Overview

我们团队完整的机器学习项目已经做了两个了，分别是Bastion4和Bastion6。之前两个项目上线部署的记录过于片段化，针对现在马上要做完的Bastion3项目，我们在此完整记录搭建服务器各种环境的全部流程，以备不时之需。
完整的项目基本分为三大部分：Java处理业务逻辑；Perl后台消息队列；R机器学习模型预测。每个大部分还有很多细节，我们会在每部分都详细记录。
新申请的云服务器预装的仍然是Ubuntu16.04LTS发行版的Linux系统。

1.Java端

Java端负责将用户提交的任务信息提交至后台Perl服务器并记录在MySQL数据库中。因此这部分会安装JDK1.8，Tomcat7和MySQL5.7。

1.1 安装JDK1.8

安装JDK1.8，用apt命令很方便，不用单独下载解压。命令如下：

安装完成之后，JDK1.8会被安装在/usr/lib/jvm/java-8-oracle中，在/etc/profile或者~/.bashrc中配置JAVA_HOME变量 (我用的是~/.bashrc文件)：

安装好之后，需要以下命令使配置生效：

1.2 安装Tomcat7

使用以下的命令安装Tomcat7:

安装过程中，可能会报如下的错误(即使你已经配置好了JAVA_HOME):

出现这个错误，说明tomcat7已经装好了，但是由于tomcat在启动时找不到JAVA_HOME的路径，所以报错。查看/etc/default/tomcat7，会发现下面这行：

去掉注释，并改为我们自己的JAVA_HOME路径：

重新运行安装命令：

安装成功...

安装好之后，tomcat7已经在运行了，使用下面命令查看：

用下面的命令启动/停止/重启Tomcat7了:

但是现在还有一个问题，Tomcat7的端口是8080，访问的时候必须在地址后面加上:8080，这样看起来不太和谐。由于Apache已经占用了80端口，所以我们采用Apache反向代理转发Tomcat请求的方式来解决这个问题。

1.2.1 配置Tomcat7启动内存

Tomcat启动内存不大，在网站数据量增多的情况下，就会在网页访问时报错，很难根据错误信息推测到这里。我们提前增大Tomcat的启动内存。
修改/usr/share/tomcat7/bin/catalina.sh文件

可以看到：

在这段前面添加：

就可以将tomcat启动内存增加为4G，保存并重启tomcat，就可以了。

下面的内容选择性安装，如果没有特殊需求，最好不要修改

默认的tomcat工作主目录为/var/lib/tomcat6/，网站目录为/var/lib/tomcat6/webapps，如果你的文章会产生大量文件，并且需要存放在网站的目录下，那这个目录就不太合适，因为这个目录通常占用的是系统盘空间。
假设你有一个新的扩展盘，目录为/my_extended_disk，在上面创建一个目录为tomcatWebapps，并想把这个目录，当做你的tomcat网站目录，修改/etc/tomcat7/server.xml

把

修改为

然后重启服务器，就可以了。

1.3 检查安装php和Apache2

一般来说，装好的Ubuntu 16.04系统都会默认装好php和Apache2，但配置使用之前最好还是检查一下。

使用下面命令检查php：

如果已经安装，大概会显示下面的内容：

说明安装了php 7.0。如果没装的话，用下面的命令安装：

在Ubuntu 16.04中，直接用

默认安装的也是php7.0版本。

使用下面命令检查Apache2：

如果已经安装，大概会显示下面的内容：

说明没装的话，用下面的命令安装：

注意：如果php和Apache2都没有安装的情况下，安装顺序一定要先装php，在装Apache2，如果顺序反了，可能会导致Apache2服务器不能识别php页面，在你访问这些页面的时候，直接显示页面的代码，而不是页面本身。 参见 php页面不能被解析成网页，而是直接显示了页面代码。

1.4 设置Apache2反向代理

Apache2默认是随系统安装的，但有时候为了快速安装，去掉了也有可能。由于Apache2是随系统自动启动的，如果Apache2已经安装了并且没有人主动关闭的话，使用：

就应该看到进程信息，如果没看到，用下面的命令安装：

安装成功之后，使用服务器的地址(比如bastion3.erc.monash.edu)访问，就应该看到Apache2的欢迎界面。 如果安装成功，但是网址却无法访问，说明80端口没开，联系管理员，打开这个端口。

修改Apache2配置文件：

在文件末尾添加以下内容：

可以让Apache2把http://bastion3.erc.monash.edu请求转发到http://bastion3.erc.monash.edu:8080/由tomcat7处理。如果你在Apache2中有一个网站cgi-bin，你访问http://bastion3.erc.monash.edu/cgi-bin时，就想访问Apache2下的cgi-bin，而不是转成http://bastion3.erc.monash.edu:8080/cgi-bin由tomcat7处理，那么改成这样就可以了：

注意：这里同时写了一个phpmyadmin的配置，是因为我们会使用phpmyadmin管理和访问数据库。参考1.6小节的内容。

重启Apache2服务：

如果报错：

根据提示，使用

查看错误信息：

发现Apache2不能识别新添加的ProxyPass，导致重启失败。这是因为Apache2的代理模块proxy_http未启用，使用下面命令：

重新启动Apache2：

成功...这时候再输入服务器的地址，即可访问到tomcat的默认项目了，后面不用加:8080。

1.5 安装MySQL5.7

先更新一下系统，再用apt-get命令直接安装：

安装过程会让选择yes/no,选yes；还有就是设置root用户密码。
安装完成可以查看是不是安装好了,即查看MySQL的状态：

显示如下即可：

安装好之后，可以用以下命令启动/停止/重启：

本项目的数据的形式和之前项目的很相似，所以可以将之前的Bastion6项目数据库文件导出，然后再导入本项目。
导出命令：

回车之后输入数据库密码即可。
将bastion6.sql内容修改为自己需要的：

CREATE DATABASE IF NOT EXISTS bastion3;
USE bastion3;
DROP TABLE IF EXISTS `job`;

CREATE TABLE `job` (
  `jobID` int(100)  NOT NULL AUTO_INCREMENT,
  `jobName` varchar(256) NOT NULL,
  `orgnization` varchar(1000) ,
  `email` varchar(100) NOT NULL,
  `status`int(1) NOT NULL,
  `createTime` datetime NOT NULL,
  `startTime` datetime ,
  `endTime` datetime ,
  `sequence` longtext NOT NULL,
  `sequenceNumber` int(10) NOT NULL,
  PRIMARY KEY (`jobID`)
) DEFAULT CHARSET=utf8;


DROP TABLE IF EXISTS `predictresult`;

CREATE TABLE `predictresult` (
  `jobID` int(100)  NOT NULL AUTO_INCREMENT,
  `jobName` varchar(256) NOT NULL,
  `predictionResult` longtext,
  PRIMARY KEY (`jobID`)
) DEFAULT CHARSET=utf8;


DROP TABLE IF EXISTS `pssm`;

CREATE TABLE `pssm` (
  `id` int(100)  NOT NULL AUTO_INCREMENT,
  `seq` varchar(10000),
  `output` varchar(500) ,
  PRIMARY KEY (`id`)
) DEFAULT CHARSET=utf8;


DROP TABLE IF EXISTS `downloadInfo`;

CREATE TABLE `downloadInfo` (
  `id` int(100)  NOT NULL AUTO_INCREMENT,
  `type` varchar(10000),
  `count` varchar(500) ,
  PRIMARY KEY (`id`)
) DEFAULT CHARSET=utf8;

INSERT INTO `downloadInfo` VALUES (1,'originalData','0'),(2,'independentData','0'),(3,'predictData','0');

然后登录数据库:

回车之后输入密码。
将上面的SQL命令输入，回车即可创建完整的数据库表。

至此，Java部分安装配置就算完成了。

1.6 安装配置phpmyadmin

命令行查看和管理MySQL还是有点不方便，所以我们这里安装一个phpmyadmin，就可以使用web界面查看和操作数据库。

这时候直接使用网址+phpmyadmin，浏览器会显示找不到phpmyadmin。那是因为apache2默认的网站路径是/var/www/html，而不是/var/www，编辑/etc/apache2/sites-enabled/000-default.conf：

把DocumentRoot /var/www/html修改为DocumentRoot /var/www
重启apache2，重新访问，就可以了。

安装phpmyadmin

安装过程中，会弹出一个Configuring phpmyadmin框，让你选择要运行phpmyadmin的服务器，默认是apache2，还可以选择lighttpd，因为我们之前安装的web服务器是apache2，所以直接敲回车就行了。

然后安装一阵子继续弹出一个Configuring phpmyadmin框，提示你是否需要配置数据库，毕竟phpmyadmin本身就是管理数据库的，不配置好数据库，也就没有安装的意义了，默认选择的是Yes，回车，会转到新的界面让你输入密码，也就是刚才安装MySQL时设置的密码，输入之后敲回车确认，再重复确认密码，完成安装。

安装完成之后，发现在apache2的网站目录/var/www下，并没有多出来一个phpmyadmin，这是因为Ubuntu系统在安装phpmyadmin时，默认安装在了/usr/share/下:

就可以看到里面有phpmyadmin。

我们直接创建一个软连接：

这样就可以在/var/www下访问到phpmyadmin。

如果发现虽然能访问phpmyadmin了，但是浏览器直接显示了代码，而不是网页，说明apache2没有自动安装解析php的包。

先用下面的命令看看你装的php版本：

如果是php7.0，那么安装下面的包：

然后重启apache2，现在应该可以访问到正常的网页了。具体原因，参见php页面不能被解析成网页，而是直接显示了页面代码。

用户名是root，密码是MySQL设置的密码。

注意： 由于phpmyadmin网站暴露在公网之后，可能会招到攻击，比如使用脚本破解密码等，因此我们需要配置一下白名单，中只允许指定IP访问。修改/etc/apache2/apache2.conf，在里面添加:

其中，/var/www/phpmyadmin为phpmyadmin网站路径，xx.xx.xx.xx和xx.xx.xx.xy为允许访问的IP地址。

2.Perl后台

Perl的主要作用是它的消息队列以及和Java通讯的CGI模块。因此需要配置Apache2 CGI以及安装相应的Perl模块。

2.1 设置Apache2 CGI

在安装CGI模块之前，最好先将make安装好：

然后安装Perl的CGI模块，推荐使用cpan命令安装 (一定要用sudo权限打开)：
先打开cpan：

然后输入下面的命令:

下面修改CGI程序的根目录：

将配置文件中对应的地方改为如下：

在/var/www/cgi-bin目录中新建一个cgi_test.pl文件，以创建一个Perl CGI网站，文件内容为：

为此文件添加执行权限：

在命令行中执行此文件：

如果之前的设置正确，则会显示以下内容：

至此，虽然可以在命令行中运行此程序，但是还不能作为服务器远程访问。我们需要做以下配置，让Apache2对Perl支持：

将下面的内容：

修改为：

在Apache中启用CGI模块。注意 VirtualHost *:80这里的端口号尽量不要改动，因为使用网址或者ip地址访问，不加端口号的话，默认就是访问80端口号，如果改了端口号，就得显示加上。
默认情况下，这个模块是没有开启的，这点可以用以下命令确认：

显示为空表示当前启用的与CGI相关的模块为空。用下面的命令查看有哪些模块可以被启用：

显示如下：

这样，我们在mods-enabled中创建软连接，指向mods-available中的cgid.*文件：

重启Apache服务器：

此时，如果在浏览器中访问：http://bastion3.erc.monash.edu/cgi-bin/cgi_test.pl应该会显示：

这样就算成功了。

2.2 Perl相关模块安装

在安装这部分模块之前，最好保证gcc和g++两个程序已经安装好了，如果没有安装好，那么按照以下命令安装：

Perl模块仍然要使用sudo cpan命令安装，然后依次输入以下命令：

2.3 gearman消息队列安装

当前最新版的gearman是gearmand-1.1.12。我们执行下面几步，先将其下载到本地主文件夹，并解压缩。

进入gearmand-1.1.12文件夹后，如果直接运行

就会报缺少如下几个依赖包错误：

所以，我们先将这些依赖都安装好：

安装好之后，如果没有错误，则运行：

然后仍在gearmand-1.1.12文件夹下运行下面两条命令，编译时间比较长：

这个过程中如果出现了错误，就运行下面的命令清除一下之前编译产生的可执行文件以及object文件(即扩展名为o的文件)：

继续重新安装编译：

没有错误的话，就安装gearman的job server：

安装好以后，运行一下gearman:

会提示错误：

这表示找不到libgearman.so.8所在的目录。这时我们打开/etc/ld.so.conf文件：

添加一句话:

保存退出，并执行下面这句：

这样就不会出错了。

启动一下job server：

报错如下：

我们这样解决：在/usr/local/下面新建var子目录，进去，新建log子目录，再进去，新建文件gearmand.log。这样就没有问题了。

用sudo权限运行下面的命令：

-d表示daemon，在后台运行；
-L表示监听的ip，默认是localhost；
-p表示监听的端口号port，默认是4730。

此时，使用下面的命令，即可查看gearman当前状态：

如果显示如下，就表示成功安装：

这样gearman在ubuntu16.04上面就安装成功了。

至此，我们还需要安装三个Perl模块：

在安装Gearman::Server的时候，需要依赖Net::SSLeay,IO::Socket::SSL和Gearman::Util,而安装Net::SSLeay的时候，如果没有libssl-dev这个系统包，是安装不上Net::SSLeay的。所以我们必须要先安装好libssl-dev。

然后必须按顺序依次安装Net::SSLeay，顺序不能乱:
继续打开cpan：

然后

依次安装：

都安装后之后，可以重启一下机器。
启动之后，用如下命令观察4730端口，查看gearman的job server是否已经启动(gearmand -d这条命令是否生效)：

显示如下：

可以知道，这个server是开机自启动的。
至此，gearman消息队列的安装就算完成了。

每次重启服务器，都需要重启worker脚本。worker和client脚本都会放在/var/www/cgi-bin/目录下面，因此启动worker和命令如下(比如我们要开16个worker)：

而client会在提交任务的时候，由Java调用，因此不需要我们手动启动。

现在不再需要手动重启了。 运行sudo crontab -e（e代表edit），可以编辑创建一个cron任务，可能需要先选择编辑器，熟悉哪个选哪个就行了，我选的3. vim：

这样之后服务器重启，就不必再手动开这些进程了。

使用sudo crontab -l(l代表list)可以查看所有你创建的cron任务。注意：用sudo创建的任务用sudo查看，才能看得到，同样sudo crontab -l查看不到crontab -e 创建的任务。

相对于手动执行脚本，这里的配置有三个变化：

• 1. 把log日志重定向到了/var/log/目录下，可以直接在这里查看错误信息。
• 2. 不再需要用nohup命令了，nohup是因为我们用ssh登录，需要在ssh退出后脚本依然运行才这么做的，现在重启时系统系统这个脚本，这个脚本会一直留在系统中，不必再用nohup。

• 3. 由cron启动脚本时，当前工作目录可能跟想象中不一样，我们执行sudo perl /var/www/cgi-bin/worker_bastion3.pl（不管用不用nohup）时，脚本的工作目录在/var/www/cgi-bin，而由cron执行时，当前工作目录却是sudo perl /var/www/cgi-bin/worker_bastion3.pl，导致脚本中使用相对目录的地方会报错，比如这里：

     1 2	$seqs > io("sequence/$jobName.fasta"); …

  当然，好的习惯是尽量不要用相对路径，因为你不知道这个脚本会在哪里或者哪种环境下执行，执行时的当前工作目录也可能无法预测。

3. Python相关安装

Python在此系列项目当中，主要是用来提取特征，因此需要依次安装以下几个工具包：

4. R语言及相关包安装

R语言在此系列项目当中，既要提取部分特征，又要负责训练模型，还要使用ggplot2画图，所以有很多相关的包是要安装的。
首先安装R语言：

然后安装以下几个包 (其实这个服务器在机器学习部分主要作用就是预测，因为训练部分的工作都会在线下进行，不过仍然将所有机器学习部分必须的包都记录在此，以备查阅)。
sudo权限启动R语言：

这里必须用sudo启动R安装，这样R包一般会安装在/usr/local/lib/R/site-library中，不用sudo权限，会把R包装在当前用户的个人空间，比如~/R/x86_64-pc-linux-gnu-library/3.2。在普通状态下这两个位置并无不同，但是如果当前用户进入root模式(比如用sudo -i命令)，再使用R就不能正确找到R包了。很不幸，因为我们用了crontab设置了worker开机自启动，导致在sudo模式调用了worker的程序，并由worker进一步调用了R程序，就没能找到普通权限下安装的R包，导致报错了。

然后在启动的R语言对话框中输入以下命令：

至此一个完整的机器学习项目的服务器就已经算是搭建好了。

需要格外注意的是，因为我们的缓存文件都在外接硬盘上，所以每次都重启服务器之后都需要手动加载此硬盘：

现在不用这么做了，通过配置/etc/fstab可以直接再重启服务器时自动挂载，在/etc/fstab文件中添加下面的行（需要用sudo编辑）：

其中，/dev/vdb是要挂在的物理硬盘盘符，/bastion3_cache是挂载盘目录。

如果你不清楚哪个盘需要挂载，用df -h查看：

如果有硬盘为未挂载，那Mounted on这列应该是空的，或者是/mnt（默认挂载在/mnt目录）。挂载前需要自己创建一个目录，比如sudo mkdir /bastion3_cache。