常用命令详解-dockerps前言dockerpsoptions说明使用示例前言本篇来学习dockerps命令dockerps作用：列出容器options说明option作用-a,--all显示全部容器（默认只显示运行中的容器）-f,--filterfilter根据提供的filter过滤输出-n,--lastint列出最近创建的n个容器（默认-1，代表全部）-l,--latest显示最近创建的容器（包括所有状态的容器）-s,--size显示总的文件大小–no-trunc显示完整的镜像ID-q,--quiet静默模式，只显示容器ID使用示例不带参数，默认显示运行中的容器dockerps字段含义C
1.安装dockerDocker安装(CentOS)+简单使用-CSDN博客2.编辑3个redis配置cd/etcmkdirredis-mscdredis-ms/vimredis6379.confvimredis6380.confvimredis6381.conf#master#端口号port6379#设置客户端连接后进行任何其他指定前需要使用的密码requirepass123456#daemonizeno将daemonizeyes注释起来或者daemonizeno设置，因为该配置和dockerrun中-d参数冲突，会导致容器一直启动失败daemonizeno#任何主机都可以连接到redisb
记录一下RDS-SLAM的复现过程和当中遇到的一些问题在git上直接下载完RDS-SLAM之后按照README的步骤在第一步sudodocker-composebuild就遇到很多的问题。问题如下1、报错记录【WARNING:aptdoesnothaveastableCLIinterface.Usewithcautioninscripts.】直接运行RDS-SLAM的dockerfile遇到报错：WARNING:aptdoesnothaveastableCLIinterface.Usewithcautioninscripts.解决方法：RUNaptupdate不要在脚本中使用apt命令，如果在
目录1:规划：1：想法： 2： 版本2:spark配置文件部署1:上传Spark安装包到/export下面2:解压下载的Spark安装包并且改名3:spark部署环境变量1： /etc/profile环境2：/root/.bashrc4：测试 1：bin/pyspark 1：进入pyspark环境2：代码测试 编辑3：web页面访问master:4040，编辑2：./spark-shell 1：进入./spark-shell环境2：代码测试3：web访问master:40403：bin/spark-submit(PI)1：作用2：语法3：web访问(master:404
Docker构建MySQL8.0镜像部署流程1.拉取docker镜像2.创建数据卷，存放MySQL数据3.启动MySQL镜像4.初始化sql放入MySQL镜像5.执行MySQL脚本6.MySQL镜像打包7.MySQL镜像迁移部署流程1.拉取docker镜像dockerpullmysql:8.0.35拉取成功后就可以看到镜像了：这里我们选择MySQL8.0.35版本，因为在8.0.33及其之前的版本被扫出多个漏洞，所以决定使用比较新版本的8.0.35。2.创建数据卷，存放MySQL数据dockervolumecreatemysql_data8_35最好在启动时自己准备好配置文件3.启动MySQL
dockerinstallsudoyuminstall-yyum-utilsdevice-mapper-persistent-datalvm2sudoyum-config-manager--add-repohttps://download.docker.com/linux/centos/docker-ce.repo(ifyoucan'tconnecttohttps://download.docker.com,pleaseusenextstep.)sudoyum-config-manager--add-repohttps://mirrors.aliyun.com/docker-ce/linux/
参考文献docker-ce在ubuntu:22.04进行aptupdate时报错E:ProblemexecutingscriptsAPT::Update::Post-Invoke详细报错信息E:ProblemexecutingscriptsAPT::Update::Post-Invoke'rm-f/var/cache/apt/archives/*.deb/var/cache/apt/archives/partial/*.deb/var/cache/apt/*.bin||true'E:Sub-processreturnedanerrorcode处理方法更新docker版本即可，docker下载地
Spark概述Spark是什么ApacheSpark是一个快速的，多用途的集群计算系统，相对于HadoopMapReduce将中间结果保存在磁盘中，Spark使用了内存保存中间结果，能在数据尚未写入硬盘时在内存中进行运算Spark只是一个计算框架，不像Hadoop一样包含了分布式文件系统和完备的调度系统，如果要使用Spark,需要搭载其它的文件系统和更成熟的调度系统Spark特点速度快Spark的在内存时的运行速度是HadoopMapReduce的100倍基于硬盘的运算速度大概是HadoopMapReduce的10倍Spark实现了一种叫做RDDs的DAG执行引擎，其数据缓存在内存中可以进行迭
最近需要完成数据课程的作业，因此实践了一下如何安装并配置好spark1、版本要求由于我想要将hadoop和spark一起使用，因此必须确定好spark的版本Spark和Hadoop版本对应关系如下：Spark版本Hadoop版本2.4.x2.7.x3.0.x3.2.x可进入终端查看Hadoop版本hadoopversion我这里的版本是2.7.1，因此选择下载2.4版本的sparkSpark历史版本下载地址：Indexof/dist/spark 找到适合自己的版本进行下载，这里我选择带有Hadoopscala的版本进行下载2、Spark安装Spark部署模式主要有四种：Local模式（单机模
1.安装Docker如果您还没有安装Docker，请先安装Docker。您可以按照官方文档进行安装：https://docs.docker.com/engine/installation/安装docker-ce[root@k8s-master~]#yuminstalldocker-ce-y[root@k8s-master~]#systemctlstartdocker&&systemctlenabledocker.service 配置docker镜像加速器和驱动[root@k8s-master~]#vim/etc/docker/daemon.json { "registry-mirrors":[
