Nano Hash - криптовалюты, майнинг, программирование

Конфигурация сборщика метрик Spring с облачным потоком данных Spring docker-compose

У меня есть следующий docker-compose.yml. У меня запущен сервер потока данных, kafka, zookeeper, mysql, сборщик метрик.

Конфигурация: (я предоставляю только сервер потока данных (версия 1.5.2), сборщик метрик) metrics-collector: image: springcloud / metrics-collector-kafka-10 environment: - spring.security.user.name = spring - spring. security.user.password = cloud - spring.cloud.stream.kafka.binder.brokers = kafka: 9092 - spring.cloud.stream.kafka.binder.zkNodes = zookeeper: 2181 порты: - «8080: 8080»

depends_on:
  - kafka

сервер-данных: изображение: springcloud / spring-cloud-dataflow-server-local: $ {DATAFLOW_VERSION} имя_контейнера: порты сервера потока данных: - «9393: 9393» среда: - spring.cloud.dataflow.applicationProperties.stream.spring. cloud.stream.kafka.binder.brokers = kafka: 9092 - spring.cloud.dataflow.applicationProperties.stream.spring.cloud.stream.kafka.binder.zkNodes = zookeeper: 2181 - spring_datasource_url = jdbc: mysql: // mysql: 3306 / dataflow - spring_datasource_username = root - spring_datasource_password = rootpw - spring_datasource_driver-class-name = org.mariadb.jdbc.Driver - spring.cloud.dataflow.metrics.collector.uri = http://172.24.173.136:8080 - spring.cloud.dataflow.metrics.collector.username = spring - spring.cloud.dataflow.metrics.collector.password = облако

Однако я получаю следующую ошибку: сервер потока данных | 2018-10-01 23: 15: 41.370 ПРЕДУПРЕЖДЕНИЕ 1 --- [x-MetricStore-1] oscdscsupport.MetricStore: сбой при запросе показателей с url 'http://172.24.173.136:8080/collector/metrics/streams ':' 401 '. Неавторизованный, предоставьте действительные учетные данные.

Я перехожу по этой ссылке документации: https://github.com/spring-cloud/spring-cloud-dataflow-metrics-collector

Что еще не хватает в комплектации. Единственное, что я думаю, это может быть для версии scdf 2.x, тогда в scdf 1.x есть эквивалентные свойства - spring.security.user.name = spring - spring.security.user.password = cloud


Ответы:


1

Вы используете metrics-collector-kafka-10 образ Docker и это на Spring Boot 1.5.x. В этом базовом показателе загрузки свойства безопасности другие.

Следуйте версии 1.x Metrics Collector README для совместимых пар k / v.

В ветке master сборщика метрик по умолчанию используется совместимость с Spring Boot 2.x. Если вы хотите использовать версию 2.x Metrics Collector, у нас есть другой образ Docker для него, и в этом выпуске кредиты будут предоставляться через свойства spring.security.user.name и spring.security.user.password. Это изменение вызвано самой Spring Boot.

02.10.2018
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..