看过网络上各种各样的BT搜索网站，但是最喜欢的还是手撕菜包（bt.shousicaibao.com)，目前这个网站好像已经打不开了，也许作者无心经营，但是他（xiaoxia）给我们留下了开源的源码，这是极好的。

目测此源码是基于python+mariadb/mysql写的，django做web服务器，我没有测试过，因为服务器不给力，但是有人给出了搭建方法：

1.linux系统。

2.安装mysql

3.安装python2.7

4.安装pip

   
   
  1. wget https://bootstrap.pypa.io/get-pip.py
  2. python get-pip.py

5.创建job用户并进入/home/job

6.用git来clone源

   
   
  1. git clone https://github.com/78/ssbc.git

7.安装virtualenv

   
   
  1. pip install virtualenv

8.创建环境

   
   
  1. virtualenv ssbc

9.进入ssbc目录

10.启动环境

   
   
  1. source bin/activate

11.安装

   
   
  1. pip install -r requirements.txt

12.修改sphinx.conf里面的mysql信息

13.运行

   
   
  1. echo_supervisord_conf > /etc/supervisord.conf
  2. echo '[include]' >> /etc/supervisord.conf
  3. echo 'files = /home/job/ssbc/super.conf' >> /etc/supervisord.conf
  4. supervisord

如果顺利的话，访问8002端口，可以使用nginx反代到80端口。

Logo
一门面向 Data 和 AI 的低代码、云原生的开源编程语言

无需安装部署，在线快速体验 Byzer

更多推荐

编译时权限控制

前言 权限控制，对于 MLSQL 而言的重要程度可以说是生命线。 MLSQL 需要面对各式各样的资源访问，比如 MySQL, Oracle,HDFS，Hive，Kafka，Sorl，ElasticSearch，Redis，API，Web等等，不同用户对这些数据源（以及表，列）的权限是不一样的。 传统模式是，每个用户都需要有个 proxy user，然后到每个数据源里面给这个 proxy user

avatar Byzer 白泽

Byzer 支持 JDBC 聚合下推

聚合下推PR链接聚合下推 我们知道 Byzer 支持多数据源和联邦查询，可以方便分析师在一个平台上快速的分析来自多种数据源的数据，从而进行灵活的探索式分析。 使用场景和优势 当前 Byzer 中加载数据的方式会拉取明细数据到 spark 中进行聚合计算，对于小数据量或者在分布式文件系统上的数据源来说是常规操作。但是对于 JDBC 数据源或者有分析能力的 OLAP 系统来说拉取明细数据可能就不是最

avatar Byzer 白泽

Byzer 术语表

Byzer-lang Byzer ，又称为 Byzer-lang，一门面向 Data 和 AI 的低代码、云原生的开源编程语言。 Byzer 是一门结合了声明式编程和命令式编程的混合编程语言，其低代码且类 SQL 的编程逻辑配合内置算法及插件的加持，能帮助数据工作者们高效打通数据链路，完成数据的清洗转换，并快速地进行机器学习相关的训练及预测。 Byzer 希望能够提供一套语言、一个引擎，就能覆盖整

avatar Byzer 白泽