内容简介:方式一:brew install go方式二:官网下载推荐这种方式,可以选择尽量新的版本,默认安装路径为/usr/local/go,然后设置path
go语言环境搭建
sdk
方式一:brew install go
方式二:官网下载 golang
推荐这种方式,可以选择尽量新的版本,默认安装路径为/usr/local/go,然后设置path
export GOROOT=/usr/local/go
export PATH=$PATH:$GOROOT/bin
GOPATH默认为~/go,也可以设置export GOPATH=你想设置的目录,多个用冒号隔开,windows用分号
ps:记得source
image
ide
方式一:golang
方式二:idea
但是笔者认为都是同一家族的,只想安装插件,所以选择idea。
如果已经安装,请查看当前idea的版本, 注意要求idea的版本不低于2017.3 ,因为低版本没有对 go 的插件支持
如果已经安装了老的版本,可以再到官网下载 Download IntelliJ IDEA: The Java IDE for Professional Developers by JetBrains 安装个新的,共用同一份设置,两者并存,笔者就是这么做的,哈哈。
image
安装go插件
方式一:通过idea找到插件之后,点击install按钮,安装完然后重启
image
方式二:通过官网下载 Go - Plugins | JetBrains 插件包
记得要找支持自己idea版本的插件下载到本地,笔者根据自己idea的版本选择的182最新的版本
image
然后idea安装下载的插件然后重启
image
python2
brew install python@2
virtualenv
pip install virtualenv
beats
git clone 源码
mkdir -p ${GOPATH}/src/github.com/elastic
cd ${GOPATH}/src/github.com/elastic
git clone https://github.com/elastic/beats.git
make
cd 到某个模块
make collect
make update
make
然后会在本目录生成一个可执行文件
image
开发--processor
第一步:新增目录与代码文件
image
package add_processor
import (
"fmt"
"strings"
"github.com/elastic/beats/libbeat/beat"
"github.com/elastic/beats/libbeat/common"
"github.com/elastic/beats/libbeat/processors"
)
type filter struct {
Fields []string
}
func init() {
processors.RegisterPlugin("add_processor", newProcessor)
}
func newProcessor(c *common.Config) (processors.Processor, error) {
config := struct {
Fields []string `config:"fields"`
}{}
err := c.Unpack(&config)
if err != nil {
return nil, fmt.Errorf("fail to unpack the add_processor configuration: %s", err)
}
f := &filter{Fields: config.Fields}
return f, nil
}
func (f *filter) Run(event *beat.Event) (*beat.Event, error) {
//code
return event, nil
}
func (f *filter) String() string {
var fields []string
for i := 0; i < len(f.Fields); i++ {
fields = append(fields, f.Fields[i])
}
return "bloom_filter=" + strings.Join(fields, ", ")
}
第三步:增加配置项
文件位置:filebeat/beater/filebeat.go
import中增加刚刚新建的processor目录
_ "github.com/elastic/beats/filebeat/processor/add_processor"
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Hyperledger Fabric环境搭建及环境测试(Mac环境)
- CV 环境很重要,各种环境搭建大全
- Openstack Queens 环境搭建(一)环境准备
- Python 环境搭建
- 1 - 搭建开发环境
- 搭建 Android 内核环境
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
scikit learn机器学习
黄永昌 / 机械工业出版社 / 2018-3-1 / CNY 59.00
本书通过通俗易懂的语言、丰富的图示和生动的实例,拨开了笼罩在机器学习上方复杂的数学“乌云”,让读者以较低的代价和门槛轻松入门机器学习。本书共分为11章,主要介绍了在Python环境下学习scikit-learn机器学习框架的相关知识。本书涵盖的主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、PCA ......一起来看看 《scikit learn机器学习》 这本书的介绍吧!