文章目录

基于 docker-desktop的spark-hadoop 分布式集群搭建

一 小组成员

  1. 颜值担当
  2. cft
  3. 精致男
  4. 健身达人

二 实验目的

  1. 掌握在 docker 中安装 hadoop 和 Spark 的方法
  2. 熟悉 HDFS 的基本使用方法

三 实验要求

​ 成功完成docker的spark-hadoop 分布式集群搭建并提交实验报告

四 实验环境

  • 操作系统：Ubuntu

  • Spark 版本：3.3.0 ；

  • Jdk 版本：1.8；

  • Scala版本：2.12.11；

  • Hadoop 版本：2.7.4 。

    所需软件下载

五 实验过程

5.1 实验准备

5.1.1 安装docker desktop

实验采用的是Docker-desktop软件，Docker是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。简单理解:
Docker就是一个虚拟机，可以让你在一个虚拟的，类似于沙盒的环境下进行环境搭建、软件安装、软件使用、程序编码等操作，并且这个环境是Linux系统。

实际上：是在Linux系统下的一种容器，容器技术把一个系统需要的资源划分给一个独立的组(Linux系统下每个组的权限不同，互不干扰)，可以将此看作是一个新的Linux系统，因为它包含了Linux系统所需要的环境。与虚拟机不同的是，虚拟机下的系统是有虚拟硬件的，而Docker内的系统实际上是一个环境。

  1. 搜索[Docker官网]:Home - Docker进入官网，找到Docker-desktop的下载链接下载安装包，直接打开安装包进行安装即可(安装前最好关闭防火墙)(安装好后重启)。

  2. 需要手动进入系统BIOS启用虚拟化技术，并且在系统启动需要启动Hyper-V服务。这是必须手动开启的，不会的话请自行百度查阅教程。

  3. 系统一定要Windows10系统(专业版和家庭版都可以)，win10以下的系统好像暂不支持Docker-desktop(桌面版）

5.1.2测试docker

cmd打开命令行窗口，输入一下命令测试是否安装成功

docker info

wps1

以上显示说明docker-desktop安装成功。

docker默认将镜像存在C盘中，如果不想占用C盘空间，则可以将其改到其他盘符，可通过创建文件链接的方法更改存储位置。具体方法如下：

  1. 请务必先关闭docker 或者docker desktop

  2. 通过Everything或者资源管理器找到以.vhdx结尾的文件所在的位置，这些就是docker镜像路径.

    这里的路径一般在 C:\Users\admin\AppData\Local\Docker\wsl下的data文件夹，将该源文件夹删除，即data文件夹，这里假设我们要将其位置更改到D盘D:\docker\wsl下

  3. 以管理员运行cmd并且使用以下命令创建链接：

mklink /J C:\Users\admin\AppData\Local\Docker\wsl\data D:\docker\wsl\data
mklink /J C:\Users\admin\AppData\Local\Docker\wsl\distro D:\docker\wsl\distro

即可成功创建从C盘到D盘的软链接，此时可以在源路径看到新建出来的文件夹，其实可以理解为快捷方式比较类似。

image-20221004134955700

由于使用docker-desktop拉取镜像时国外镜像加载很慢，有时候还一直打不开，连不上，所以推荐设置国内镜像源。

202210041345214

只需要将上图对应位置的源进行修改即可，这里使用的是阿里云的源：

{
  "debug": false,
  "experimental": false,
  "features": {
    "buildkit": true
  },
  "insecure-registries": [],
  "registry-mirrors": [
    "https://registry.docker-cn.com",
    "https://nrbewqda.mirror.aliyuncs.com",
    "https://dmmxhzvq.mirror.aliyuncs.com"
  ]
}
5.1.3 创建需要的镜像与容器

本项目搭建在ubuntu系统上，需要ubuntu镜像，一共是三个节点，一个master，两个slave，共需要三个容器，下面是镜像的获取与容器的创建：

首先获取ubuntu镜像：

docker pull ubuntu

img

查看已有的镜像：

docker images

img

创建桥接网络，连接宿主机，master和两个slave：

docker network create -d bridge spark-net
docker network ls

img

创建master节点：

–name 配置容器名为master，–network将master接入spark-net网络，-h设置主机名为master，-p 8088:8888 -p 50070:50070分别是将容器的8888端口映射到宿主机的8888端口，将50070端口映射到宿主机的50070端口,将4040端口映射到宿主机的4040端口，将7077端口映射到宿主机的7077端口（这四个端口是后面配置的访问hadoop和spark web页面以及连接spark-shell的端口，由于在创建容器后再更改很麻烦，所以在创建容器的时候就设置好）

docker run -itd --name master  --network spark-net -h master -p 8088:8888 -p 50070:50070 -p 4040:4040 -p 7077:7077 ubuntu

5.2 环境配置

登录master：

docker exec -it master /bin/bash

img

后续登录slave1和slave2节点的命令与上述方式相同：

docker exec -it slave1 /bin/bash
docker exec -it slave2 /bin/bash
5.2.1 切换apt源
cd /etc/apt

将原有的源文件备份：

mv sources.list sources.list.bak

换为国内源，这里采用阿里云的资源，可以通过打开vim sources.list命令将sources.list文件打开，并在其中中加入国内源文件，直接在文件末尾输入：

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

也可以直接在命令行输入一下命令更改源：

echo deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse  >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse >> sources.list
5.2.2 安装必要的网络工具

由于pull的ubuntu镜像中缺少很多工具，所以需要安装网络工具：

apt-get update

img

apt-get upgrade

img

apt install net-tools

img

ifconfig # 显示网络参数

img

此时说明节点之间的网络已经通了。

5.2.3 将master提交作为基础镜像

为了避免重复安装，所以将配置好基础工具的master作为基础镜像，此时需要先退出master，直接在master下输入 exit命令即可

docker commit master base

img

5.2.4 在镜像基础上创建slave1和slave2
docker run -itd --name slave1  --network spark-net -h slave1  base
docker run -itd --name slave2  --network spark-net -h slave2  base

img

创建之后我们可以在docker-desktop看到我们创建的容器：

202210041345215

查看此时的spark-net

docker network inspect spark-net

img

三个容器之间的网络已经配置成功。

5.3 完全分布式安装

5.3.1 系统配置

  1. 主机名设置，主节点为master，从节点分别为slave1和slave2（在创建容器的时候已经设置好了）

  2. 其次我们要给每个节点分配一个ip地址：

节点IP
master172.18.0.2
slave1172.18.0.3
slave2172.18.0.4

  1. 配置hosts

    首先还是登录master节点：

    将各节点的IP与主机名对应，IP与主机名中间相隔一个TAB，一定要注释上面的127.0.0.1（三个节点都要配置），否则后面启动集群会检测不到节点

    vim /etc/hosts

    按下图所示将各个节点配置信息添加到该文件下：

    img

  2. 重启网络（此处如果是20.04版本Ubuntu不用重启网络）

    /etc/init.d/networking restart

    img

    img

    1. 检查网络，各个节点之间互相ping一下，看看是否ping的通，若通过则配置成功。

      如果显示没有ping这个命令则需要首先安装ping包

      apt-get install inetutils-ping

      img

      以master节点ping slave1节点为例，效果如下：

      img

5.3.2 创建hadoop账户（master、slave1与slave2都要创建！）

首先登录master节点

adduser hadoop

img

把hadoop用户加入到hadoop用户组

usermod -a -G hadoop hadoop

查看结果

cat /etc/group |grep hadoop

img

把hadoop用户赋予root权限

vim /etc/sudoers

在文件中添加下面这段hadoop ALL=(root) NOPASSWD:ALL：

img

然后退出master节点，分别登录slave1和slave2节点重复上述操作，否则后续免密登录会遇到错误。

5.3.3 安装和配置JAVA环境（master、slave1与slave2都要创建！）

以master节点为例：

将下载的文件压缩包放在桌面位置，利用docker命令将其导入到docker的master节点的/usr/java目录中，这个目录可以自行设定，后边对应匹配即可。

首先在master节点中新建/usr/java目录：

mkdir /usr/java

退出master节点，在命令行输入一下命令：

docker cp C:/Users/Fuwenshuai/Desktop/jdk-8u161-linux-x64.tar.gz master:/usr/java

image-20220928152934379

即可将文件上传至master节点，上述命令中C:/Users/Fuwenshuai/Desktop/jdk-8u161-linux-x64.tar.gz是文件的下载位置，master:/usr/java是要指定的上传到节点中的位置，后续上传hadoop等相关文件到节点中也是通过上述命令。

  1. 登录master节点进入到压缩文件所在位置，并将其解压

    cd /usr/java
tar -zxvf jdk-8u161-linux-x64.tar.gz -C /usr/java/

    img

  2. 配置环境变量

    vim ~/.bashrc

    在文件最后加上下列内容：

    export JAVA_HOME=/usr/java/jdk1.8.0_161
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin:$PATH

    img

    然后激活配置文件使其生效：

    source ~/.bashrc

    img

  3. 检查java是否安装成功

    java-version

    下边返回java的版本及说明安装成功，本实验用的是jdk1.8的版本

    img

    以上master节点的java环境配置完成，同理对slave1和slave2节点进行相同操作。

5.3.4 免密登录

  1. 安装并配置SSH

    首先安装ssh：

    apt-get install openssh-server

    img

    启动ssh：

    service ssh start

    img

    配置ssh：

    vim /etc/ssh/sshd_config

    避免后期在登录root账户的被拒绝，在PermitRootLogin prohibit-password下面添加PermitRootLogin yes

    img

    将PasswordAuthentication设为yes

    img

    配置免密登录

    首先在master上创建ssh-key

    ssh-keygen -t rsa -P ""

    一直回车

    img

    然后在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub

    img

    在slave1和slave2上以同样的方式进行上述操作。

    img

    img

    img

    1. 传递秘钥

      然后分别从salve1节点和slave2及节点通过以下命令将从节点的id_rsa传到主节点上。这里的目录自定义设置就可以，只要可以将其传到主节点即可。

      scp id_rsa.pub hadoop@master:/tmp/slave1_id_rsa.pub
scp id_rsa.pub hadoop@master:/tmp/slave2_id_rsa.pub

      img

      img

      然后在master节点中将slave1和slave2传过来的id_rsa文件移动到~/.ssh/目录下：

      mv /tmp/slave1_id_rsa.pub ~/.ssh/slave1_id_rsa.pub
mv /tmp/slave2_id_rsa.pub ~/.ssh/slave2_id_rsa.pub

      img

      将id_rsa.pub、slave1_id_rsa.pub、slave2_id_rsa.pub追加到authorized_keys授权文件中

      cat *.pub >>authorized_keys

      img

      这个时候已经可以免密登录本机了

      ssh master

      img

      然后将master上的公钥文件传给slave1和slave2，可通过两种办法，一种是直接从master传：

      scp authorized_keys hadoop@slave1:/tmp
scp authorized_keys hadoop@slave2:/tmp

      另外一种是分别登录slave1和slave2节点通过免密登录master节点的方式进行传（因为master已经可被从节点免密登录了）

      img

      然后将公钥移动到~/.ssh/目录下：

      cp /tmp/authorized_keys ~/.ssh/authorized_keys

      修改公钥文件的权限

      chmod 664 authorized_keys

      传递完成之后，各个主从节点之间便可以进行免密登录了。

    2. 免密登录

      master连接slave1和slave2

      img

      img

      slave1连接master和slave2

      img

      slave2连接master和slave1

      img

      img

5.3.5 安装Hdoop

同理采用上述的方式将下载好的hadoop文件上传至节点中，这里采用的是hadoop2.7.4版本

  1. master的配置

    上传到master节点之后将压缩文件解压到/usr/local，然后切换到/usr/local将hadoop-2.7.4重命名为hadoop，并给/usr/local/hadoop设置访问权限

    cd /usr/local
sudo mv hadoop-2.7.4 hadoop 
sudo chmod 777 -R /usr/local/Hadoop

    img

    配置.bashsc文件

    vim ~/.bashrc

    在文件末尾追加

    export HADOOP_INSTALL=/usr/local/hadoop
export PATH=$PATH:$HADOOP_INSTALL/bin
export PATH=$PATH:$HADOOP_INSTALL/sbin
export HADOOP_MAPRED_HOME=$HADOOP_INSTALL 
export HADOOP_COMMON_HOME=$HADOOP_INSTALL 
export HADOOP_HDFS_HOME=$HADOOP_INSTALL 
export YARN_HOME=$HADOOP_INSTALL 
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib"

    img

    执行该命令使环境变量生效

    source ~/.bashrc

    修改 hadoop-env.sh文件，文件主要是配置JDK的位置，在文件中添加语句：

    vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh

    在末尾添加下面内容

    export JAVA_HOME=/usr/java/jdk1.8.0_161
export HADOOP=/usr/local/hadoop
export PATH=$PATH:/usr/local/hadoop/bin

    img

    配置yarn：

    vim /usr/local/hadoop/etc/hadoop/yarn-env.sh

    在末尾添加

    JAVA_HOME=/usr/java/jdk1.8.0_161

    img

    进入Hadoop的安装目录，下面操作的路径均是在此目录的基础上的相对路径

    cd /usr/local/hadoop

    配置core-site.xml，core-site.xml 是核心配置文件我们需要在该文件中加入HDFS的URI和NameNode的临时文件夹位置，这个临时文件夹在下文中会创建。

    vim etc/hadoop/core-site.xml

    将configuration替换为下面内容

     <configuration>
                            <property>
                                    <name>hadoop.tmp.dir</name>
                                    <value>file:/usr/local/hadoop/tmp</value>
                                    <description>Abase for other temporary directories.</description>
                            </property>
                            <property>
                                    <name>fs.defaultFS</name>
                                    <value>hdfs://master:9000</value>
                            </property>
</configuration>

    img

    配置hdfs-site.xml，replication指的是副本数量，我们现在是3个节点，所以是3。属性名dfs.datanode.data.dir代表 datanode 上数据块的物理存储位置，属性名dfs.namenode.name.dir代表 namenode 上存储 hdfs 名字空间元数据

    vim etc/hadoop/hdfs-site.xml

    <configuration>
						<property>
                                <name>dfs.replication</name>
                                <value>2</value>
                        </property>
                        <property>
                                <name>dfs.namenode.name.dir</name>
                                <value>file:/usr/local/hadoop/tmp/dfs/name</value>
                        </property>
                        <property>
                                <name>dfs.datanode.data.dir</name>
                                <value>file:/usr/local/hadoop/tmp/dfs/data</value>
                        </property>
</configuration>

    img

    配置yarn-site.xml

    vim  etc/hadoop/yarn-site.xml

    <configuration>

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

                    <property>| 
                            <name>yarn.nodemanager.aux-services</name>| 
                            <value>mapreduce_shuffle</value>| 
                      </property>| 
                      <property>| 
                            <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>| 
                            <value>org.apache.hadoop.mapred.ShuffleHandler</value>| 
                      </property>| 
                      <property>| 
                            <name>yarn.resourcemanager.address</name>| 
                            <value>master:8032</value>| 
                     </property>| 
                     <property>| 
                            <name>yarn.resourcemanager.scheduler.address</name>| 
                            <value>master:8030</value>| 
                     </property>| 
                     <property>| 
                            <name>yarn.resourcemanager.resource-tracker.address</name>| 
                            <value>master:8031</value>| 
                     </property>
                     <property>
                            <name>yarn.resourcemanager.admin.address</name>
                            <value>master:18141</value>
                     </property>
                     <property>
                            <name>yarn.resourcemanager.webapp.address</name>
                            <value>master:18088</value>
                     </property>
</configuration>

    img

  2. 配置slave

    vim etc/hadoop/slaves

    加上两个从节点的主机名即可

    slave1
slave2

img

​ 这个时候master的hadoop已经完全配置好了，接下来将master的hadoop传到slave1和slave2

  1. 配置slave1和slave2
scp -r /usr/local/hadoop hadoop@slave1:/usr/local
scp -r /usr/local/hadoop hadoop@slave2:/usr/local

在这一步如果出现scp命令 permission denied的情况，可以先发送到从结点的/tmp文件夹下，再在各从节点中转移到指定的文件目录下，具体操作如下图：

scp -r /usr/local/hadoop hadoop@slave1:/tmp
scp -r /usr/local/hadoop hadoop@slave2:/tmp
mv hadoop /usr/local

img

img

启动Hadoop，在master节点上执行（只在master上执行）

hdfs namenode -format

img

运行启动脚本

start-all.sh

img

打开浏览器，输入端口127.0.0.1:50070，可以看到启动正常，并且有两个节点

img

测试hadoop集群是否正常运行

hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar pi 10 10

img

img

5.3.6 spark-hadoop的搭建

需要提前下载spark和scala，但这里需要特别注意，两者之间的版本有着对应关系，可打开此连接查看对应关系[版本对应]:Maven Repository: org.apache.spark » spark-core (mvnrepository.com)

图片1

同样先将下载好的文件上传到节点**/usr/local**目录下

img

  1. 解压scala和spark(分别在master、slave1、slave2)

    cd /usr/local
tar -zxvf scala-2.12.11.tgz
tar -zxvf spark-3.3.0-bin-hadoop2.7.tgz

  2. 配置环境变量(分别在master、slave1、slave2)

    export SCALA_HOME=/usr/local/scala-2.12.11
export SPARK_HOME=/usr/local/spark-3.3.0-bin-hadoop2
export PATH=$PATH:$SCALA_HOME/bin:$SPARK_HOME/bin:$SPARK_HOME/sbin

    img

    激活配置文件

    source ~/.bashrc

  3. 配置spark（只在master上配置）

    进入conf目录下

    cd /usr/local/spark-3.3.0-bin-hadoop2/conf/

    将spark-env.sh.template、workers.template分别替换为spark-env.sh、workers

    mv spark-env.sh.template spark-env.sh
mv workers.template workers

    img

    img

    这里特别强调一下，在版本2中workers.template文件名为slaves.template，版本3是workers.template

  4. 配置workers

    在该文件中加入作为 worker 节点 ip 或映射主机名。原来红框处为localhost，改为slave1和slave2

    vim workers

    img

  5. 配置spark-env.sh

    SPARK_MASTER_WEBUI_PORT=8888
export SPARK_HOME=/usr/local/spark-3.3.0-bin-hadoop2
export HADOOP_HOME=/usr/local/hadoop
export MASTER=spark://master:7077
export SCALA_HOME=/usr/local/scala-2.12.11
export SPARK_MASTER_HOST=master
export JAVA_HOME=/usr/java/jdk1.8.0_161
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SPARK_WORKER_MERMORY=4G

    img

    此时master已经配置好了

  6. 配置slave节点

    只需要把 master 节点的 spark 安装包分发到 slave1 节点和 slave2 节点（通过 scp 命令）。

    scp -rp /usr/local/spark-3.3.0-bin-hadoop2/ root@slave1:/usr/local/
scp -rp /usr/local/spark-3.3.0-bin-hadoop2/ root@slave2:/usr/local/

  7. 启动spark

    进入目录/usr/local/spark-3.3.0-bin-hadoop2/sbin下

    cd /usr/local/spark-3.3.0-bin-hadoop2/sbin

    输入spark的启动命令

    ./start-all.sh

    img

  8. 验证安装

输入 jps 命令查看。

master节点有以下进程：

image-20220928165752746

slave1和slave2节点有以下进程：

image-20220928165811623

最终通过curl http://127.0.0.1:8088/ 命令获取页面

六 实验问题

实验中遇到了许多问题，也踩了许多坑，有一些问题在上述的实验过程中强调了注意事项，这里还罗列了实验中遇到的一些问题：

  1. 重启后三个节点的ip会出现变换，解决方法：1、在关闭前将全部关闭，stop-all.sh;2、打开的时候在docker中按master、slave1、slave2顺序打开

  2. hadoop启动部分，千万不要二次格式化，不然会导致namenode找不到datanode

  3. docker进入容器报：Error response from daemon: Container *** is not running。解决办法：由于 docker容器未启动。只需要启动容器即可。

    使用命令查看docker容器id：docker ps -a;

    image-20221004140027521

    使用命令：docker start 容器id，启动docker容器。如：

    docker start 4592904a86e6

  4. xxx is not in the sudoers file.This incident will be reported. 解决办法：手动修改

    赋予sudoer文件写权限

    sudo chmod u+w /etc/sudoers

    编辑sudoers文件，给对应的用户添加sudo权限

    sudo vi /etc/sudoers

    找到如下并参照书写，这里以给用户A添加sudo权限：

    sudo vi /etc/sudoers

    添加

    A	ALL=(ALL:ALL) ALL

    撤销sudoers的写权限（否则异常）

    sudo chmod u-w /etc/sudoers

  5. Docker Desktop启动的时候，有可能提示"WSL2 installations is incomplete"，这是您的系统中没有安装WSL2内核的原因，打开 https://aka.ms/wsl2kernel， 在打开的页面中有一个"适用于x64计算机的WSL2 Linux内核更新包"链接，点击下载，安装。
    WSL2 Linux内核更新包安装后，重启Docker Desktop即可正常使用。您可在cmd或者PowerShell命令行中使用docker或者docker-compose等相关命令了。

    PS: 如果您在安装WSL2的过程中遇到了问题，可能是您的系统版本较低等原因，您可按照 https://aka.ms/wsl2wkernel 页面的相关提示更新系统。该Docker Desktop的安装方法基于Windows10的WSL2，如果您的系统没有或者不能安装WSL2，可能不能使用该方法安装Docker Desktop。

  6. Win10家庭版无Hyper-V

  • 桌面新建一个Hyper-V.bat文件。

4

  • 将以下内容拷贝到文件中，如下：
pushd "%~dp0"
dir /b %SystemRoot%\servicing\Packages\*Hyper-V*.mum >hyper-v.txt
for /f %%i in ('findstr /i . hyper-v.txt 2^>nul') do dism /online /norestart /add-package:"%SystemRoot%\servicing\Packages\%%i"
del hyper-v.txt
Dism /online /enable-feature /featurename:Microsoft-Hyper-V-All /LimitAccess /ALL
  • 鼠标右键选中“以管理员身份运行”，窗口运行执行代码，直到运行结束，显示提示是否重启，输入Y，重启电脑，如图：

5

  • 重启完毕，打开控制面板控->程序->程序和功能,点击“启用和关闭Windows功能”，弹出窗口，可看到Hyper-V已添加，如图：

6

  • 开始程序，运行里输入Hyper-V，选择以管理员身份运行，可以开始使用Hyper-V，如图：

7

实验中还需到了其他许多问题，这里也不再一一叙述。

# hadoop # 分布式 # docker
Logo
向您推荐>>Eolink开发者社区

权威｜前沿｜技术｜干货｜国内首个API全生命周期开发者社区

更多推荐

深入理解 Mocha 测试框架：从零实现一个 Mocha

前言什么是自动化测试自动化测试在很多团队中都是Devops环节中很难执行起来的一个环节，主要原因在于测试代码的编写工作很难抽象，99%的场景都需要和业务强绑定，而且写测试代码的编写工作量往往比编写实际业务代码的工作量更多。在一些很多业务场景中投入产出比很低，适合写自动化测试的应该是那些中长期业务以及一些诸如组件一样的基础库。自动化测试是个比较大的概念，其中分类也比较多，比如单元测试，端对端测试，集

avatar 云原生

ELK实现containerd的容器日志采集展示【基于logging的全栈监测】

企业级ELK Stack构建介绍

avatar 云原生

(20200916 Solved)docker-compose up创建容器自动退出

问题描述如题，创建容器后自动退出了。并且docker start container无效解决方案原因是缺失了控制终端的配置，需要在docker-compose.yml中增加tty:true ，有时候这样也不行，需要再增加一个command:/bin/bash，命令不一定是这个，需要是一个不会退出的命令，然后用-d后台启动容器。Referencesdocker-compose启动容器后自动退出...

avatar 云原生