1、环境

centos7 hadoop2.6.5 zookeeper3.4.9 jdk1.8

master作为active主机，data1作为standby备用机，三台机器均作为数据节点，yarn资源管理器在master上开启，在data1上备用，data1上开启历史服务器

主要参考见下表

master 192.168.1.215 Namenode DataNode QuorumPeerMain ZKFC JournalNode ResourceManager NodeManager
data1 192.168.1.218 Namenode DataNode QuorumPeerMain ZKFC JournalNode ResourceManager NodeManager JobHistoryServer ApplicationHistoryServer
data2 192.168.1.219

DataNode QuorumPeerMain JournalNode NodeManager

2、zookeeper集群的搭建

安装到/usr/Apache目录下，所有者与所属组均为hadoop

tar -zxvf zookeeper-3.4..tar.gz -C /usr/Apache/

ln -s zookeeper-3.4./ zookeeper

cd zookeeper/conf
# 配置文件
cp zoo_sample.cfg zoo.cfg
# 编辑zoo.cfg的内容
# The number of milliseconds of each tick

tickTime=

# The number of ticks that the initial

# synchronization phase can take

initLimit=

# The number of ticks that can pass between

# sending a request and getting an acknowledgement

syncLimit=

# the directory where the snapshot is stored.

# do not use /tmp for storage, /tmp here is just

# example sakes.

dataDir=/usr/Apache/zookeeper/data

dataLogDir=/usr/Apache/zookeeper/data/log

# the port at which the clients will connect

clientPort=

# the maximum number of client connections.

# increase this if you need to handle more clients

maxClientCnxns=

#

# Be sure to read the maintenance section of the

# administrator guide before turning on autopurge.

#

# http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance

#

# The number of snapshots to retain in dataDir

autopurge.snapRetainCount=

# Purge task interval in hours

# Set to "" to disable auto purge feature

autopurge.purgeInterval=

#

server.1=master:2888:3888

server.2=data1:2888:3888

server.3=data2:2888:3888

一般采用默认值，重点是标蓝的地方。

数据的路径单独设，将日志分开，并且，不要放到默认的tmp文件夹下面，因为这个会定期删除

dataDir=/usr/Apache/zookeeper/data  dataLogDir=/usr/Apache/zookeeper/data/log

将快照打开，并且设置autopurge.purgeInterval=1，与上面的不同，快照需要定期删除

增大客户端的连接数量maxClientCnxns=

先安装到master下面，之后进行分发

scp -r zookeeper-3.4. data1:usr/Apache/

scp -r zookeeper-3.4. data2:usr/Apache/

# 注意所属组与所有者

chown -R hadoop:hadoop zookeeper
# 分别在三台机器的/usr/Apache/zookeeper/data目录下建立myid文件,分别写入数字1、2、3，这点很重要
cd /usr/Apache/zookeeper/data/
touch myid

# 三台机器分别启动

zkServer.sh start

# 查看状态

zkServer.sh status

# 最后，检查，关闭一个看是否自动选举

3、hadoop以及yarn的高可用配置

先前安装过，主要是配置文件的修改，注意，如果不重新安装，需要删除一些文件 rm -rf tmp/* data/nn/* data/jn/* data/dn/* data/dn/* logs/*

上面的data/nn data/jn data/dn data/dn 是自己建的一些文件，用于节点数据的存放。

重新安装也不麻烦，此处选择重新安装，目录选择/usr/Apache，所有者与所属组均为hadoop，环境变量如下：

更改环境变量，hadoop用户下面的~/.bashrc文件

export HADOOP_HOME=/usr/Apache/hadoop

export ZOOKEEPER_HOME=/usr/Apache/zookeeper

export HADOOP_COMMON_HOME=$HADOOP_HOME

export HADOOP_HDFS_HOME=$HADOOP_HOME

export HADOOP_MAPRED_HOME=$HADOOP_HOME

export HADOOP_YARN_HOME=$HADOOP_HOME

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

export CLASSPATH=.:$HADOOP_HOME/lib:$CLASSPATH

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKEEPER_HOME/bin

# 之后

source ~/.bashrc

下面关键看配置

1> core-site.xml

<configuration>

<!--缓存文件存储的路径，可以这样写file:/opt/mdisk/disk02/data/tmp,file:/opt/mdisk/disk01/data/tmp-->

<!--如果挂载多个数据盘，用逗号分开-->

<!--配置缓存文件的目录，注意另建新的文件夹tmp，不要在hadoop/tmp下，因为会定期删除-->

<property>

<name>hadoop.tmp.dir</name>

     <value>/usr/Apache/hadoop/data/tmp</value>

    <description>A base for other temporary directories.</description>

</property>

<!--指定nameservice的名称，自定义，但后面必须保持一致-->

<property>

    <name>fs.defaultFS</name>

    <value>hdfs://nscluster</value>

</property>

<!-- 编辑日志文件存储的路径，这个也可以放到hdfs-site.xml中 -->

<property>

    <name>dfs.journalnode.edits.dir</name>

    <value>/usr/Apache/hadoop/data/jn</value>

</property>

<!--文件读写缓存大小，此处为128kb-->

<property>

  <name>io.file.buffer.size</name>

  <value>131072</value>

</property>

<!--指定zookeeper地址，配置HA时需要，这个也可以放到hdfs-site.xml中-->

<!--<property>

    <name>ha.zookeeper.quorum</name>

    <value>master:2181,data1:2181,data2:2181</value>

</property>-->

<!--以下不是必须的-->

<!--配置hdfs文件被永久删除前保留的时间（单位：分钟），默认值为0表明垃圾回收站功能关闭-->

<!--<property>

    <name>fs.trash.interval</name>

    <value>0</value>

</property>-->

<!--指定可以在任何IP访问-->

<!--<property>

    <name>hadoop.proxyuser.hduser.hosts</name>

    <value>*</value>

</property>-->

<!--指定所有用户可以访问-->

<!--<property>

    <name>hadoop.proxyuser.hduser.groups</name>

    <value>*</value>

</property>-->

</configuration>

这里要注意hadoop.tmp.dir这个属性，上面的注释也已经说了，一定不要放到暂时的hadoop/tmp中，而要放到永久的文件夹中，否则namenode的启动可能遇到问题。

上面一些注释掉的属性不是必须的，下面一样。

2> hdfs-site.xml

注意下面的nscluster是自定义的名称，并且被应用于多个属性中，部署使用时更改样式

<configuration>

<!--指定hdfs元数据存储的路径-->

<property>

    <name>dfs.namenode.name.dir</name>

    <value>file:/usr/Apache/hadoop/data/nn</value>

</property>

<!--指定hdfs数据存储的路径-->

<property>

    <name>dfs.datanode.data.dir</name>

    <value>file:/usr/Apache/hadoop/data/dn</value>

</property>

<!--开启WebHDFS功能（基于REST的接口服务）-->

<property>

    <name>dfs.webhdfs.enabled</name>

    <value>true</value>

</property>

<!-- 数据备份的个数 -->

<property>

    <name>dfs.replication</name>

    <value>3</value>

</property>    

<!--关闭权限验证 -->

<property>

    <name>dfs.permissions.enabled</name>

    <value>false</value>

</property>

<!--DateNode上的服务线程数，处理rpc，默认为10，可以调大-->

<property>

    <name>dfs.datanode.handler.count</name>

    <value>200</value>

</property>

<!--文件操作的线程数，如果处理文件有很多，则调大，建议值8192-->

<property>

    <name>dfs.datanode.max.transfer.threads</name>

    <value>8192</value>

</property>

<!--不用的数据节点，添加到excludes文件，方法同slaves文件，之后执行hadoop dfsadmin -refreshNodes命令-->

<property>

    <name>dfs.hosts.exclude</name>

    <value>/usr/Apache/hadoop/etc/hadoop/excludes</value>

</property>

<!--以下为ha的相关配置-->

<!-- 指定hdfs的nameservice的名称为nscluster，务必与core-site.xml中的逻辑名称相同 -->

<property>

    <name>dfs.nameservices</name>

    <value>nscluster</value>

</property>    

<!-- 指定nscluster的两个namenode的名称，分别是nn1，nn2，注意后面的后缀.nscluster，这个是自定义的，如果逻辑名称为nsc，则后缀为.nsc，下面一样 -->

<property>

    <name>dfs.ha.namenodes.nscluster</name>

    <value>nn1,nn2</value>

</property>    

<!-- 配置nn1，nn2的rpc通信 端口    -->

<property>

    <name>dfs.namenode.rpc-address.nscluster.nn1</name>

    <value>master:9000</value>

</property>

<property>

    <name>dfs.namenode.rpc-address.nscluster.nn2</name>

    <value>data1:9000</value>

</property>    

<!-- 配置nn1，nn2的http访问端口 -->

<property>

    <name>dfs.namenode.http-address.nscluster.nn1</name>

    <value>master:50070</value>

</property>

<property>

    <name>dfs.namenode.http-address.nscluster.nn2</name>

    <value>data1:50070</value>

</property>    

<!-- 指定namenode的元数据存储在journalnode中的路径 -->

<property>

    <name>dfs.namenode.shared.edits.dir</name>

    <value>qjournal://master:8485;data1:8485;data2:8485/nscluster</value>

</property>    

<!-- 开启失败故障自动转移 -->

<property>

    <name>dfs.ha.automatic-failover.enabled</name>

    <value>true</value>

</property>     

<!-- 配置失败自动切换的方式 -->

<property>

    <name>dfs.client.failover.proxy.provider.nscluster</name>

    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

</property>    

<!-- 配置zookeeper地址，如果已经在core-site.xml中配置了，这里不是必须的 -->

<property>

    <name>ha.zookeeper.quorum</name>

    <value>master:2181,data1:2181,data2:2181</value>

</property>

<!-- 配置隔离机制 -->

<property>

    <name>dfs.ha.fencing.methods</name>

    <value>sshfence</value>

</property>

<!-- 指定秘钥的位置 -->

<property>

    <name>dfs.ha.fencing.ssh.private-key-files</name>

    <value>/home/hadoop/.ssh/id_rsa</value>

</property>    

<!--配置sshfence隔离机制超时时间-->

<property>

<name>dfs.ha.fencing.ssh.connect-timeout</name>

    <value>30000</value>

</property>

<!--保证数据恢复-->

<!--<property>

    <name>dfs.journalnode.http-address</name>

    <value>0.0.0.0:8480</value>

</property>-->

<!--<property>

    <name>dfs.journalnode.rpc-address</name>

    <value>0.0.0.0:8485</value>

</property> -->

</configuration>

3> mapred-site.xml

<configuration>

  <property>

  <name>mapreduce.framework.name</name>

  <value>yarn</value>

</property>

<!--配置 MapReduce JobHistory Server 地址 ，默认端口10020-->

<property>

  <name>mapreduce.jobhistory.address</name>

  <value>0.0.0.0:10020</value>

</property>

<!--配置 MapReduce JobHistory Server web ui 地址， 默认端口19888-->

<property>

  <name>mapreduce.jobhistory.webapp.address</name>

  <value>0.0.0.0:19888</value>

</property>

<!--不用的数据节点，添加到excludes文件，之后执行hadoop dfsadmin -refreshNodes命令，-->

<!--协同hdfs-site.xml中的dfs.hosts.exclude属性-->

<property>

    <name>mapred.hosts.exclude</name>

  <value>/usr/Apache/hadoop/etc/hadoop/excludes</value>

</property>

<property>

    <name>mapreduce.job.ubertask.enable</name>

    <value>true</value>

</property>

</configuration>

注意上面0.0.0.0:19888这种写法，不能简单的写为19888，否则历史服务器不能访问

4> yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->

<!--NodeManager上运行的附属服务，需配置成mapreduce_shuffle才可运行MapReduce程序-->

<property>

    <name>yarn.nodemanager.aux-services</name>

    <value>mapreduce_shuffle</value>

</property>

<!-- 开启日志聚集功能 -->

<property>

    <name>yarn.log-aggregation-enable</name>

    <value>true</value>

</property>

<!-- 日志删除时间 -1禁用，单位为秒 -->

<property>

    <name>yarn.log-aggregation.retain-seconds</name>

    <value>604800</value>

</property>

<!--修改日志目录hdfs://mycluster/var/log/hadoop-yarn/apps，当应用程序运行结束后，日志被转移到的HDFS目录（启用日志聚集功能时有效）-->

<property>

    <name>yarn.nodemanager.remote-app-log-dir</name>

    <value>/logs</value>

</property>

<!-- yarn内存，配置nodemanager可用的资源内存 -->

<!--<property>

    <name>yarn.nodemanager.resource.memory-mb</name>

    <value>8192</value>

</property>-->

<!-- yarn  cpu，配置nodemanager可用的资源CPU -->

<!--<property>

    <name>yarn.nodemanager.resource.cpu-vcores</name>

    <value>8</value>

</property>-->

<!--以下为ha配置-->

<!-- 开启yarn ha -->

<property>

  <name>yarn.resourcemanager.ha.enabled</name>

  <value>true</value>

</property>

<!-- 指定yarn ha的名称 -->

<property>

  <name>yarn.resourcemanager.cluster-id</name>

  <value>nscluster-yarn</value>

</property>

<!--启用自动故障转移-->

<property>

    <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>??

    <value>true</value>

</property>

<!-- resourcemanager的两个名称 -->

<property>

  <name>yarn.resourcemanager.ha.rm-ids</name>

  <value>rm1,rm2</value>

</property>

<!-- 配置rm1、rm2的主机  -->

<property>

  <name>yarn.resourcemanager.hostname.rm1</name>

  <value>master</value>

</property>

<property>

  <name>yarn.resourcemanager.hostname.rm2</name>

  <value>data1</value>

</property>

<!-- 配置yarn web访问的端口 -->

<property>

  <name>yarn.resourcemanager.webapp.address.rm1</name>

  <value>master:8088</value>

</property>

<property>

  <name>yarn.resourcemanager.webapp.address.rm2</name>

  <value>data1:8088</value>

</property>

<!-- 配置zookeeper的地址 -->

<property>

  <name>yarn.resourcemanager.zk-address</name>

  <value>master:2181,data1:2181,data2:2181</value>

</property>

<!-- 配置zookeeper的存储位置 -->

<property>

  <name>yarn.resourcemanager.zk-state-store.parent-path</name>

  <value>/rmstore</value>

</property>

<!--  yarn restart-->

<!-- 开启resourcemanager restart -->

<property>

  <name>yarn.resourcemanager.recovery.enabled</name>

  <value>true</value>

</property>

<!-- 配置resourcemanager的状态存储到zookeeper中 -->

<property>

  <name>yarn.resourcemanager.store.class</name>

  <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>

</property>

<!-- 开启nodemanager restart -->

<property>

  <name>yarn.nodemanager.recovery.enabled</name>

  <value>true</value>

</property>

<!-- 配置rpc的通信端口 -->

<property>

  <name>yarn.nodemanager.address</name>

  <value>0.0.0.0:45454</value>

</property>

<!--配置Web Application Proxy安全代理（防止yarn被攻击）-->

<property>

<name>yarn.web-proxy.address</name>

<value>0.0.0.0:8888</value>

</property>

</configuration>

注意：

A. yarn.nodemanager.address这个属性0.0.0.0:45454，在2.6的版本中不要只写成45454，否则会导致nodemanager启动不了

B. yarn.nodemanager.resource.memory-mb与yarn.nodemanager.resource.cpu-vcores这两个属性，可以默认，在目前的hadoop版本中，如果设置不当，会导致mapreduce程序呈现accepted但是不能run的状态。在试验中，2cpu，1G内存的配置就出现了这种情况。当设置为8cpu，8G内存时却正常了，即使这不是机器的真实配置。针对这种情况，另一个解决方案是添加yarn.scheduler.minimum-allocation-mb这个属性：

<property>

  <name>yarn.nodemanager.resource.memory-mb</name>

  <value>2200</value>

  <description>Amount of physical memory, in MB, that can be allocated for containers.</description>

</property>

<property>

  <name>yarn.scheduler.minimum-allocation-mb</name>

  <value>500</value>

</property>

由于资源问题而导致的这种情况可参考以下：

http://stackoverflow.com/questions/20200636/mapreduce-jobs-get-stuck-in-accepted-state

http://docs.hortonworks.com/HDPDocuments/HDP2/HDP-2.0.9.1/bk_installing_manually_book/content/rpm-chap1-11.html

http://zh.hortonworks.com/blog/how-to-plan-and-configure-yarn-in-hdp-2-0/

C. 如果日志设置不当，也会出现maprduce不能运行的情况。将yarn.log-aggregation-enable属性设置为true，开启日志聚集功能，则需要设置yarn.nodemanager.remote-app-log-dir属性，即聚集后的日志存放的路径。注意上面将属性设置为/logs，标识的是在hdfs中的目录（不需要自己建立，系统需要时自己会根据配置文件创建），而非本地。下图显示了程序运行后生成的日志：

5> hadoop-env.sh

设置一些重要的环境变量，设置内存的大小等，视情况而定

export JAVA_HOME=/usr/java/jdk

export HADOOP_PORTMAP_OPTS="-Xmx1024m $HADOOP_PORTMAP_OPTS"

export HADOOP_CLIENT_OPTS="-Xmx1024m $HADOOP_CLIENT_OPTS"
..............

6> 其他

在slaves文件中添加master，data1，data2三个名字，另外需要创建在配置文件中出现的一些目录和文件：

etc/hadoop/excludes，hadoop2.6.5/data/nn，data/tmp，data/jn，data/dn，同时设置好这些文件的权限以及所有者和所属组。

4、集群启动

1> 确定启动zookeeper

zkServer.sh start

2> 启动journalnode，新安装的需要三台机器分别启动

hadoop-daemons.sh start journalnode

3> 启动master的namenode

hadoop-daemon.sh start namenode

4> 同步data1的namenode

hdfs namenode -bootstrapStandby

hadoop-daemon.sh start namenode

在data1上执行以上命令后，master与data1节点此时仍然会是standby状态

5> 格式化ZKFC，这一步可以提前运行，不是必须按此顺序，但前提是开启了zookeeper，并且在hadoop的配置文件中设置开启了故障自动转移

hdfs zkfc -formatZK

在master上运行即可。

6> 三台机器分别启动datanode

hadoop-daemons.sh start datanode

7> 开启zkfc，这时查看一下，dfs应该会正常启动了，一般率先启动zkfc的机器会作为active节点

hadoop-daemons.sh start zkfc

先在master上开启，后在data1上开启

8> 开启yarn

start-yarh.sh

# 或者单独启动

yarn-daemon.sh start resourcemanager

yarn-daemon.sh start nodemanager

此处在master上运行start-yarh.sh，在data1上运行yarn-daemon.sh start resourcemanager，让data1作为资源管理器的备选节点。

9> 其他

mr-jobhistory-daemon.sh start historyserver

yarn-daemon.sh start historyserver

开启历史服务器，此处在data1上运行

10> 结果

master

data1

data2

访问192.168.1.215:50070

master处于active状态

访问192.168.1.218:50070

data1处于standby状态

访问192.168.1.215:8088

访问192.168.1.218:8088

提示：This is standby RM. Redirecting to the current active RM: http://master:8088/cluster

最后进行测试，在任一机器上运行以下命令

yarn jar ~/c02mrtest.jar com.mr.test.MRWeb /TestData/webcount.txt /DataWorld/webresult5

运行结果：

附:常用命令

# journalnode
hadoop-daemons.sh start journalnode
hadoop-daemons.sh stop journalnode


# namenode

hadoop namenode -format

hadoop-daemon.sh start namenode

hadoop-daemon.sh stop namenode


# 同步

hdfs namenode -bootstrapStandby

hadoop-daemon.sh start namenode


# datanode
hadoop-daemons.sh start datanode

hadoop-daemons.sh stop datanode

# zookeeper以及zkfc

zkServer.sh start
zkServer.sh stop

hdfs zkfc -formatZK

hadoop-daemons.sh start zkfc

hadoop-daemons.sh stop zkfc


# yarn

yarn-daemon.sh start resourcemanager

yarn-daemon.sh stop resourcemanager

yarn-daemon.sh start nodemanager
yarn-daemon.sh stop nodemanager
yarn-daemon.sh start proxyserver

yarn-daemon.sh stop proxyserver

mr-jobhistory-daemon.sh start historyserver

mr-jobhistory-daemon.sh stop historyserver

yarn-daemon.sh start historyserver

yarn-daemon.sh stop historyserver
# rm1 rm2为配置文件中设定的资源管理器名称
yarn rmadmin -getServiceState rm1 
yarn rmadmin -getServiceState rm2 

start-dfs.sh
stop-dfs.sh
start-yarn.sh
stop-yarn.sh

zookeeper集群的搭建以及hadoop ha的相关配置的更多相关文章

  1. Solr集群的搭建以及使用(内涵zookeeper集群的搭建指南)

    1   什么是SolrCloud SolrCloud(solr 云)是Solr提供的分布式搜索方案,当你需要大规模,容错,分布式索引和检索能力时使用 SolrCloud.当一个系统的索引数据量少的时候 ...

  2. 大数据平台搭建-zookeeper集群的搭建

    本系列文章主要阐述大数据计算平台相关框架的搭建,包括如下内容: 基础环境安装 zookeeper集群的搭建 kafka集群的搭建 hadoop/hbase集群的搭建 spark集群的搭建 flink集 ...

  3. [转]ZooKeeper 集群环境搭建 （本机3个节点）

    ZooKeeper 集群环境搭建 (本机3个节点) 是一个简单的分布式同步数据库(或者是小文件系统) ------------------------------------------------- ...

  4. zookeeper集群环境搭建详细图文教程

    zookeeper集群环境搭建详细图文教程 zhoubang @ 2018-01-02 [文档大纲] 友情介绍 软件环境 注意点 环境安装 1. 新建用于存储安装包以及软件安装的目录 2. 下载安装z ...

  5. Linux环境下ZooKeeper集群环境搭建关键步骤

    ZooKeeper版本:zookeeper-3.4.9 ZooKeeper节点:3个节点 以下为Linux环境下ZooKeeper集群环境搭建关键步骤: 前提条件:已完成在Linux环境中安装JDK并 ...

  6. Docker 一步搞定 ZooKeeper 集群的搭建

    Docker 一步搞定 ZooKeeper 集群的搭建 背景 原来学习 ZK 时, 我是在本地搭建的伪集群, 虽然说使用起来没有什么问题, 但是总感觉部署起来有点麻烦. 刚好我发现了 ZK 已经有了 ...

  7. centos7下安装zookeeper&zookeeper集群的搭建

    一.centos7下安装zookeeper 1.zookeeper 下载地址 https://mirrors.tuna.tsinghua.edu.cn/apache/zookeeper/ 2.安装步骤 ...

  8. centos7 zookeeper集群的搭建

    说明:该集群的搭建是为了服务于solr集群,请参考我的关于solr集群搭建的博客. 1.创建solr-cloud目录 mkdir /usr/local/solr-cloud 2.将解压的apache- ...

  9. Zookeeper集群快速搭建

    Zookeeper集群快速搭建 1.cd /usr/local/zookeeper/conf(如在192.168.212.101服务器) mv zoo_sample.cfg zoo.cfg 修改con ...

随机推荐

  1. Git 子模块 - submodule

    有种情况我们经常会遇到:某个工作中的项目需要包含并使用另一个项目. 也许是第三方库,或者你 独立开发的,用于多个父项目的库. 现在问题来了:你想要把它们当做两个独立的项目,同时又想在 一个项目中使用另 ...

  2. 【小程序分享篇 二 】web在线踢人小程序，维持用户只能在一个台电脑持登录状态

    最近离职了, 突然记起来还一个小功能没做, 想想也挺简单,留下代码和思路给同事做个参考. 换工作心里挺忐忑, 对未来也充满了憧憬与担忧.(虽然已是老人, 换了N次工作了,但每次心里都和忐忑). 写写代 ...

  3. Npm包的开发

    个人开发包的目录结构 ├── coverage //istanbul测试覆盖率生成的文件 ├── index.js //入口文件 ├── introduce.md //说明文件 ├── lib │   ...

  4. Java多线程

    一:进程与线程 概述:几乎任何的操作系统都支持运行多个任务,通常一个任务就是一个程序,而一个程序就是一个进程.当一个进程运行时,内部可能包括多个顺序执行流,每个顺序执行流就是一个线程.   进程:进程 ...

  5. ASP.NET Aries 入门开发教程3：开发一个列表页面及操控查询区

    前言: Aries框架毕竟是开发框架,所以重点还是要写代码的,这样开发人员才不会失业,哈. 步骤1:新建html 建一个Html,主要有三步: 1:引入Aries.Loader.js 2:弄一个tab ...

  6. Web性能优化：图片优化

    程序员都是懒孩子,想直接看自动优化的点:传送门 我自己的Blog:http://cabbit.me/web-image-optimization/ HTTP Archieve有个统计,图片内容已经占到 ...

  7. SASS教程sass超详细教程

    SASS安装及使用(sass教程.详细教程) 采用SASS开发CSS,可以提高开发效率. SASS建立在Ruby的基础之上,所以得先安装Ruby. Ruby的安装: 安装 rubyinstaller- ...

  8. 0.Win8.1，Win10，Windows Server 2012 安装 Net Framework 3.5

    后期会在博客首发更新:http://dnt.dkill.net 网站部署之~Windows Server | 本地部署:http://www.cnblogs.com/dunitian/p/482280 ...

  9. Sublime配置python开发环境

    Package Control Package Control 是Sublime 里直接安装附加插件的包管理器.可以通过以下步骤手动安装: 1.点击Preferences > Browse Pa ...

  10. 【HanLP】资料链接汇总

    Java中调用HanLP配置 HanLP自然语言处理包开源官方文档 了解HanLP的全部 自然语言处理HanLP 开源自由的汉语言处理包主页 GitHub源码 基于hanLP的中文分词详解-MapRe ...