Nagios远程监控Windows服务器的安装与配置

Nagios远程监控Windows服务器的安装与配置

Nagios及插件Nsca安装详细版

随着服务器的不断增加，nagios监控机采用被动模式以承担更大的监测量，同时也提高了监测的灵敏性和监测的方便性。NSCA是一个可在远程Linux/Unix主机上执行强制检测并将结果传给Nagios守护进程的外部构件包。 被动模式的监控原理： 相比与主动模式中服务器主动去被监控机上轮询获取监控数据的方式，被动模式则是在被监控机上面通过插件或脚本获取监控数据，然后将数据通过 send_nsca发往监控机，最后监控机通过Nsca接收并解析数据，并传递给Nagios。这样做的一个很大的优势就是将除去处理数据的其他工作都放 在了被监控机上面（包括了数据的传输），这样就避免了被监控机数量大时，一次轮询时间过长而导致监控反应延迟，这也是被动模式能承担更大监控量的关键

淘宝Tsar数据采集工具详细说明文档（原作者文档+本人加入整理

Tsar是淘宝的一个用来收集服务器系统和应用信息的采集报告工具，如收集服务器的系统信息（cpu，mem等），以及应用数据（nginx、swift等），收集到的数据存储在服务器磁盘上，可以随时查询历史信息，也可以将数据发送到nagios报警。Tsar能够比较方便的增加模块，只需要按照tsar的要求编写数据的采集函数和展现函数，就可以把自定义的模块加入到tsar中。 总体架构 Tsar是基于模块化设计的程序，程序有两部分组成：框架和模块。 框架程序源代码主要在src目录，而模块源代码主要在modules目录中。 框架提供对配置文件的解析，模块的加载，命令行参数的解析，应用模块的接口对模块原始数据的解析与输出。 模块提供接口给框架调用。 tsar依赖与cron每分钟执行采集数据，因此它需要系统安装并启用crond，安装后，tsar每分钟会执行tsar --cron来定时采集信息，并且记录到原始日志文件。

大规模点云选择及精简

点云选择与精简是三维扫描系统中应对背景数据、冗余采样、分布不均匀 等问题的必要后处理步骤。针对定制低成本三维扫描系统的需求，传统方法仍有很多局限性。 这是由于研究领域未提供支持套索uI接t：／的点云选择算法；传统点云精简方法侧重曲率自 适应分布，无法保证平坦区域的均衡分布。论文提出一种支持套索UI接口的点云选择算法， 通过构建套索形状矩形覆盖与点云八叉树剔除大部分点在多边形内的判断；提出一种基于 Poisson—disk采样的均衡分布的点云精简算法，并以采样点邻域球布尔交运算来定义曲面上 的圆盘半径度量，具有保持尖锐边特征及边界的性质。实验结果表明，论文方法能够较好满 足低成本三维扫描系统中点云删减处理的需求。

保留边界特征的点云简化算法

为有效简化点云数据，提出保留边界特征的点云简化算法。该算法利用三维栅格划分 法建立散乱点云的空间拓扑关系，计算每个数据点的近邻，通过球拟合法求得其曲率和具有方向性 的法向量，采用投影点个数比值法找到并保留点云边界，根据具体情况设定所需阈值，对非边界点 进行分类，通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例，完成，占、云简化。实验 结果表明：该算法不仅能对点云进行直接有效地简化，而且还能很好地保留点云模型的细节特征。 简化比例达25％一40％。该方法可以满足不同种类点云简化的要求，能够提高计算机运行效率。

点云数据重建

matlab实现的点云重建，经过调试，可以运行，但是还有一点不足，望有人能加以改进

清除电脑垃圾

自己写的清除电脑软件安装或者电脑使用过程产生的垃圾文件，下载后解压，双击运行即可，运行完毕屏幕会有显示，以人格保证对电脑软件和系统没有任何破坏，你也可以修改后缀名为.txt，查看文件内容，以让你放心使用

matlab 经典的ICP点云配准算法

matlab 经典的ICP点云配准算法 ，已经通过测试，下载即可运行，可以很好的帮助你理解ICP算法

求解矩阵的特征值和特征向量的C++源代码

求解矩阵的特征值和特征向量的C++源代码，经过测试的，下载编译即可使用