集中配置数据中心 WeCMDB 1.5.1 版本发布啦
WeCMDB简介
WeCMDB是集中配置数据中心,管理IT各层面组件及组件关系信息。同时与自动化运维管理工具紧密相联,支持运维管理工具及流程的运作,发挥配置信息的价值,同时依赖这些工具、流程保证数据准确性。
WeCMDB具备以下特点:
-
配置模型,动态扩展
灵活添加配置项、属性及关系;属性数据类型、填充规则等均可动态定义。
-
配置查询,灵活多样
在线自定义多配置关联查询。
-
细粒度权限管控
实现了细粒度的数据权限控制;支持在线配置。
-
开放友好API服务
支持在线定义接口可读写的配置项、属性及关系;支持在线测试,验证接口准确性。
-
多维度日志查询
提供管理界面,支持多维度数据变迁历史查询。
1.5.1版本主要内容
新增特性
-
增加查询执行数据对比
功能改进
-
支持表达式解析获取架构图连线数据
-
时间/密码类型表单项支持
-
增加架构变更增加二次确认
-
优化选择框清空及搜索功能
-
修复基础数据管理及日志列表无法正常显示
WeCMDB开源项目地址如下,欢迎大家提交issue及star:

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
第七篇|Spark平台下基于LDA的k-means算法实现
本文主要在Spark平台下实现一个机器学习应用,该应用主要涉及LDA主题模型以及K-means聚类。通过本文你可以了解到: 文本挖掘的基本流程 LDA主题模型算法 K-means算法 Spark平台下LDA主题模型实现 Spark平台下基于LDA的K-means算法实现 1.文本挖掘模块设计 1.1文本挖掘流程 文本分析是机器学习中的一个很宽泛的领域,并且在情感分析、聊天机器人、垃圾邮件检测、推荐系统以及自然语言处理等方面得到了广泛应用。 文本聚类是信息检索领域的一个重要概念,在文本挖掘领域有着广泛的应用。文本聚类能够自动地将文本数据集划分为不同的类簇,从而更好地组织文本信息,可以实现高效的知识导航与浏览。 本文选择主题模型LDA(Latent Dirichlet Allocation)算法对文档进行分类处理,选择在Spark平台上通过Spark MLlib实现LDA算法,其中Spark Mllib是Spark提供的机器学习库,该库提供了常用的机器学习算法。其基本设计思路如下图所示: 1.2文本挖掘流程分析 首先是数据源部分,主要的数据包括文档数据和互联网爬虫数据。然后是数据抽取部分,...
-
下一篇
Java线程生命周期与状态切换
前提 最近有点懒散,没什么比较有深度的产出。刚好想重新研读一下JUC线程池的源码实现,在此之前先深入了解一下Java中的线程实现,包括线程的生命周期、状态切换以及线程的上下文切换等等。编写本文的时候,使用的JDK版本是11。 Java线程的实现 在「JDK1.2之后」,Java线程模型已经确定了基于操作系统原生线程模型实现。因此,目前或者今后的JDK版本中,操作系统支持怎么样的线程模型,在很大程度上决定了Java虚拟机的线程如何映射,这一点在不同的平台上没有办法达成一致,虚拟机规范中也未限定Java线程需要使用哪种线程模型来实现。线程模型只对线程的并发规模和操作成本产生影响,对于Java程序来说,这些差异是透明的。 对应Oracle Sun JDK或者说Oracle Sun JVM而言,它的Windows版本和Linux版本都是使用「一对一的线程模型」实现的(如下图所示)。 j-t-l-s-1.png 也就是一条Java线程就映射到一条轻量级进程(「Light Weight Process」)中,而一条轻量级线程又映射到一条内核线程(「Kernel-Level Thread」)。我们平...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- 面试大杂烩
- MySQL数据库在高并发下的优化方案
- CentOS8编译安装MySQL8.0.19
- Docker安装Oracle12C,快速搭建Oracle学习环境
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- Windows10,CentOS7,CentOS8安装Nodejs环境
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- CentOS关闭SELinux安全模块
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果