基本环境安装: Centos7+Java+Hadoop+Spark+HBase+ES+Azkaban
1. 安装VM14的方法在 人工智能标签中的《跨平台踩的大坑有提到》
2. CentOS分区设置:
/boot：1024M，标准分区格式创建。
swap：4096M，标准分区格式创建。
/：剩余所有空间，采用lvm卷组格式创建
其他按需要设置就好， 配置好后使用 vi /etc/sysconfig/network-scripts/ifcfg-eno16777736 设置网络连接;
HWADDR=00:0C:29:B3:AE:0E
TYPE=Ethernet
BOOTPROTO=static
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_PEERDNS=yes
IPV6_PEERROUTES=yes
IPV6_FAILURE_FATAL=no
NAME=eno16777736
UUID=2cb8e76d-0626-4f8e-87e5-7e0743e4555f
ONBOOT=yes
IPADDR=192.168.10.186
NETMASK=255.255.255.0
GATEWAY=192.168.10.1
DNS1=192.168.10.1
网关与IP与Windows主机匹配， 不能随便乱配！
ipconfig /all 按照主机网络配置虚拟机
虚拟机Ping主机, 如果一直卡住, 则修改防火墙入站规则, 启用文件与打印共享中的PV4 IN 公用;
service network restart命令重启网卡，生效刚刚修改ip地址，ping www.baidu.com测试网络连通性。
配置细则参考: http://www.cnblogs.com/wcwen1990/p/7630545.html
修改主机映射: vi /etc/hostname
pc.apache vi /etc/hosts
192.168.1.186 pc.apache
192.168.1.187 pc.apache2
...
reboot #即可生效
配置免秘钥登入： 很多公司都修改了ssh端口，使用 vi ~/.ssh/config 修改， 注意： config的最大使用权限600， chmod -R 600 config。 其配置为：
Host *
Port 你的端口 0.安装lrzsz工具：
yum install -y lrzsz 1.首先以root用户身份，修改：vim /etc/ssh/sshd_config
StrictModes no
RSAAuthentication yes
PubkeyAuthentication yes
AuthorizedKeysFile .ssh/authorized_keys 2.创建用户hadoop:
useradd hadoop
passwd hadoop 3. 切换到hadoop用户：
su - hadoop 4. 三台机器都生成证书：
ssh-keygen -t rsa 5 每台机器的证书，通过如下命令导入到一个相同的文件。这样，authorized_keys文件中追加了三台机器各自生成的证书：
cat id_rsa.pub >> authorized_keys 6.将包含三台机器证书的文件authorized_keys分发到三台机器的~/.ssh/authorized_keys目录下:
rz上传，sz下载 7 然后把三台机器 .ssh/ 文件夹权限改为700，authorized_keys文件权限改为644：
chmod 700 ~/.ssh
chmod 644 ~/.ssh/authorized_keys
3. 安装jdk
将jdk解压到software目录后， 添加环境变量;
vi /etc/profile
export JAVA_HOME=/opt/software/jdk1.8.0_191
export PATH=$JAVA_HOME/bin:$PATH source /etc/profile java安装好后, 可使用jps。
zookeeper安装： 进入目录 mkdir zkData cp conf/zoo_sample.cfg conf/zoo.cfg $vim conf/zoo.cfg
dataDir=/data/software/zookeeper-3.4.5/zkData
server.1=pc1.hadoop:2888:3888
server.2=pc2.hadoop:2888:3888
server.3=pc3.hadoop:2888:3888 #在三台机器上同样敲入 #pc1 : $vim zkData/myid 1 1 对应 server.1
配置好后， 将java, zookeepr, hadoop 全部复制到其他节点， 并修改各节点环境变量。
配置ZOOKEEPER + HADOOP HA：
Zookeeper + Hadoop HA: rm -rf /data/software/zookeeper-3.4.5/zkData/*
vim /data/software/zookeeper-3.4.5/zkData/myid
rm -rf /data/dataware/* zkServer.sh start
zkServer.sh status
zkServer.sh stop 先清空其他节点的配置： rm -rf /data/software/hadoop-2.7.3/etc/*
scp -r hadoop/ hadoop@app-003:/data/software/hadoop-2.7.3/etc/ 第一次初始化：
先在各节点启动： hadoop-daemon.sh start journalnode
在主节点启动： hdfs namenode -format
将core-site.xml 中hadoop.tmp.dir的目录， 在主节点复制到第二个namenode节点：scp -r /data/dataware/hadoop/tmp/ hadoop@app-002:/data/dataware/hadoop/
在主节点启动： hdfs zkfc -formatZK 主节点启动： start-dfs.sh
#主节点启动： yarn-daemon.sh start resourcemanager
主节点启动： start-yarn.sh hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar pi 1 3 第二次及以后启动hadoop时， 可直接启动dfs不需要再先启动 journalnode， 但是这就遇到一个问题， journalnode启动需要时间，只有其稳定后， namenode才能稳定。
否则会出现一直连不到app:8485的情况。 解决： ipc.client.connect.max.retrie 20 ； ipc.client.connect.retry.interval 5000 主节点启动： stop-yarn.sh stop-dfs.sh
各节点启动： zkServer.sh stop
4. 安装hadoop单机版(集群可忽略此处)以及设置防火墙与linxu安全模式
先将hadoop添加进环境变量, $HADOOP_HOME/bin
#关闭防火墙
service iptables stop #关闭防火墙开机启动
chkconfig iptable s off #关闭linux安全模式
/etc/sysconfig/selinux #关闭centos7防火墙
systemctl stop firewalld.service # 关闭firewall
systemctl disable firewalld.service # 禁止firewall开机启动 报错:
The authenticity of host 'XXXX' can't be established错误解决
vim /etc/ssh/ssh_config
最后面添加
StrictHostKeyChecking no
UserKnownHostsFile /dev/null 无法连接MKS， 在任务管理器中打开所有VM服务进程 bin/hdfs namenode -format
sbin/start-dfs.sh
sbin/start-yarn.sh pc.apache:50070
pc.apache:8088 hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar pi 1 3 关闭方式: 除了使用 stop命令外， 实在没办法了可以使用:
killall java
相关配置如下: vim hadoop-env.sh export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/opt/software/jdk1.8.0_191 vim core-site.xml <configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://pc.apache:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/software/hadoop-2.7.3/data</value>
</property>
</configuration> vim hdfs-site.xml <configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/software/hadoop-2.7.3/data/name</value>
</property>
<property>
<name>dfs.webhdfs.enable</name>
<value>true</value>
</property> <property>
<name>dfs.permissions.enable</name>
<value>false</value>
</property> </configuration> vim mapred-site.xml <configuration> <property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!--指定jobhistory服务的主机及RPC端口号-->
<property>
<name>mapreduce.jobhistory.address</name>
<!--配置实际的主机名和端口-->
<value>pc.apache:10020</value>
</property>
<!--指定jobhistory服务的web访问的主机及RPC端口号-->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>pc.apache:19888</value>
</property> </configuration> vim slaves pc.apache vim yarn-site.xml <configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定ResorceManager所在服务器的主机名-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>pc.apache</value>
</property>
<!--启用日志聚合功能-->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!--日志保存时间-->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>86400</value>
</property> </configuration>
5. 安装hive
完全卸载mysql： yum remove mysql-community mysql-community-server mysql-community-libs mysql-community-common -y yum -y remove mysql57-community-release-el7-10.noarch rpm -qa |grep -i mysql
rpm -ev MySQL-client-5.5.60-1.el7.x86_64 --nodeps find / -name mysql 全部删除 rpm -qa|grep mysql
rpm -ev mysql57-community-release-el7-8.noarch
安装MySQL: wget http://dev.mysql.com/get/mysql57-community-release-el7-8.noarch.rpm yum localinstall mysql57-community-release-el7-8.noarch.rpm yum repolist enabled | grep "mysql.*-community.*" yum install mysql-community-server systemctl start mysqld
systemctl status mysqld
systemctl enable mysqld
systemctl daemon-reload 首次安装，获取临时密码:
grep 'temporary password' /var/log/mysqld.log
mysql -uroot -p #即可登入 但是，在登入之前最好设置密码规则， 便于修改
vim /etc/my.cnf
validate_password = off systemctl restart mysqld 重启服务
ALTER USER 'root'@'localhost' IDENTIFIED BY '111111'; #修改密码 grant all privileges on *.* to 'root'@'%' identified by '111111'; #给其他用户权限
flush privileges; 在/etc/my.cnf 配置编码
[mysqld]
character_set_server=utf8
init_connect='SET NAMES utf8'
create user 'hive'@'localhost' identified by 'hive';
create database hive;
alter database hive character set latin1; grant all on hive.* to hive@'%' identified by 'hive';
grant all on hive.* to hive@'localhost' identified by 'hive';
grant all on metastore.* to hive@'localhost' identified by 'hive';
grant all on metastore.* to hive@'%' identified by 'hive'; show grants for hive@'localhost';
flush privileges; 如果重装HIVE: 删除Hive在MySQL的元数据， 如下。 drop database metastore; select * from metastore.SDS;
select * from metastore.DBS;
delete from `metastore`.`TABLE_PARAMS`
drop table `metastore`.`TABLE_PARAMS`
delete from `metastore`.`TBLS`
drop table `metastore`.`TBLS` delete from metastore.SDS
delete from metastore.DBS
drop table metastore.SDS
drop table metastore.DBS
下载并解压好hive项目 cp hive-default.xml.template hive-site.xml
cp hive-env.sh.template hive-env.sh
cp hive-log4j2.properties.template hive-log4j2.properties vim hive-site.xml <configuration>
<property>
<name>hive.cli.print.header</name>
<value>true</value>
<description>Whether to print the names of the columns in query output.</description>
</property> <property>
<name>hive.cli.print.current.db</name>
<value>true</value>
<description>Whether to include the current database in the Hive prompt.</description>
</property> <property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://pc1.hadoop:3306/metastore?createDatabaseIfNotExist=true</value>
<description>JDBC connect string for a JDBC metastore</description>
</property> <property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
<description>Driver class name for a JDBC metastore</description>
</property> <property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
<description>username to use against metastore database</description>
</property> <property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hive</value>
<description>password to use against metastore database</description>
</property> <property>
<name>hive.server2.long.polling.timeout</name>
<value>5000</value>
</property> <property>
<name>hive.server2.thrift.port</name>
<value>10001</value> <!-- 因为Spark-sql服务端口是10000， 避免冲突，这里改成10001-->
</property> <property>
<name>hive.server2.thrift.bind.host</name>
<value>pc1.hadoop</value>
</property> </configuration> vim hive-env.sh export JAVA_HOME=/opt/software/jdk1.8.0_191
export HADOOP_HOME=/opt/software/hadoop-2.7.3/etc/hadoop
export HIVE_CONF_DIR=/opt/software/hive-2.1.1/conf vim hive-log4j2.properties hive.log.dir=/ # 配置一下目录地址
在Maven仓库下载一个mysql-connector-java-5.1.22-bin.jar ， 放入hive目录下的 lib文件夹中
在Hive目录下， 初始化数据库。 报错: Host is not allowed to connect to this MySQL server
use mysql;
update user set host = '%' where user = 'root';
FLUSH PRIVILEGES; schematool -dbType mysql -initSchema 将HIVE_HOME添加到环境变量， 执行hive后， 报错： Relative path in absolute URI
在hive-site.xml中 找到所有${system:java.io.tmpdir} 替换成 ./hive/logs/iotemp 再次运行hive 启动hive服务
hive --service metastore &
hive --service hiveserver2 &
第一次启动spark: hadoop fs -put /data/software/spark-2.1.1/jars/* /user/spark/libs/ start-master.sh
start-slaves.sh
6. 安装spark
第一步 下载一个scala:
https://www.scala-lang.org/download/2.11.8.html #将scala添加进环境变量即可; 第二步 解压spark-2.2.0-bin-hadoop2.7.tgz, 并将spark添加环境变量; vim spark-env.sh export JAVA_HOME=/opt/software/jdk1.8.0_191 export HADOOP_CONF_DIR=/opt/software/hadoop-2.7.3 export HIVE_CONF_DIR=/opt/software/hive-2.1.1 export SCALA_HOME=/opt/software/scala-2.11.8 export SPARK_WORK_MEMORY=1g export MASTER=spark://pc.apache:7077 由于Spark-SQL需要用到Hive数据源, 因此需要修改Hive中的hive-site.xml
<property>
<name>hive.metastore.uris</name>
<value>thrift://pc.apache:9083</value>
</property> 修改好后， 将其复制到spark/conf 目录下
cp hive-site.xml /opt/software/spark-2.2.0-bin-hadoop2.7/conf/ 复制依赖的jars:
cp $HIVE_HOME/lib/hive-hbase-handler-2.1.1.jar $SPARK_HOME/jars/ mkdir $SPARK_HOME/lib
cp $HIVE_HOME/lib/mysql-connector-java-5.1.34.jar $SPARK_HOME/lib/
cp $HIVE_HOME/lib/metrics-core-2.2.0.jar $SPARK_HOME/lib cp $HBASE_HOME/lib/guava-12.0.1.jar $SPARK_HOME/lib/
cp $HBASE_HOME/lib/hbase-common-1.2.5-tests.jar $SPARK_HOME/lib/
cp $HBASE_HOME/lib/hbase-client-1.2.5.jar $SPARK_HOME/lib/
cp $HBASE_HOME/lib/hbase-protocol-1.2.5.jar $SPARK_HOME/lib/
cp $HBASE_HOME/lib/htrace-core-3.1.0-incubating.jar $SPARK_HOME/lib/
cp $HBASE_HOME/lib/hbase-common-1.2.5.jar $SPARK_HOME/lib/
cp $HBASE_HOME/lib/hbase-server-1.2.5.jar $SPARK_HOME/lib/ 将上述环境变量添加进 vim $SPARK_HOME/conf/spark-env.sh export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/guava-12.0.1.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/hbase-client-1.2.5.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/hbase-common-1.2.5.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/hbase-common-1.2.5-tests.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/hbase-protocol-1.2.5.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/hbase-server-1.2.5.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/htrace-core-3.1.0-incubating.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/mysql-connector-java-5.1.34.jar export SPARK_CLASSPATH=$SPARK_CLASSPATH:$SPARK_HOME/lib/metrics-core-2.2.0.jar 启动hive数据源， 测试spark-sql
nohup hive --service metastore >/opt/software/metastore.log 2>&1 &
启动spark /opt/software/spark-2.2.0-bin-hadoop2.7/sbin/start-master.sh
/opt/software/spark-2.2.0-bin-hadoop2.7/sbin/start-slaves.sh web: http://192.168.1.186:8080/ 启动spark-sql时报错: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
将hive.site.xml文件中的
<property>
<name>hive.metastore.schema.verification</name>
<value>true</value>
</property>
改为false即可 但是spark-sql服务却起不来, 执行$SPARK_HOME/sbin/start-thriftserver.sh 时报错: Could not create ServerSocket on address pc.apache/192.168.1.186:10001
使用 jps -ml查看java进程详情; 原因是 HIVE的服务与SPARK-SQL服务只能起一个？ 我把HIVE服务注释掉就可以了， 但是这样是不妥的， 可能要把HIVE服务设置成什么其他的端口避免10001？ 有待进一步测试！
最后关于Spark安装的，将介绍Spark on yarn
spark-shell --master yarn-client 启动后会发现报错: Error initializing SparkContext vim yarn-site.xml <property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
<description>Whether virtual memory limits will be enforced for containers</description>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>4</value>
<description>Ratio between virtual memory to physical memory when setting memory limits for containers</description>
</property>
再次启动 spark-shell --master yarn-client 即可;
总结安装流程：
node1 node2 node3
nn1 nn2 dn3
dn1 dn2 nm3
rm1 rm2 zk3
nm1 nm2 mysql
zk1 zk2
hivestat hivserv hivemeta 主节点启动： start-dfs.sh
#主节点启动： yarn-daemon.sh start resourcemanager
主节点启动： start-yarn.sh
stop-yarn.sh stop-dfs.sh hive --service metastore > /home/hadoop/hive.meta &
hive --service hiveserver2 > /home/hadoop/hive.log & #hadoop fs -mkdir -p /user/spark/libs/
#hadoop fs -put /data/software/spark-2.1.1/jars/* /user/spark/libs/
hadoop fs -mkdir -p /tmp/spark/logs/ start-master.sh
start-slaves.sh zkCli.sh
rm -rf /data/software/spark-2.1.1/conf/
scp -r /data/software/spark-2.1.1/conf/ hadoop@app-002:/data/software/spark-2.1.1/ Yarn运行日志：
/tmp/logs/hadoop/logs 提交任务做测试： hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar pi 1 3 spark-shell --master yarn --deploy-mode client spark-submit --class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
--driver-memory 1000m \
--executor-memory 1000m \
--executor-cores 1 \
/data/software/spark-2.1.1/examples/jars/spark-examples_2.11-2.1.1.jar \
3
一些debug方法：
debug: nohup java -jar sent-mail.jar > log.txt & 查看端口是否占用：netstat -ntulp |grep 8020
查看一个服务有多少端口：ps -ef |grep mysqld rm -rf /data/software/hadoop-2.7.3/logs/* 单独启动各个组件， 查看bug产生原因。
hadoop-daemon.sh start namenode
hadoop-daemon.sh start datanode jps -ml
kill -9
7. 安装Zookeeper + HBase
如果集群中有Zookeeper集群， 使用集群中的比较好， 如果是单机测试， 用HBase自带的Zookeeper就好;
vim hbase-env.sh export JAVA_HOME=/opt/software/jdk1.8.0_191
export HBASE_MANAGES_ZK=true
export HADOOP_HOME=/opt/software/hadoop-2.7.3
export HBASE_CLASSPATH=/opt/software/hadoop-2.7.3/etc/hadoop
export HBASE_PID_DIR=/opt/software/hbase-1.2.5/pids vim hbase-site.xml
<property>
<name>hbase.rootdir</name>
<value>hdfs://pc.apache:8020/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>pc.apache</value>
</property>
<property>
<name>hbase.master</name>
<value>hdfs://pc.apache:60000</value>
</property>
<property>
<name>hbase.tmp.dir</name>
<value>/opt/software/hbase-1.2.5/tmp</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/opt/software/hbase-1.2.5/zooData</value>
</property>
vim regionservers pc.apache
/opt/software/hbase-1.2.5/bin/start-hbase.sh
status
http://192.168.1.186:16010/
Hbase window最简单安装版本 下载：hbase-1.2.3。（http://apache.fayea.com/hbase/stable/） 必须： Java_Home, Hadoop_Home 1.
修改 hbase-1.0.2\conf\hbase-env.cmd 文件 set JAVA_HOME=C:\Program Files\Java\jdk1.8.0_05
set HBASE_MANAGES_ZK=flase 2.
修改 hbase-1.0.2\conf\hbase-env.sh 文件 export HBASE_MANAGES_ZK=false 3.
修改hbase-1.0.2\conf\hbase-site.xml 文件 路径自己改为自己的实际路径 <configuration>
<property>
<name>hbase.rootdir</name>
<value>file:///E:/software/hbase-1.4.10/root</value>
</property>
<property>
<name>hbase.tmp.dir</name>
<value>E:/software/hbase-1.4.10/tmp</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>127.0.0.1</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>E:/software/hbase-1.4.10/zoo</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>false</value>
</property>
</configuration> 4.进入到bin目录
点击 start-hbase.cmd 在该目录下执行命令窗口 ：
hbase shell create 'test','cf'
scan 'test'
基本环境安装: Centos7+Java+Hadoop+Spark+HBase+ES+Azkaban的更多相关文章
- java+hadoop+spark+hbase+scala+kafka+zookeeper配置环境变量记录备忘
java+hadoop+spark+hbase+scala 在/etc/profile 下面加上如下环境变量 export JAVA_HOME=/usr/java/jdk1.8.0_102 expor ...
- Docker搭建大数据集群 Hadoop Spark HBase Hive Zookeeper Scala
Docker搭建大数据集群 给出一个完全分布式hadoop+spark集群搭建完整文档,从环境准备(包括机器名,ip映射步骤,ssh免密,Java等)开始,包括zookeeper,hadoop,hiv ...
- Hadoop+Spark+Hbase部署整合篇
之前的几篇博客中记录的Hadoop.Spark和Hbase部署过程虽然看起来是没多大问题,但是之后在上面跑任务的时候出现了各种各样的配置问题.庆幸有将问题记录下来,可以整理出这篇部署整合篇. 确保集群 ...
- 基于服务器版centos7的Hadoop/spark搭建
前提说明: 1.Hadoop与spark是两个独立的框架,只安装spark也可独立运行,spark有自己的调度器(standalone模式): 2.在Hadoop的基础上安装spark就是为了使用ya ...
- Ubuntu15.10下Hadoop2.6.0伪分布式环境安装配置及Hadoop Streaming的体验
Ubuntu用的是Ubuntu15.10Beta2版本,正式的版本好像要到这个月的22号才发布.参考的资料主要是http://www.powerxing.com/install-hadoop-clus ...
- 上百本电子书（Java/Hadoop/Spark/Linux/机器学习/）免费分享 百度云持续更新
分享一下自己整理的超多电子书, 其中包括:Java,Hadoop,Spark,Linux,Hbase,Hive,机器学习,区块链 目录如下: 1 Java 基础 2 Java 虚拟机 3 Java 并 ...
- （一）环境安装之Java
一.安装JDK 点击 JDK8下载,根据自己的平台,选择相应的版本进行下载. Java环境分JDK和JRE ,JDK就是Java Development Kit. 简单的说JDK是面向开发人员使用的S ...
- Docker环境安装部署Java应用（含安装Tomcat和JDK）
1.部署思路 两台docker机(centos 7系统),Docker 版本:18.09.6, build 481bc77156 Docker host IP:192.168.102.135 Dock ...
- build hadoop, spark, hbase cluster
1,something: 1,arc land 506 git branch 507 git status 508 git reset multicloud/qcloud/cluster_man ...
随机推荐
- JavaScript 循环语句
while while循环由两个代码块组成,分别是条件语句和循环体. while ( [条件] ) { [循环体] } while循环类似于if语句,不同的是while循环将不断地执行循环体直 ...
- 图解HTTP（1）之WEB及网络基础
HTTP协议访问Web 当你在浏览器地址栏中键入有效URL(统一资源定位符)相应的网页页面就会展示出来,那么它是如何展示出来的, 首先这存在两个概念 ------客户端.服务器端 客户端(client ...
- python学习笔记(八)、特殊方法、特性和迭代器
1 新式类和旧式类 python类的工作方式在不断变化.较新的Python2版本有两种类,其中旧式类正快速退出舞台.新式类时Python2.2 引入的,提供了一些额外功能,如支持函数super 和 p ...
- 前端入门14-JavaScript进阶之继承
声明 本系列文章内容全部梳理自以下几个来源: <JavaScript权威指南> MDN web docs Github:smyhvae/web Github:goddyZhao/Trans ...
- Array的 filter() 和 sort()
filter() filter() 方法创建一个创建一个新数组,新数组中的元素是通过筛选原数组中的元素所得到的.筛选的方式是把传入的函数依次作用于每个元素,然后根据返回值是true还是false决定保 ...
- console对象探究
作为一个前端,console.log()可能是你最常用的方法,打印打印再打印,但是其实console对象上有用的方法有很多,来,各位看官上眼 分类输出 厌倦了 console.log 单调的输出?欢迎 ...
- #WEB安全基础 : HTML/CSS | 0x10.1更多表单
来认识更多的表单吧,增加知识面 我只创建了一个index.html帮助你认识它们 以下是代码 <!DOCTYPE html> <html> <head> <m ...
- 通过Excel文件快速创建页面和数据表
在设计一个软件系统,构建过程:需求->数据表->系统开发.实际情况是需求(数据)很多来源于已经存在的文件中,客户会要求把这些数据“电子化”,这就给需求分析产生了很大的工作量: 分析这些原始 ...
- Docker入门笔记
Docker入门笔记 随笔记录初学Docker遇到的问题, 以免下次再犯. 本机系统Ubuntu18.04 安装 Docker有2个版本 Community Edition (CE) 社区版(免费) ...
- docker 基础
概述 起源 2013 年由 DotCloud 公司开源出来的容器管理工具 DotCloud 公司是一家 PAAS 服务提供商,从 docker 的出身也可以看出它的主要功能和方向 技术原理 开始时是基 ...