：
tomcat1 server.xml檔案修改如下圖：
tomcat2 server.xml檔案修改如下圖：
tomcat3 server.xml檔案修改如下圖：
隨便建乙個web專案即可測試，但訪問的路徑必須以.jsp結尾。（例如：http://localhost/websocket/index.jsp），至於session是否共享我就不在這裡 囉嗦了，大家一測便知。
訓練集 驗證集 測試集
訓練集loss 驗證集loss 測試集loss 乙個好的網路，二者的差距應該是很低的。但一般情況下因為網路不可避免地存在一定程度上的過擬合，所以肯定是train loss低於test lost，但如果低太多，就得考慮是過擬合的問題還是因為樣本的特徵空間不統一的問題。驗證集基本是在每個epoch完成後...
訓練集，驗證集，測試集
普通引數就是可以被梯度下降所更新的，也就是訓練集所更新的引數。超引數是指訓練開始之前設定的引數，不在梯度下降的更新範圍內，比如網路層數 網路節點數 迭代次數 學習率等等 1.訓練集 確定模型後，用於訓練普通引數 2.驗證集 交叉驗證集cv 驗證集在每個epoch訓練完成後，用來測試一下當前模型的準確...
訓練集 測試集 驗證集
訓練集 用來訓練和擬合模型。驗證集 當通過訓練集訓練出多個模型後，使用驗證集資料糾偏或比較 測試集 模型泛化能力的考量。泛化 對未知資料的 能力 from sklearn.model selection import train test split import numpy as np from ...