首页 文章 精选 留言 我的

精选列表

搜索[工具集]，共10013篇文章
优秀的个人博客,低调大师

Tech-ED2006会场见闻图片集

北京，2006年9月21日 — 作为一年一度软件行业面向专业人士的技术交流盛宴，今天，微软技术大会(Tech•Ed 2006)继上海、广州站之后成功亮相大会终点站——北京。 图1-0 Tech-ED2006大会北京，九华国际会议中心会场 本次大会以“创新•力与你同在”为主题，围绕安全、管理、协作、2007 Microsoft Office system、Windows Vista等业界热点话题，吸引了全国近千名IT精英的积极参与。微软公司CIO兼管理解决方案部门副总裁Ron Markezich先生在主题演讲中面向国内IT人士强调了创新的IT如何帮助企业获得更大的价值、微软下一代新品在掀起IT业界下一个浪潮的同时如何以新的方式进行协同为客户带来新的商务解决方案、新的软件方案如何实现人员就绪，从而为公司创造更大的价值。本次大会也是下一代操作系统Windows Vista和2007 Microsoft Office system在发布前夕面向国内软件专业人士的全线亮相。 图1-1 9 月 21 日 上午 Tech-ED 隆重开幕 图1-2 大会现场 图1-31-4 集体舞就像是一簇簇篡动的火苗，Tech-ED2006大会火爆登场！！ 图1-5 微软中国有限公司总裁-陈永正先生登台 图1-6 陈永正先生发表即兴演讲 微软公司资深副总裁、大中华区首席执行官陈永正表示：“微软致力于与中国软件经济共成长，Tech•Ed再一次深刻的印证了这一承诺。作为中国乃至全亚洲领先科技交流的盛会，Tech•Ed在中国已经走过了十二年，微软希望Tech•Ed能够成为国内IT人士深入了解前沿创新科技、并进行充分交流与分享的平台。今年，微软Tech•Ed为IT专业人士带来了新的愿景，并与大家分享微软为帮助实现这个愿景所做的努力；结合中国企业的实际情况，讨论下一代旗舰产品的最新发展方向、应用场景及整合方案，剖析软件技术如何助力企业实现更大价值，希望每一位参会人员都能够有所收获。” 图1-7 1-8 陈总发表-题目为“企业成功的奥秘”演讲 Ron Markezich在会上阐述了软件的创新如何让IT成为企业的驱动力，他表示：“当今企业的IT部门并不普遍被看作是推动企业成长的关键因素。70%的IT预算花费在维护业务正常运营方面，而只有30%花在了新的创新、新的应用方面。实际上，创新的IT可以成为驱动企业增长的关键力量，不断提升业务价值并推进业务发展。软件在企业整个IT架构中扮演着引擎的角色，微软坚信软件的不断创新能够赋予IT人士及开发人员能力解决目前企业IT部门所遇到的困难，通过实现IT的创新保证信息的安全，提升企业的生产力，节约成本同时创造价值。微软即将推出的包括Windows Vista, 2007 Microsoft Office system在内的下一代旗舰产品将为IT业界带来又一轮激动人心的产品浪潮。这些产品在沟通、协作、搜索及安全性方面都进行了很大的提升。通过产品之间更好的应用组合，我们将为个人和企业用户提供整合的端到端的商务解决方案，让人员真正成为企业成功的根本驱动力量，发挥软件的最大效能。” 图1-91-10Ron Markezich 先生发表主题演讲 内容方面，本次Tech•Ed 大会结合微软产品及解决方案，与与会者重点分享了微软在整个IT生命周期内提供的包括系统管理、安全及上层业务的支持，一起探讨软件的创新整合、IT架构不断优化如何推动企业的发展，其中包括Windows Vista, 2007 Microsoft Office system, Microsoft Exchange Server 2007等企业IT架构在内的整合商务解决方案。 作为微软下一个十年的操作系统，Windows Vista能够在生产力、移动办公、安全性及桌面部署管理方面解决企业关键需求，从而为企业传递价值，实现企业“全员就绪”。Windows Vista帮助员工更容易获取并利用信息；其次，Windows Vista允许移动及远程办公人员时时保持互联及高效；面对日益增长的安全威胁，Windows Vista在安全方面从底层技术进行提升，帮助企业保护数据不受损害；同时通过优化桌面架构帮助企业降低部署、管理和支持的费用，从而降低企业拥有总成本(TCO)。本次Tech•Ed参会人员同时获得了9月初微软发布的Windows Vista最新版本 RC1，抢先领略技术突破。 图1-11,1-12 WindowsVista，2007Office System新功能DemoShow 即将于年底面世的微软桌面及服务器软件2007 Microsoft Office system，专为实现组织及员工工作模式的流线化所设计。最新发布的产品提供了相当重要的新功能，以帮助提升个人生产力、简化员工协同工作方式，实现更为有效的流程及内容管理，以及增强对整个组织的商业洞察力。自从微软宣布beta 2可下载2个月内，已经有超过300万的用户下载了2007 Microsoft Office system beta 2。微软希望通过2007 Office system中众多的独到创新之处，满足客户的需求，帮助企业实现成功。 图1-13 涂曙光老师讲解OfficeSharePointServer2007图1-14张欣老师深度讲解WindowsMobile开发 大会上还展示了微软企业级的统一沟通解决方案，该解决方案为企业构建集成的、统一的沟通平台，支持企业员工、合作伙伴及客户间通过电子邮件、即时通信、移动访问、传真及VoIP电话、视频、音频及网络会议进行高效沟通，多种的访问方式保证访问的灵活性、即时性，同时一致的用户体验也大降低了企业培训成本及客户的满意度。微软企业级的统一沟通解决方案整合Microsoft Exchange Server，Microsoft Office Live Communication Server 和Office Live Meeting Service服务器产品，并配合广大用户熟悉的Microsoft Office Outlook® , Microsoft Office Communicator、智能设备 及IE Web访问，通过PBX集成电话系统形成有凝聚力的统一沟通解决方案。通过统一沟通软件，将企业的核心竞争力“人”置于沟通的中心位置，经过身份即可在任何地点、通过所集成的沟通模式安全地进行信息沟通。 图1-15,1-16大会合作伙伴展示区(intel双核体验) 图1-17 WindowsVista展位 图1-18 Microsoft 2007OfficeSystem展区 图1-19 WindowsServer System展区 图1-20Table PC展区 形式上，Tech•Ed 2006大会更加丰富多样。大会首次按照目标听众的不同需求，将课程分为面向技术决策者/业务决策者、开发人员、IT专业人员和信息工作者四类，参会者能够快速便捷地寻找适合自身的课程内容。除了多场专题技术讲座及研讨会议，今年特别推出集体验、动手、交流为一体的“技术体验中心”，包括动手实验、专家问答、chalktalk、社区活动、解决方案展示、IT同类人聚会等，带给与会者全新的感受。 本文转自葛涵涛51CTO博客，原文链接：http://blog.51cto.com/gehantao/43247，如需转载请自行联系原作者
2017-11-15
优秀的个人博客,低调大师

Spark2.1集群安装（standalone模式）

机器部署 准备三台Linux服务器，安装好JDK1.7 下载Spark安装包 上传spark-2.1.0-bin-hadoop2.6.tgz安装包到Linux(intsmaze-131)上 解压安装包到指定位置tar -zxvfspark-2.1.0-bin-hadoop2.6.tgz -C /home/hadoop/app/spark2.0/ 原文和作者一起讨论:http://www.cnblogs.com/intsmaze/p/6569036.html 微信：intsmaze 配置Spark 进入到Spark安装目录 cd /spark-2.1.0-bin-hadoop2.6/conf mv spark-env.sh.template spark-env.sh vi spark-env.sh 在该配置文件中添加如下配置 export JAVA_HOME=/home/hadoop/app/jdk1.7.0_65 export SPARK_MASTER_IP=intsmaze-131（指定standalone模式中主节点master是哪一台spark节点） export SPARK_MASTER_PORT=7077 mv slaves.template slaves vi slaves 在该文件中添加子节点所在的位置（Worker节点） intsmaze-131 intsmaze-132 intsmaze-134 将配置好的Spark拷贝到其他节点上（注意节点的路径必须和master一样，否则master启动集群回去从节点中对应目录中去启动work,不一致会报No such file or directory） scp -r spark-2.1.0-bin-hadoop2.6/ intsmaze-132:/home/hadoop/app/spark2.0/ scp -r spark-2.1.0-bin-hadoop2.6/ intsmaze-134:/home/hadoop/app/spark2.0/ Spark集群配置完毕，目前是1个Master，3个Work，在intsmaze-131（master节点）上启动Spark集群 /home/hadoop/app/spark2.0/spark-2.1.0-bin-hadoop2.6/sbin/start-all.sh（spark集群不需要启动hadoop集群等，与hadoop集群无关。如果配置为spark on yarn上，那么必须启动spark和yarn集群而不需要启动hadoop） 启动后执行jps命令，主节点上有Master进程和Work进程，其他子节点上有Work进程，登录Spark管理界面查看集群状态（主节点）：http://intsmaze-131:8080/ 执行第一个spark程序 /home/hadoop/app/spark2.0/spark-2.1.0-bin-hadoop2.6/bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://intsmaze-131:7077 \ --executor-memory 1G \ --total-executor-cores 2 /home/hadoop/app/spark2.0/spark-2.1.0-bin-hadoop2.6/examples/jars/spark-examples_2.11-2.1.0.jar \ 100 该算法是利用蒙特·卡罗算法求PI。 启动Spark Shell spark-shell是Spark自带的交互式Shell程序，方便用户进行交互式编程，用户可以在该命令行下用scala编写spark程序。 /home/hadoop/app/spark2.0/spark-2.1.0-bin-hadoop2.6/bin/spark-shell \ --master spark://intsmaze-131:7077 \ --executor-memory 2g \ --total-executor-cores 2 参数说明： --master spark://intsmaze-131:7077指定Master的地址 --executor-memory 2g指定每个worker可用内存为2G,现有集群该任务将无法启动，应该修改为512m。 --total-executor-cores 2指定整个任务使用的cup核数为2个。 注意:如果给该任务分配的资源无法达到指定的，将无法成功启动job。比如服务器节点可以内存为为1G，你设置每个worker2G，将会无法启动任务。askSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources 如果启动spark shell时没有指定master地址，但是也可以正常启动spark shell和执行spark shell中的程序，其实是启动了spark的local模式，该模式仅在本机启动一个进程，没有与集群建立联系。Spark Shell中已经默认将SparkContext类初始化为对象sc。用户代码如果需要用到，则直接应用sc即可。 在spark shell中编写WordCount程序 1.首先启动hdfs 2.向hdfs上传一个文件到intsmaze-131:9000/words.txt 3.在spark shell中用scala语言编写spark程序 sc.textFile("hdfs://192.168.19.131:9000/words.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).saveAsTextFile("hdfs://192.168.19.131:9000/out") 4.使用hdfs命令查看结果 hdfs dfs -ls hdfs://intsmaze-131:9000/out/p* 说明： sc是SparkContext对象，该对象时提交spark程序的入口 textFile(hdfs://intsmaze-131:9000/words.txt)是hdfs中读取数据 flatMap(_.split(" "))先map在压平 map((_,1))将单词和1构成元组 reduceByKey(_+_)按照key进行reduce，并将value累加 saveAsTextFile("hdfs://intsmaze-131:9000/out")将结果写入到hdfs中 配置Spark的高可用 到此为止，Spark集群安装完毕，但是有一个很大的问题，那就是Master节点存在单点故障，要解决此问题，就要借助zookeeper，并且启动至少两个Master节点来实现高可靠，配置方式比较简单： Spark集群规划：intsmaze-131，intsmaze-132是Master；intsmaze-131，intsmaze-132，intsmaze-134是Worker 安装配置zk集群，并启动zk集群 停止spark所有服务，修改配置文件spark-env.sh，在该配置文件中删掉SPARK_MASTER_IP并添加如下配置 export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=zk1,zk2,zk3 -Dspark.deploy.zookeeper.dir=/spark" 在node4上执行sbin/start-all.sh脚本，然后在node5上执行sbin/start-master.sh启动第二个Master 作者： intsmaze(刘洋) 出处： http://www.cnblogs.com/intsmaze/ 老铁，你的--->推荐，--->关注,--->评论--->是我继续写作的动力。 微信公众号号：Apache技术研究院 由于博主能力有限，文中可能存在描述不正确，欢迎指正、补充！ 本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
2017-03-16
优秀的个人博客,低调大师

hadoop2.2.0集群安装和配置

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq1010885678/article/details/44492747 hadoop2.0已经发布了稳定版本了，增加了很多特性，比如HDFS HA、YARN等。 注意：apache提供的hadoop-2.2.0的安装包是在32位操作系统编译的，因为hadoop依赖一些C++的本地库， 所以如果在64位的操作上安装hadoop-2.2.0就需要重新在64操作系统上重新编译 集群规划： 主机名 IP 安装的软件 运行的进程 cloud1 192.168.61.128jdk、hadoopNameNode、DFSZKFailoverController cloud2 192.168.61.129jdk、hadoopNameNode、DFSZKFailoverController cloud3 192.168.61.130jdk、hadoopResourceManager cloud4 192.168.61.131jdk、hadoop、zookeeperDataNode、NodeManager、JournalNode、 QuorumPeerMain cloud5 192.168.61.132jdk、hadoop、zookeeperDataNode、NodeManager、JournalNode、 QuorumPeerMain cloud6 192.168.61.133jdk、hadoop、zookeeperDataNode、NodeManager、JournalNode、 QuorumPeerMain 以上所有机器使用的用户均为cloud 说明： 在hadoop2.0中通常由两个NameNode组成，一个处于active状态，另一个处于standby状态。 Active NameNode对外提供服务，而Standby NameNode则不对外提供服务，仅同步active namenode的状态 ，以便能够在它失败时快速进行切换。hadoop2.0官方提供了两种HDFS HA的解决方案，一种是NFS，另一种是QJM。这里我们使用简单的 QJM。在该方案中，主备NameNode之间通过一组JournalNode同步元数据信息，一条数据只要成功写入多数 JournalNode即认为写入成功。通常配置奇数个JournalNode 这里还配置了一个zookeeper集群，用于ZKFC（DFSZKFailoverController）故障转移，当Active NameNode挂掉了，会自动切换Standby NameNode为standby状态 修改主机名和IP的映射关系 使用的服务器是云主机（如华为用主机、阿里云主机等）映射的ip地址要填写内网地址 vi /etc/hosts 192.168.61.128 cloud1 192.168.61.129 cloud2 192.168.61.130 cloud3 192.168.61.131 cloud4 192.168.61.132 cloud5 192.168.61.133 cloud6 关闭系统防火墙 service iptables stop chkconfig iptables off reboot 安装jdk： 使用root用户 在usr目录下新建java目录。 将jdk上传到linux中 在/usr/java下 chmod 755 jdk-6u45-linux-i586.bin ./jdk-6u45-linux-i586.bin mv jdk1.6.0_45 jdk vi /etc/profile export JAVA_HOME=/usr/java/jdk export HADOOP_HOME=/home/cloud/hadoop export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin source /etc/profile 先把hadoop的环境变量也 配置上（注意每个HADOOP_HOME的路径） 使用ssh将安装好的jdk传到其他的机器上，在再其他的机器上修改profile文件即可 以上安装步骤所有机器都要执行 安装Zookeeper集群 将zk上传到linux中安装 tar -zxvf zookeeper-3.4.5.tar.gz 修改配置 mv zookeeper-3.4.5 zookeeper cd ~/zookeeper/conf/ cp zoo_sample.cfg zoo.cfg vi zoo.cfg 修改：dataDir=/home/cloud/zookeeper/tmp 在最后添加： server.1=cloud4:2888:3888 server.2=cloud5:2888:3888 server.3=cloud6:2888:3888 保存退出 然后创建一个tmp文件夹 mkdir ~/zookeeper/tmp 再创建一个空文件 touch ~/zookeeper/tmp/myid 最后向该文件写入ID echo 1 > ~/zookeeper/tmp/myid 将配置好的zookeeper拷贝到其他节点 scp -r ~/zookeeper/ cloud5:/home/cloud/ scp -r ~/zookeeper/ cloud6:/home/cloud/ 注意：修改cloud5、cloud6对应/cloud/zookeeper/tmp/myid内容 cloud5： echo 2 > ~/zookeeper/tmp/myid cloud6： echo 3 > ~/zookeeper/tmp/myid 安装hadoop集群（先在cloud1上安装完毕之后再通过ssh传递到其他机器）： tar -zxvf hadoop-2.2.0-64bit.tar.gz mv hadoop-2.2.0 hadoop cd ~/hadoop/etc/hadoop 修改hadoop-env.sh 加入 export JAVA_HOME=/usr/java/jdk 修改core-site.xml <configuration> <!-- 指定hdfs的nameservice为ns1 --> <property> <name>fs.defaultFS</name> <value>hdfs://ns1</value> </property> <!-- 指定hadoop临时目录 --> <property> <name>hadoop.tmp.dir</name> <value>/home/cloud/hadoop/tmp</value> </property> <!-- 指定zookeeper地址 --> <property> <name>ha.zookeeper.quorum</name> <value>cloud4:2181,cloud5:2181,cloud6:2181</value> </property> </configuration> 修改hdfs-site.xml <configuration> <!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 --> <property> <name>dfs.nameservices</name> <value>ns1</value> </property> <!-- ns1下面有两个NameNode，分别是nn1，nn2 --> <property> <name>dfs.ha.namenodes.ns1</name> <value>nn1,nn2</value> </property> <!-- nn1的RPC通信地址 --> <property> <name>dfs.namenode.rpc-address.ns1.nn1</name> <value>cloud1:9000</value> </property> <!-- nn1的http通信地址 --> <property> <name>dfs.namenode.http-address.ns1.nn1</name> <value>cloud1:50070</value> </property> <!-- nn2的RPC通信地址 --> <property> <name>dfs.namenode.rpc-address.ns1.nn2</name> <value>cloud2:9000</value> </property> <!-- nn2的http通信地址 --> <property> <name>dfs.namenode.http-address.ns1.nn2</name> <value>cloud2:50070</value> </property> <!-- 指定NameNode的元数据在JournalNode上的存放位置 --> <property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://cloud4:8485;cloud5:8485;cloud6:8485/ns1</value> </property> <!-- 指定JournalNode在本地磁盘存放数据的位置 --> <property> <name>dfs.journalnode.edits.dir</name> <value>/home/cloud/hadoop/journal</value> </property> <!-- 开启NameNode失败自动切换 --> <property> <name>dfs.ha.automatic-failover.enabled</name> <value>true</value> </property> <!-- 配置失败自动切换实现方式 --> <property> <name>dfs.client.failover.proxy.provider.ns1</name> <value> org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider </value> </property> <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行--> <property> <name>dfs.ha.fencing.methods</name> <value> sshfence shell(/bin/true) </value> </property> <!-- 使用sshfence隔离机制时需要ssh免登陆 --> <property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/home/cloud/.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> </configuration> 修改mapred-site.xml <configuration> <!-- 指定mr框架为yarn方式 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration> 修改yarn-site.xml <configuration> <!-- 指定resourcemanager地址 --> <property> <name>yarn.resourcemanager.hostname</name> <value>cloud3</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration> 修改slaves cloud4 cloud5 cloud6 slaves是指定子节点的位置，因为要在cloud1上启动HDFS、 在cloud3启动yarn，所以cloud1上的slaves文件指定的是datanode的位置，cloud3上的slaves文件指定的 是nodemanager的位置 配置ssh免密码登陆 在每台机器上都执行下列命令 chmod -R 755 /home/cloud mkdir ~/.ssh ssh-keygen -t rsa ssh-keygen -t dsa 之后在cloud1上收集各个机器的公钥 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys ssh cloud2 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys ssh cloud3 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys ssh cloud4 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys ssh cloud5 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys ssh cloud6 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 将公钥拷贝到其他节节点 scp ~/.ssh/authorized_keys cloud2:~/.ssh/authorized_keys scp ~/.ssh/authorized_keys cloud3:~/.ssh/authorized_keys scp ~/.ssh/authorized_keys cloud4:~/.ssh/authorized_keys scp ~/.ssh/authorized_keys cloud5:~/.ssh/authorized_keys scp ~/.ssh/authorized_keys cloud6:~/.ssh/authorized_keys 在每台机器上都执行（很重要，注意配置ssh的时候要使用cloud用户来配置） chmod -R 700 ~/.ssh 将配置好的hadoop拷贝到其他节点 scp -r ~/hadoop/ cloud2:~/ scp -r ~/hadoop/ cloud3:~/ scp -r ~/hadoop/ cloud4:~/ scp -r ~/hadoop/ cloud5:~/ scp -r ~/hadoop/ cloud6:~/ 启动zookeeper集群（分别在cloud4、cloud5、cloud6上启动zk） cd ~/zookeeper/bin/ ./zkServer.sh start #查看状态：一个leader，两个follower ./zkServer.sh status 启动journalnode（在cloud1上启动所有journalnode，注意：是调用的hadoop-daemons.sh这个脚本，注意是复数s的那个脚本） cd ~/hadoop ~/hadoop/sbin/hadoop-daemons.sh start journalnode #运行jps命令检验，cloud4、cloud5、cloud6上多了JournalNode进程 格式化HDFS(在bin目录下) #在cloud1上执行命令: ./hdfs namenode -format #格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里 我配置的是~/hadoop/tmp，然后将~/hadoop/tmp拷贝到cloud2的~/hadoop/下。 scp -r ~/hadoop/tmp/ cloud2:~/hadoop/ 格式化ZK(在cloud1上执行即可，在bin目录下) ./hdfs zkfc -formatZK 启动HDFS(在cloud1上执行) ~/hadoop/sbin/start-dfs.sh 启动YARN(#####注意#####：是在cloud3上执行start-yarn.sh，把namenode和 resourcemanager分开是因为性能问题，因为他们都要占用大量资源，所以把他们分开了，他们分开了就 要分别在不同的机器上启动) ~/hadoop/sbin/start-yarn.sh 到此，hadoop2.2.0配置完毕，可以统计浏览器访问: http://192.168.61.128:50070 NameNode 'cloud1:9000' (active) http://192.168.61.129:50070 NameNode 'cloud2:9000' (standby) 验证HDFS HA 首先向hdfs上传一个文件 hadoop fs -put /etc/profile /profile hadoop fs -ls / 然后再kill掉active的NameNode kill -9 <pid of NN> 通过浏览器访问：http://192.168.1.202:50070 NameNode 'cloud2:9000' (active) 这个时候cloud02上的NameNode变成了active 在执行命令： hadoop fs -ls / -rw-r--r-- 3 root supergroup 1926 2014-02-06 15:36 /profile 刚才上传的文件依然存在！！！ 手动启动那个挂掉的NameNode sbin/hadoop-daemon.sh start namenode 通过浏览器访问：http://192.168.1.201:50070 NameNode 'cloud1:9000' (standby) 验证YARN： 运行一下hadoop提供的demo中的WordCount程序： hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /profile /outOK，大功告成！！！
2015-03-19

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册