基于 Hadoop 生態圈的數據倉庫實踐 —— OLAP 與數據可視化（五）

目錄

五、Hue、Zeppelin 比較

1. Zeppelin 簡介

2. Zeppelin 安裝配置

（1）安裝環境

（2）Zeppelin 及其相關組件

（3）配置 Zeppelin

（4）啟動 Zeppelin

（5）測試

3. 在 Zeppelin 中添加 MySQL 翻譯器

（1）編譯 MySQL Interpreter 源代碼

（2）部署二進制包

（3）重啟 Zeppelin

（4）加載 MySQL Interpreter

（5）測試

4. Hue 與 Zeppelin 比較

（1）功能

（2）架構

（3）使用場景

五、Hue、Zeppelin 比較

? ? ? ? 上一節簡單介紹了 Hue 這種 Hadoop 生態圈的數據可視化組件，本節討論另一種類似的產品 —— Zeppelin。首先介紹一下 Zeppelin，然后說明其安裝的詳細步驟，之后演示如何在 Zeppelin 中添加 MySQL 翻譯器，最后從功能、架構、使用場景幾方面將 Hue 和 Zeppelin 做一個比較。

1. Zeppelin 簡介

? ? ? ? Zeppelin 是一個基于 Web 的軟件，用于交互式地數據分析。一開始是 Apache 軟件基金會的孵化項目，2016 年 5 月正式成為一個頂級項目（Top-Level Project，TLP）。Zeppelin 描述自己是一個可以進行數據攝取、數據發現、數據分析、數據可視化的筆記本，用以幫助開發者、數據科學家以及相關用戶更有效地處理數據，而不必使用復雜的命令行，也不必關心集群的實現細節。Zeppelin 的架構圖如下所示。

? ? ? ? 從圖中可以看到，Zeppelin 具有客戶端/服務器架構，客戶端一般就是指瀏覽器。服務器接收客戶端的請求，并將請求通過 Thrift 協議發送給翻譯器組。翻譯器組物理表現為 JVM 進程，負責實際處理客戶端的請求并與服務器進行通信。

? ? ? ? 翻譯器是一個插件式的體系結構，允許任何語言/后端數據處理程序以插件的形式添加到 Zeppelin 中。特別需要指出的是，Zeppelin 內建 Spark 翻譯器，因此不需要構建單獨的模塊、插件或庫。Spark 翻譯器的架構圖如下所示。

? ? ? ? 當前的 Zeppelin 已經支持很多翻譯器，如 Zeppelin 0.6.0 版本自帶的翻譯器有 alluxio、cassandra、file、hbase、ignite、kylin、md、phoenix、sh、tajo、angular、elasticsearch、flink、hive、jdbc、lens、psql、spark 等 18 種之多。插件式架構允許用戶在 Zeppelin 中使用自己熟悉的特定程序語言或數據處理方式。例如，通過使用 %spark 翻譯器，可以在 Zeppelin 中使用 Scala 語言代碼。

? ? ? ? 在數據可視化方面，Zeppelin 已經包含一些基本的圖表，如柱狀圖、餅圖、線形圖、散點圖等，任何后端語言的輸出都可以被圖形化表示。

? ? ? ? 用戶建立的每一個查詢叫做一個 note，note 的 URL 在多用戶間共享，Zeppelin 將向所有用戶實時廣播 note 的變化。Zeppelin 還提供一個只顯示查詢結果的 URL，該頁不包括任何菜單和按鈕。用這種方式可以方便地將結果頁作為一幀嵌入到自己的 web 站點中。

2. Zeppelin 安裝配置

? ? ? ? 下面用一個典型的使用場景 —— 使用 Zeppelin 運行 SparkSQL 訪問 Hive 表，在一個實驗環境上說明 Zeppelin 的安裝配置步驟。

（1）安裝環境

? ? ? ? 12 個節點的 Spark 集群，以 standalone 方式部署，各個節點運行的進程如下表所示。

主機名

運行進程

nbidc-agent-03

NameNode、Spark Master

nbidc-agent-04

SecondaryNameNode

nbidc-agent-11

ResourceManager、DataNode、NodeManager、Spark Worker

nbidc-agent-12

DataNode、NodeManager、Spark Worker

nbidc-agent-13

DataNode、NodeManager、Spark Worker

nbidc-agent-14

DataNode、NodeManager、Spark Worker

nbidc-agent-15

DataNode、NodeManager、Spark Worker

nbidc-agent-18

DataNode、NodeManager、Spark Worker

nbidc-agent-19

DataNode、NodeManager、Spark Worker

nbidc-agent-20

DataNode、NodeManager、Spark Worker

nbidc-agent-21

DataNode、NodeManager、Spark Worker

nbidc-agent-22

DataNode、NodeManager、Spark Worker

  • 操作系統：CentOS release 6.4
  • Hadoop 版本：2.7.0
  • Hive 版本：2.0.0
  • Spark 版本：1.6.0

（2）Zeppelin 及其相關組件

? ? ? ? 在 nbidc-agent-04 上安裝部署 Zeppelin 及其相關組件。前提：nbidc-agent-04 需要能夠連接互聯網。

  1. 安裝 Git：在 nbidc-agent-04 上執行下面的指令。 
    yum install curl-devel expat-devel gettext-devel openssl-devel zlib-devel  
yum install gcc perl-ExtUtils-MakeMaker  
yum remove git  
cd /home/work/tools/  
wget https://github.com/git/git/archive/v2.8.1.tar.gz  
tar -zxvf git-2.8.1.tar.gz  
cd git-2.8.1.tar.gz  
make prefix=/home/work/tools/git all  
make prefix=/home/work/tools/git install
  2. 安裝 Java：在 nbidc-agent-03 機器上執行下面的指令拷貝 Java 安裝目錄到 nbidc-agent-04機器上。 
    scp -r jdk1.7.0_75 nbidc-agent-04:/home/work/tools/
  3. 安裝 Apache Maven：在 agent-04 上執行下面的指令。 
    cd /home/work/tools/  
wget ftp://mirror.reverse.net/pub/apache/maven/maven-3/3.3.9/binaries/apache-maven-3.3.9-bin.tar.gz  
tar -zxvf apache-maven-3.3.9-bin.tar.gz
  4. ?安裝 Hadoop 客戶端：在 nbidc-agent-03 機器上執行下面的指令拷貝 Hadoop 安裝目錄到 nbidc-agent-04 機器上。 
    scp -r hadoop nbidc-agent-04:/home/work/tools/
  5. 安裝 Spark 客戶端：在 nbidc-agent-03 機器上執行下面的指令拷貝 Spark 安裝目錄到 nbidc-agent-04 機器上。 
    scp -r spark nbidc-agent-04:/home/work/tools/
  6. 安裝 Hive 客戶端：在 nbidc-agent-03 機器上執行下面的指令拷貝 Hive 安裝目錄到 nbidc-agent-04 機器上。 
    scp -r hive nbidc-agent-04:/home/work/tools/
  7. 安裝 phantomjs：在 nbidc-agent-04 上執行下面的指令。 
    cd /home/work/tools/  
tar -jxvf phantomjs-2.1.1-linux-x86_64.tar.bz2
  8. 下載最新的 zeppelin 源碼：在 nbidc-agent-04 上執行下面的指令。 
    cd /home/work/tools/  
git clone https://github.com/apache/incubator-zeppelin.git
  9. 設置環境變量：在 nbidc-agent-04 上編輯 /home/work/.bashrc 文件。 
    vi /home/work/.bashrc
# 添加下面的內容  
export PATH=.:$PATH:/home/work/tools/jdk1.7.0_75/bin:/home/work/tools/hadoop/bin:/home/work/tools/spark/bin:/home/work/tools/hive/bin:/home/work/tools/phantomjs-2.1.1-linux-x86_64/bin:/home/work/tools/incubator-zeppelin/bin;  
export JAVA_HOME=/home/work/tools/jdk1.7.0_75  
export HADOOP_HOME=/home/work/tools/hadoop  
export SPARK_HOME=/home/work/tools/spark  
export HIVE_HOME=/home/work/tools/hive  
export ZEPPELIN_HOME=/home/work/tools/incubator-zeppelin  
# 保存文件，并是設置生效  
source /home/work/.bashrc
  10. 編譯 zeppelin 源碼：在 nbidc-agent-04 上執行下面的指令。 
    cd /home/work/tools/incubator-zeppelin  
mvn clean package -Pspark-1.6 -Dspark.version=1.6.0 -Dhadoop.version=2.7.0 -Phadoop-2.6 -Pyarn -DskipTests

（3）配置 Zeppelin

  1. 配置 zeppelin-env.sh 文件：在 nbidc-agent-04 上執行下面的命令。 
    cp /home/work/tools/incubator-zeppelin/conf/zeppelin-env.sh.template  /home/work/tools/incubator-zeppelin/conf/zeppelin-env.sh 
vi /home/work/tools/incubator-zeppelin/conf/zeppelin-env.sh
# 添加下面的內容  
export JAVA_HOME=/home/work/tools/jdk1.7.0_75  
export HADOOP_CONF_DIR=/home/work/tools/hadoop/etc/hadoop  
export MASTER=spark://nbidc-agent-03:7077
  2. 配置 zeppelin-site.xml 文件：在 nbidc-agent-04 上執行下面的命令。 
    cp /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml.template  /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml
vi /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml
# 修改下面這段的value值，設置zeppelin的端口為9090  
<property>  <name>zeppelin.server.port</name>  <value>9090</value>  <description>Server port.</description>  
</property>
  3. 將 hive-site.xml 拷貝到 Zeppelin 的配置目錄下：在 nbidc-agent-04 上執行下面的指令。 
    cd /home/work/tools/incubator-zeppelin  
cp /home/work/tools/hive/conf/hive-site.xml .

（4）啟動 Zeppelin

? ? ? ? 在 nbidc-agent-04 上執行下面的命令。

zeppelin-daemon.sh start

（5）測試

? ? ? ? 從瀏覽器輸入 http://nbidc-agent-04:9090/，如下圖所示。

? ? ? ? 點擊‘Interpreter’菜單，配置并保存spark解釋器，如下圖所示。

? ? ? ? 配置并保存 hive 解釋器，如下圖所示。

? ? ? ? 點擊‘NoteBook’->‘Create new note’子菜單項，建立一個新的查詢并執行，結果如下圖所示。

? ? ? ? 說明：這是一個動態表單 SQL，SparkSQL 語句為：

%sql  
select * from wxy.t1 where rate > ${r}

? ? ? ? 第一行指定解釋器為 SparkSQL，第二行用 ${r} 指定一個運行時參數，執行時頁面上會出現一個文本編輯框，輸入參數后回車，查詢會按照指定參數進行，如圖會查詢 rate > 100 的記錄。

3. 在 Zeppelin 中添加 MySQL 翻譯器

? ? ? ? 數據可視化的需求很普遍，如果常用的如 MySQL 這樣的關系數據庫也能使用 Zeppelin 查詢，并將結果圖形化顯示，那么就可以用一套統一的數據可視化方案處理大多數常用查詢。Zeppelin 本身還不帶 MySQL 翻譯器，幸運的是已經有 MySQL 翻譯器插件了。下面說明該插件的安裝步驟及簡單測試。

（1）編譯 MySQL Interpreter 源代碼

cd /home/work/tools/
git clone https://github.com/jiekechoo/zeppelin-interpreter-mysql
mvn clean package

（2）部署二進制包

mkdir /home/work/tools/incubator-zeppelin/interpreter/mysql
cp /home/work/tools/zeppelin-interpreter-mysql/target/zeppelin-mysql-0.5.0-incubating.jar /home/work/tools/incubator-zeppelin/interpreter/mysql/
# copy dependencies to mysql directory
cp commons-exec-1.1.jar mysql-connector-java-5.1.6.jar slf4j-log4j12-1.7.10.jar log4j-1.2.17.jar slf4j-api-1.7.10.jar /home/work/tools/incubator-zeppelin/interpreter/mysql/
vi /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml

? ? ? ? 在 zeppelin.interpreters 的 value 里增加一些內容“,org.apache.zeppelin.mysql.MysqlInterpreter”，如下圖所示。

（3）重啟 Zeppelin

zeppelin-daemon.sh restart

（4）加載 MySQL Interpreter

? ? ? ? 打開主頁 http://nbidc-agent-04:9090/，‘Interpreter’ -> ‘Create’，完成類似下圖的頁面，完成點擊‘Save’ 。

（5）測試

  • 創建名為 mysql_test 的 note，如下圖所示。

  • 輸入下面的查詢語句，按創建日期統計建立表的個數。
%mysql
select date_format(create_time,'%Y-%m-%d') d, count(*) c from information_schema.tables group by date_format(create_time,'%Y-%m-%d') order by d;

? ? ? ? 查詢結果的表格表示如下圖所示。

? ? ? ? 查詢結果的柱狀圖表示如下圖所示。

? ? ? ? 查詢結果的餅圖表示如下圖所示。

? ? ? ? 查詢結果的堆疊圖表示如下圖所示。

? ? ? ? 查詢結果的線形圖表示如下圖所示。

? ? ? ? 查詢結果的散點圖表示如下圖所示。

? ? ? ? 報表模式的餅圖表示如下圖所示。

? ? ? ? 可以點擊如下圖所示的鏈接單獨引用此報表。

? ? ? ? 單獨的頁面能根據查詢的修改而實時變化，比如將查詢修改為：

select date_format(create_time,'%Y-%m-%d') d, count(*) c from information_schema.tables where create_time > '2016-06-07'group by date_format(create_time,'%Y-%m-%d') order by d;

? ? ? ? 增加了 where 子句，在運行此查詢，結果如下圖所示。

? ? ? ? 單獨鏈接的頁面也隨之自動發生變化，如下圖所示。

4. Hue 與 Zeppelin 比較

（1）功能

  • Zeppelin 和 Hue 都能提供一定的數據可視化的功能，都提供了多種圖形化數據表示形式。單從這點來說，個人認為功能類似，大同小異，Hue 可以通過經緯度進行地圖定位，這個功能我在 Zeppelin 0.6.0 上沒有找到。
  • Zeppelin 支持的后端數據查詢程序較多，0.6.0 版本缺省有 18 種，原生支持 Spark。而 Hue 的 3.9.0 版本缺省只支持 Hive、Impala、Pig 和數據庫查詢。
  • Zeppelin 只提供了單一的數據處理功能，包括前面提到的數據攝取、數據發現、數據分析、數據可視化等都屬于數據處理的范疇。而Hue的功能相對豐富的多，除了類似的數據處理，還有元數據管理、Oozie 工作流管理、作業管理、用戶管理、Sqoop 集成等很多管理功能。從這點看，Zeppelin 只是一個數據處理工具，而 Hue 更像是一個綜合管理工具。

（2）架構

  • Zeppelin 采用插件式的翻譯器，通過插件開發，可以添加任何后端語言和數據處理程序。相對來說更獨立和開放。
  • Hue 與 Hadoop 生態圈的其它組件密切相關，一般都與 CDH 一同部署。

（3）使用場景

  • Zeppelin 適合單一數據處理、但后端處理語言繁多的場景，尤其適合 Spark。
  • Hue 適合與 Hadoop 集群的多個組件交互、如 Oozie 工作流、Sqoop 等聯合處理數據的場景，尤其適合與 Impala 協同工作。

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/news/916886.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/916886.shtml
英文地址，請注明出處：http://en.pswp.cn/news/916886.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

《消息隊列學習指南：從 MQ 基礎到 SpringAMQP 實踐》

《消息隊列學習指南：從 MQ 基礎到 SpringAMQP 實踐》

初識MQ 同步調用 目前我們采用的是基于OpenFeign的同步調用&#xff0c;也就是說業務執行流程是這樣的&#xff1a; 支付服務需要先調用用戶服務完成余額扣減 然后支付服務自己要更新支付流水單的狀態 然后支付服務調用交易服務&#xff0c;更新業務訂單狀態為已支付 三個…
閱讀更多...
深度學習 --- 過擬合與欠擬合

深度學習 --- 過擬合與欠擬合

深度學習 — 過擬合與欠擬合 文章目錄深度學習 --- 過擬合與欠擬合一.概念1.1 過擬合1.2 欠擬合1.3 判斷方式二&#xff0c;解決欠擬合三&#xff0c;解決過擬合3.1 L2正則化3.1.1 定義以及作用3.1.2 代碼3.2 L1正則化3.3 L1與L2對比3.4 Dropout示例3.5 數據增強3.5.1 圖片縮放…
閱讀更多...
Python 之抽象方法 @abstractmethod 的理解

Python 之抽象方法 @abstractmethod 的理解

如果你熟悉 Java 的話&#xff0c;Java 里有一個抽象接口的概念&#xff0c;Python 里的抽象方法基本上與其類似。在 Python 中&#xff0c;abstractmethod 是一個裝飾器&#xff0c;用于定義抽象方法。它是實現抽象基類&#xff08;Abstract Base Class, ABC&#xff09;的核心…
閱讀更多...
深度學習·pytorch

深度學習·pytorch

廣播機制 從末尾開始逐個維度遍歷兩個矩陣的shape&#xff0c;如果維度不相同&#xff0c;則考慮廣播&#xff1a;任一方的維度為1或者維度不存在(小矩陣廣播為大矩陣)&#xff0c;這樣的運算可以廣播 可以廣播的例子 xtorch.empty(5,3,4,1) ytorch.empty(3,1,1) (x.add_(y)).s…
閱讀更多...
SpringBoot集成deepseek

SpringBoot集成deepseek

pom文件&#xff1a;<?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.apache.org…
閱讀更多...
JetBrains Annotations：從入門到落地，徹底告別 NullPointerException

JetBrains Annotations：從入門到落地，徹底告別 NullPointerException

本文基于三篇高質量博客&#xff08;JetBrains Annotations官方文檔、Jakarta Validation 規范、《Effective Java》第3版&#xff09;的原文內容&#xff0c;結合作者在一線研發團隊落地 JetBrains Annotations 的實戰經驗&#xff0c;系統梳理了該注解庫的核心能力、使用姿勢…
閱讀更多...
基于Rust與HDFS、YARN、Hue、ZooKeeper、MySQL

基于Rust與HDFS、YARN、Hue、ZooKeeper、MySQL

基于Rust與HDFS、YARN、Hue、ZooKeeper、MySQL集合 以下是基于Rust與HDFS、YARN、Hue、ZooKeeper、MySQL等技術棧結合的實例，涵蓋不同場景和應用方向： 數據處理與分析 使用Rust編寫MapReduce作業，通過YARN提交到HDFS處理大規模數據集。Rust的高性能特性適合處理密集型計算…
閱讀更多...
芯片上市公司正在放棄射頻業務

芯片上市公司正在放棄射頻業務

轉載自--鐘林談芯射頻芯片賽道本來不卷的&#xff0c;投資人多了也就卷了。本周&#xff0c;多家媒體報道某芯片上市公司終止射頻業務&#xff0c;終止射頻業務的何止一家芯片上市公司&#xff0c;從去年開始就逐漸有上市公司終止射頻業務&#xff0c;開啟清貨模式。如人飲水&a…
閱讀更多...
Jmeter 性能測試監控之ServerAgent

Jmeter 性能測試監控之ServerAgent

使用 Jmeter 對 Linux 服務器的進行壓測時&#xff0c;想要監控服務器的 CPU 、內存&#xff0c;可以通過添加插件 【ServerAgent】來觀察,可以實時監控性能指標 一、ServerAgent-2.2.3下載 下載地址&#xff1a; GitCode - 全球開發者的開源社區,開源代碼托管平臺 二、通過插…
閱讀更多...
5.蘋果ios逆向-過ssl證書檢測和安裝ssh和獲取root權限

5.蘋果ios逆向-過ssl證書檢測和安裝ssh和獲取root權限

免責聲明&#xff1a;內容僅供學習參考&#xff0c;請合法利用知識&#xff0c;禁止進行違法犯罪活動&#xff01; 內容參考于&#xff1a;圖靈Python學院 工具下載&#xff1a; 鏈接&#xff1a;https://pan.baidu.com/s/1bb8NhJc9eTuLzQr39lF55Q?pwdzy89 提取碼&#xff1…
閱讀更多...
Navicat 17 教程：Windows 和 Mac 系統適用

Navicat 17 教程：Windows 和 Mac 系統適用

一、引言 對于程序員們來說&#xff0c;Navicat是一款極為實用的數據庫管理工具。Navicat 17更是帶來了諸多新特性&#xff0c;能大大提升我們的工作效率。今天就為大家帶來Navicat 17在Windows和Mac系統上的使用教程。 二、準備工作 &#xff08;一&#xff09;下載安裝包 「…
閱讀更多...
Android 中 實現柱狀圖自定義控件

Android 中 實現柱狀圖自定義控件

一、基本思路 創建自定義控件的數據模型； 創建一個自定義 View 類，繼承自 View； 在初始化方法中獲取自定義屬性的值。 創建設置數據方法，將數據模型列表轉換成自定義繪制時的數據； 重寫 onDraw 方法，以實現自定義的繪制邏輯。 二、主要繪制方法 1、drawLine 繪制直線 p…
閱讀更多...
Netty 核心原理與實戰：從 DiscardServer 看透 Reactor 模式與組件協作

Netty 核心原理與實戰：從 DiscardServer 看透 Reactor 模式與組件協作

目錄 Netty 是什么&#xff1f; Netty 的目標 Netty 實戰案例 DiscardServer 服務端程序 NettyDiscardServer 業務處理器 NettyDiscardHandler 配置類 NettyDemoConfig 回顧 Reactor 模式中的 IO 事件處理流程 Netty 中的 Channel Netty 中的 Reactor Netty 中的 Han…
閱讀更多...
關于“LoggerFactory is not a Logback LoggerContext but Logback is on ......“的解決方案

關于“LoggerFactory is not a Logback LoggerContext but Logback is on ......“的解決方案

? ?重磅&#xff01;盹貓的個人小站正式上線啦&#xff5e;誠邀各位技術大佬前來探秘&#xff01;? 這里有&#xff1a; 硬核技術干貨&#xff1a;編程技巧、開發經驗、踩坑指南&#xff0c;帶你解鎖技術新姿勢&#xff01;趣味開發日常&#xff1a;代碼背后的腦洞故事、工具…
閱讀更多...
2025年6月電子學會青少年軟件編程（C語言）等級考試試卷（三級）

2025年6月電子學會青少年軟件編程（C語言）等級考試試卷（三級）

答案和更多內容請查看網站&#xff1a;【試卷中心 -----> 電子學會 ----> C/C ---->三級】 網站鏈接 青少年軟件編程歷年真題模擬題實時更新 編程題 第 1 題 打印城門 題目描述 給定一個正整數 n&#xff0c;輸出如下的星號城門。具體格式請見樣例。 輸入格…
閱讀更多...
跨平臺直播美顏SDK開發指南：兼顧性能與美型效果的最佳實踐

跨平臺直播美顏SDK開發指南：兼顧性能與美型效果的最佳實踐

面對iOS、Android乃至Web等多端應用需求&#xff0c;如何開發一款真正跨平臺、兼顧性能與美型效果的美顏SDK&#xff0c;成為眾多開發團隊和產品經理的一道必答題。 今天筆者這篇文章&#xff0c;就從架構設計、性能優化、視覺效果調校三個關鍵維度&#xff0c;帶你深入解析跨平…
閱讀更多...
2025數字藏品安全保衛戰：高防CDN如何成為NFT應用的“隱形護甲”？

2025數字藏品安全保衛戰：高防CDN如何成為NFT應用的“隱形護甲”？

副標題&#xff1a; 從DDoS防御到全球加速&#xff0c;拆解數字資產平臺的生死防線&#x1f310; 引言&#xff1a;當數字藏品成為黑客的“頭號靶場”2025年全球數字藏品市場突破$1000億&#xff0c;但安全事件同步激增230%——某頭部NFT平臺因3.2Tbps DDoS攻擊癱瘓&#xff0c…
閱讀更多...
linux 執行sh腳本，提示$‘\r‘: command not found

linux 執行sh腳本，提示$‘\r‘: command not found

1、在Linux下執行某個腳本文件卻提示$\r: command not found&#xff0c;如下圖:2、錯誤原因:a、 Windows 風格的換行符&#xff1a;Windows 系統使用 \r\n 作為行結束符&#xff0c;而 Linux 和 Unix 系統使用 \n。當你從 Windows 環境中復制文本到 Linux 環境時&#xff0c;可…
閱讀更多...
使用HaiSnap做了一款取件碼App（一鍵生成）

使用HaiSnap做了一款取件碼App（一鍵生成）

你是否懷揣著奇思妙想&#xff0c;卻因不懂代碼而對開發應用望而卻步&#xff1f;現在&#xff0c;有一個神奇AI Agent&#xff08;響指HaiSnap&#xff09;&#xff0c;一個響指就能實現&#xff0c;你說神奇不&#xff1f;只需要一句話就可以生成你想要的應用&#xff01;讓你…
閱讀更多...
容器與虛擬機的本質差異：從資源隔離到網絡存儲機制

容器與虛擬機的本質差異：從資源隔離到網絡存儲機制

目錄 專欄介紹 作者與平臺 您將學到什么&#xff1f; 學習特色 容器與虛擬機的本質差異&#xff1a;從資源隔離到網絡存儲機制 一、容器與虛擬機的本質區別 1.1 資源抽象層次差異 1.2 資源消耗與性能對比 1.3 隔離性深度差異 二、容器網絡基礎架構 2.1 Docker網絡模型…
閱讀更多...
最新文章

Copyright @ 2022~2023