转移到 http://blog.ggt8702.com

最新推荐文章于 2025-02-19 10:17:06 发布
原创 最新推荐文章于 2025-02-19 10:17:06 发布 · 935 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

博主申请了一个新空间，并将博客转移至该空间，新的博客地址为http://blog.ggt8702.com 。
GingerJWS
关注
Jetson nx 上安装 torch torchvision报错fatal error: libavcodec/avcodec.h: No such file or directory
qq_43318374的博客
11-08 3351
在nx上安装torch，先下载torch安装包。 wget https://nvidia.box.com/shared/static/9eptse6jyly1ggt9axbja2yrmj6pbarc.whl -O torch-1.6.0-cp36-cp36m-linux_aarch64.whl 安装torch命令： sudo pip3 install Cython #防止安装torch报错 pip3 install torch-1.6.0-cp36-cp36m-linux_aarch64.whl 安装t
基于哔哩哔哩视频库的音频提取播放器，实现下载B站音频到本地，方便把鬼畜下载到手机上，项目使用FFmpeg作为编码器
huangkai42的博客
06-20 3万+
运行本项目前务必把ffmpeg加入环境变量，或者放在该文件同级目录下，因为不经过重新编码的m4s文件有些播放器不支持。需要给定bv号链接获取音频。
入门Rx-Observable的创建方式
xiaohuanqi的博客
01-24 3936
博客转移到个人站点：http://www.wangchengmeng.club/2018/02/01/%E5%85%A5%E9%97%A8Rx-Observable%E7%9A%84%E5%88%9B%E5%BB%BA%E6%96%B9%E5%BC%8F/ 欢迎来吐槽 /** * @author wangchengm * @desc 介绍最基础的rx使用方法，从rx1.0使用过度到rx
51c深度学习~合集2
whaosoft~aiotの开发板商城
02-19 1859
CVPR2023的Occupancy Prediction比赛的前五名开源方案分析总结。第一次参加CVPR的比赛，没有太多的比赛经验，以此文来总结一下大佬们开源出来的比赛方案，并提出一些自己的思考，欢迎评论区进行交流。Occupancy Prediction任务描述。
单细胞测序系列之二：单细胞基因组测序
mashiqing的博客
09-29 2936
在前面我们介绍了测序技术的发展历史，以及测序技术的基本原理。在这一节，我们将真正的进入到单细胞测序的领域，介绍单细胞测序的基本原理，以及单细胞测序的应用。
mysql mha java_Mysql MHA 环境搭建
weixin_30248619的博客
01-27 491
基础架构MHA(Master High Availability) 有 MHA Manager(管理节点)和MHA Node(数据节点)。MHA Manager可以单独部署在一台独立的机器上管理多个master-slave集群，也可以部署在一台slave节点上。MHA Node运行在每台MySQL服务器上，MHA Manager会定时探测集群中的master节点，当master出现故障时，它可以自...
docker CE on Linux示例浅析（四）swam群集配置
ciguaxi2841的博客
05-24 2237
概述 github项目地址：https://github.com/superwujc 尊重原创，欢迎转载，注明出处：https://my.oschina.net/superwjc/blog/3053478 历史系列： docker CE on Linux示例浅析（一）安装与基本运行 ...
大数据面试题
一个北漂的程序猿
09-22 2004
Big Data 面试题总结 JAVA相关 1-1）List 与set 的区别？ 老掉牙的问题了，还在这里老生常谈：List特点：元素有放入顺序，元素可重复 ，Set特点：元素无放入顺序，元素不可重复。   1-2）数据库的三大范式？ 原子性、一致性、唯一性   1-3）java 的io类的图解  1-4）对象与引用对象的区别 对象就是好没有初始化的对象，引用对象即使对这个对象进行了初始化，这个
卡尔曼滤波学习笔记
里先森
07-10 1143
本文是在学习卡尔曼滤波过程中所作的个人笔记，由于个人数学功底较差，文中的一些观点与理解仅供读者参考，如有疏漏还请诸位不吝赐教。文中的部分参考文献来源如下： 《Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation》 《GNSS与惯性及多传感器组合导航系统原理》 无人驾驶汽车系统入门（一）——卡尔曼滤波与目标追踪 https://blog.csdn.net/AdamShan/article/det.
只要5分钟！学会自己打造多系统合集的DVD安装光盘
weixin_34064653的博客
04-13 1021
只要5分钟！学会自己打造多系统合集的DVD安装光盘（Windows All In One DVD ） 一、准备工作－－需要软件1. UltraISO(软碟通) v8.1.2.1625下载：[url]http://www.crsky.com/soft/1134.html[/url]2.深山红叶袖珍PE系统工具箱 V24 《自备专用版》。 注意不要用***版，这个版本我...
常用药 学着照顾自己和身边的人
你好，旧时光！
07-18 2446
常用药学着照顾自己和身边的人  1.治感冒（嗓子干痛  流清涕 发烧）­ 阿莫西林胶囊，一次两片 ，消炎，但伤胃，与健胃药同服­ Vc银翘片，每次两片，伤肠胃，服用后肠胃不好者易拉肚子  与健胃药同服  抗病毒­ 一力清片，一次三片，治流涕，无副作用   ­ 陈香露，一次三片，防止其他药伤胃   ­ 速效伤风胶囊  一次一片  治发烧  ­       一般服用六包
【数据分析报告】携程客户分析与流失预测
热门推荐
changreal的博客
08-11 8万+
目录一、项目背景与目的二、探索性分析2.1 数据指标预览2.2 数据概况2.3 数据分布2.3.1 数据分布总览2.3.2 预定日期和入住日期2.3.3 访问时间段2.3.4 客户价值2.3.5 消费能力指数2.3.6 价格敏感指数分布2.3.6 入住酒店平均价格2.3.7 酒店星级偏好2.3.8 订单取消率2.3.9 用户年订单数分布2.3.10 新老客户流失率三、数据预处理3.1 去除不需要的字段与重复字段3.2 数据类型转换3.3 异常值处理3.3.1负数处理3.3.2 极值处理3.4 缺失值处理3.
Android 如何测试你的Base64是否正确展示
dhl_1986的博客
09-16 4万+
有时候Android 需要把图片转成Base64 ，有时候也需要去展示一些base64 图片，对于base64格式的图片，我们需要去测试他是否是合格的图片，测试方法如下： 1，打开 测试网站 http://tool.chinaz.com/tools/imgtobase 2，右边 加入前缀： data:image/png;base64, 3，后面加上base64 数据8****************（很长）： data:image/png;base64,iVBORw0KGgoAAAANSU
Nvidia Nano上从头构建Jetbot镜像安装指南
Robin's Home
08-26 4868
JetBot 项目是NVIDIA（英伟达）基于Jetson Nano开发套件而设计的一款开源智能车项目。 它提供了基于视觉的自主避障，物体跟随，路径跟踪以及人脸识别等功能。对于AI初学者来说，Jetbot是一个很好的入门途径。 Nvidia官方提供了完整的硬件和软件列表，参考https://github.com/NVIDIA-AI-IOT/jetbot/wiki， 可以自行组装jetbot小车。但是，自己采购零件还是很麻烦，国内的微雪公司提供了完整的小车方案，可以直接从https://www.wavesh
labview录音程序实现
01-02
代码下载地址： https://pan.quark.cn/s/a4b39357ea24 labview2018-tutorial Author: Zhiqiang Yuan this repository tells how to use LabVIEW based on labview2018. Environment: LabVIEW2018 PS: This is the source code of labview2018 course of https://www.51zxw.net/list.aspx?cid=757 , because of the copyright of this net, so I have to put the source code here. You can watch the whole movie course in the link above. If you have any problem ,you can send me an email: yuanzhiqiang@sina.cn Thanks for your attention.
基于计算机网络核心概念与实践技能的综合学习与实验平台项目_该项目专注于通过系统化教学模块与动手实验相结合的方式深入讲解并实践计算机网络的基础理论协议分析网络配置与安全扫描等关.zip
01-02
基于计算机网络核心概念与实践技能的综合学习与实验平台项目_该项目专注于通过系统化教学模块与动手实验相结合的方式深入讲解并实践计算机网络的基础理论协议分析网络配置与安全扫描等关.zip
阿里云函数计算FC数据库连接与操作Python示例项目集_包含MySQL_Redis_MongoDB_SQLServer_PostgreSQL_Lindorm等多种数据库的完整连接.zip
01-02
阿里云函数计算FC数据库连接与操作Python示例项目集_包含MySQL_Redis_MongoDB_SQLServer_PostgreSQL_Lindorm等多种数据库的完整连接.zip
基于Cisco_Packet_Tracer仿真平台构建的包含一个DHCP服务器与一个DNS服务器的综合网络服务配置实验项目_该项目详细演示了如何在Cisco_Packet_Trac.zip
01-02
基于Cisco_Packet_Tracer仿真平台构建的包含一个DHCP服务器与一个DNS服务器的综合网络服务配置实验项目_该项目详细演示了如何在Cisco_Packet_Trac.zip
路径规划基于蜣螂优化算法（DBO）优化路径规划研究（Matlab代码实现）
最新发布
01-02
【路径规划】基于蜣螂优化算法（DBO）优化路径规划研究（Matlab代码实现）内容概要：本文介绍了基于蜣螂优化算法（DBO）的路径规划研究，通过Matlab代码实现，旨在利用DBO算法解决路径规划问题。文中详细阐述了算法的原理及其在路径规划中的应用，展示了如何通过智能优化算法寻找最优路径，适用于复杂环境下的路径优化需求。同时，文档提到了该研究属于一系列智能优化算法应用的一部分，涵盖多个科研领域的MATLAB仿真服务，如生产调度、电力系统、图像处理等。; 适合人群：具备一定编程基础，熟悉Matlab软件操作，对智能优化算法及路径规划感兴趣的科研人员和研究生。; 使用场景及目标：①应用于无人机、机器人等自动化设备的三维路径规划；②解决物流配送、自动驾驶等领域内的路径优化问题；③为学术研究提供一种新的智能优化算法实现思路与实践案例。; 阅读建议：建议读者结合Matlab代码进行实际操作，深入理解蜣螂优化算法的工作机制，并尝试将其应用于不同的路径规划场景中，以提高算法的实际应用能力。同时，可参考文档中提供的其他资源链接，获取更多相关技术和工具支持。
# =================================================================================== # ✅ 优化版 Dockerfile：使用本地 Superset 源码构建（无需 git clone） # 文件路径: ~/superset-prod/Dockerfile.superset # =================================================================================== # 设置参数，默认为 5.0.0（可外部传入） ARG SUPERSET_VERSION=5.0.0 # 基础镜像（官方 Superset 运行时镜像） FROM apache/superset:${SUPERSET_VERSION} AS base-image # 切换为 root 用户以便安装系统依赖 USER root # ================ # 【关键修复】写入阿里云 APT 源（避免文件不存在问题） # ================ RUN echo "deb https://mirrors.aliyun.com/debian/ bookworm main non-free contrib" > /etc/apt/sources.list && \ echo "deb https://mirrors.aliyun.com/debian-security bookworm-security main non-free contrib" >> /etc/apt/sources.list && \ echo "deb https://mirrors.aliyun.com/debian/ bookworm-updates main non-free contrib" >> /etc/apt/sources.list && \ echo "deb https://mirrors.aliyun.com/debian/ bookworm-backports main non-free contrib" >> /etc/apt/sources.list && \ chmod 644 /etc/apt/sources.list # ================================ # 安装系统依赖（编译工具 + 图像处理 + Node.js 支持） # ================================ RUN apt-get update && \ apt-get install -y --no-install-recommends \ build-essential \ libssl-dev \ libffi-dev \ python3-dev \ libev-dev \ libjpeg-dev \ zlib1g-dev \ curl \ gnupg \ wget \ tar \ && rm -rf /var/lib/apt/lists/* # ================================ # ✅ Superset 5.0.0 前端要求 Node.js ≥ 20.16.0 # ================================ # ================ # 卸载旧 Node.js（如果存在） # ================ RUN apt-get remove -y nodejs npm || true # ================ # 使用 Nodesource 安装 Node.js 20.x # ⚠️ 注意：setup_20.x 脚本会自动配置源和 GPG 密钥，比手动添加更可靠。 # ================ RUN curl -fsSL https://deb.nodesource.com/setup_20.x | bash - # 安装 Node.js 和 npm RUN apt-get update && \ apt-get install -y nodejs && \ rm -rf /var/lib/apt/lists/* # 启用 corepack（推荐） RUN corepack enable # 验证 Node 和 NPM RUN node --version && npm --version # ================================ # 设置 Python 虚拟环境（可选，通常已有） # ================================ ENV VIRTUAL_ENV=/app/.venv ENV PATH="$VIRTUAL_ENV/bin:$PATH" # ================================ # STAGE 1: 构建前端资源（frontend-builder） # ================================ FROM base-image AS frontend-builder # 必须再次声明 ARG，否则无法继承！ ARG SUPERSET_VERSION # 设置工作目录 WORKDIR /app/superset-frontend # 👉 从构建上下文复制本地 frontend 源码 COPY ./superset-${SUPERSET_VERSION}/superset-frontend/ . # ================ # 设置国内镜像加速（关键！） # ================ # Node.js、Puppeteer、Sass、Electron 等二进制文件镜像 ENV NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node/ ENV SASS_BINARY_SITE=https://npmmirror.com/mirrors/node-sass/ ENV ELECTRON_MIRROR=https://npmmirror.com/mirrors/electron/ ENV PUPPETEER_DOWNLOAD_HOST=https://npmmirror.com/mirrors/puppeteer/ # 跳过 Puppeteer 自动下载 Chromium（推荐生产构建时跳过） ENV PUPPETEER_SKIP_DOWNLOAD=true ENV PUPPETEER_SKIP_CHROMIUM_DOWNLOAD=true # 设置 npm registry 和缓存 RUN npm config set registry https://registry.npmmirror.com && \ mkdir -p /tmp/npm-cache && \ npm config set cache /tmp/npm-cache # 使用缓存安装依赖（需 DOCKER_BUILDKIT=1） RUN --mount=type=cache,id=npm-node-modules,target=/app/superset-frontend/node_modules \ --mount=type=cache,id=npm-cache,target=/tmp/npm-cache \ npm ci # 构建前端生产包 RUN npm run build && \ echo "✅ Frontend built successfully" # 输出构建结果（调试用） RUN ls -la ./dist # ================================ # STAGE 2: 主应用镜像注入前端资源 # ================================ FROM apache/superset:${SUPERSET_VERSION} # 切换到 root 安装额外依赖或修改文件 USER root # 设置时区为中国上海 ENV TZ=Asia/Shanghai RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && \ echo $TZ > /etc/timezone # 删除旧静态资源 RUN rm -rf /app/superset/superset/static/dist # 👉 从构建阶段复制构建好的前端资源 COPY --from=frontend-builder /app/superset-frontend/dist /app/superset/superset/static/dist # 可选：验证是否复制成功 RUN ls -la /app/superset/superset/static/dist # 清理 pip 缓存（减小镜像体积） RUN pip cache purge || true # 切回非特权用户（安全） USER superset # 启动命令（与官方一致） CMD ["gunicorn", "-w", "2", "-k", "gevent", "--bind", "0.0.0.0:8088", "--access-logfile", "-", "--error-logfile", "-", "superset.app:create_app()"] 报错：gapinyc@DESKTOP-9QS7RL5:~/superset-prod$ # 清理旧缓存（非常重要） docker builder prune --all # 开启 BuildKit 并构建（查看详细日志） export DOCKER_BUILDKIT=1 docker compose up --build WARNING! This will remove all build cache. Are you sure you want to continue? [y/N] y ID RECLAIMABLE SIZE LAST ACCESSED 7968gn27cvvc2zx7hbblv5nmy* true 12.29kB 5 minutes ago s0luvqtdlybcxryvvdsid90v9* true 4.096kB 5 minutes ago bc50njfk80nh89oudq7cbl95v* true 4.096kB 5 minutes ago 98a86xjxjs1qp9zqh0iropa9n* true 87.97MB 5 minutes ago wwhdue4f24k750ik9ztr9hdyq* true 12.29kB 5 minutes ago xznp0g3bvbars64nkeiofk6cx* true 87.97MB 5 minutes ago nrvh4a6ggrtkrbc6zj8t24ub8* true 8.192kB 5 minutes ago 7eqfopon0z698k1ph2nxyeb3k true 87.97MB 5 minutes ago exffl2ggt9fyw6md029ldoweq true 16.38kB 5 minutes ago 95swb02n6lwqaajfvjsef6tro true 4.096kB 5 minutes ago yvabxiqn4t4o00o4ve2467a8t true 8.192kB 5 minutes ago 5i1mzff25vd4mgzx2jw6r77dz true 20.48kB 5 minutes ago utpubire8d7psyhbevl93ozzu true 175.6MB 5 minutes ago znbs3ib6swl31cty7io7yh2x0 true 43.34MB 5 minutes ago sxdafbfm8nl972rbebkh4fi80 true 32.77kB 5 minutes ago 54vhfjb8xqjlbuywy8ejvit0d true 383.2MB 5 minutes ago o7r8ft4b56fkavjxadzt1vb4b true 20.48kB 5 minutes ago l51ypsmsq5qoirhazn7oht5o4 true 8.342MB 5 minutes ago z02mhuuzujunsu2m6t1rflplx true 232.2MB 24 minutes ago thpuiaylasa5xauqrevkhjyw5 true 574.7MB 24 minutes ago ljakhqydugc69gjkfup8btqxu true 26.91kB 24 minutes ago r6hpffvsli4b4t1dwy89kc5m6 true 4.128kB 24 minutes ago y0oatv6liap5530ubhqn07qcr true 4.128kB 24 minutes ago m0lf561aodreg12zm3u3ze7tq true 164.5kB 24 minutes ago v5exd6tx5j07yqp90umca14fz true 17.83MB 24 minutes ago m0l6yd4zmroqzcv51ip9iofko true 106.1MB 24 minutes ago vlp3omyofio3kiqyap8vgrxi8 true 54.28MB 24 minutes ago ktysdx9dj8vwlnayj856l1n4f true 17.37kB 24 minutes ago 12w2i0vkf3j3jv3imqsqf7bcu true 22.92kB 24 minutes ago pfpxjbj4g3djzi9mx39rc1cve true 37.62kB 24 minutes ago 0kmmce4pe4k2leco9xwaypw3p true 55.02kB 24 minutes ago ve009em3uk57xbtv3jef2bcjd true 2.455GB 24 minutes ago ilnbf71ocgh115xmnka3qeto8 true 33.03kB 24 minutes ago p0djy9ajvynm168aenbueljis true 4.128kB 24 minutes ago cye6byrpg2bfnxehpxswkzr23 true 25.8kB 24 minutes ago qp5om7td1ln31iplgx07d6n9x true 139.8kB 24 minutes ago qj0gowq71443bcl7b0lrtvc6u true 85.43MB 24 minutes ago m6xpcsbf5q8x11ipeaq007o5l true 40.44kB 24 minutes ago 46eui68t5fcr19zvqe8c3ndh4 true 58.57kB 24 minutes ago mn0zzagqta7m7fxm8peuv1lhz true 12.41kB 24 minutes ago x2dx2qy6jkmwcbz2g87u2936f true 16.63kB 24 minutes ago kr5s97fgp4vsb9pwhcuqc9w24 true 64.48MB 24 minutes ago jlz9ux4ecdo1j6653v9sg1cwc true 13.9MB 24 minutes ago 1eyn0r214fmpftxqhq7ge88e1 true 113.5MB 24 minutes ago Total: 4.592GB [+] Building 905.5s (20/24) => [internal] load local bake definitions 0.0s => => reading from stdin 531B 0.0s => [internal] load build definition from Dockerfile.superset 0.0s => => transferring dockerfile: 5.18kB 0.0s => [internal] load metadata for docker.io/apache/superset:5.0.0 0.7s => [internal] load .dockerignore 0.0s => => transferring context: 2B 0.0s => [internal] load build context 0.7s => => transferring context: 77.36MB 0.6s => [base-image 1/8] FROM docker.io/apache/superset:5.0.0@sha256:09735adaae3945c5a8fabbeca31a7954c8c74de195702ba61622aee8604d5c55 290.8s => => resolve docker.io/apache/superset:5.0.0@sha256:09735adaae3945c5a8fabbeca31a7954c8c74de195702ba61622aee8604d5c55 0.0s => => sha256:5076e42f58bb17964c1bb4525b2f741cbfbbe5abdfdb89b35a0803c6ba3954a4 1.31MB / 1.31MB 0.3s => => sha256:f8f548c28eef246b30d063cc1c2a3cf12c9229bc5c49a570cde49db1ad7545e7 73.34MB / 73.34MB 66.1s => => sha256:a3e1b113320c3e639e554a24ae69a85346a25000eda8a46c9d6f276de69ca5fe 124.53MB / 124.53MB 73.8s => => sha256:a18ad28520f63bce799014cb7a5f193851d8f006ba01d40327fdda272fb1a760 2.34kB / 2.34kB 0.2s => => sha256:389597503680cfbd1bb5a0265a409d70e3c2772701291514509e71a0fba164e9 701B / 701B 0.1s => => sha256:c938f49e556a6e8fcac74004700552e0dd2000cdc933d488a61011197169f9e6 2.63MB / 2.63MB 0.5s => => sha256:3348ab5e494bdf58886525bc85e83dd2477403615320111752a7b5bf5f577e1b 35.60MB / 35.60MB 47.5s => => sha256:8b0a372be1aaa78650b5a5d6ac85d78544d1e7e28f13189cbc401b6cca8a1b9b 10.52MB / 10.52MB 26.1s => => sha256:7ddde918316c5253f0859e63c4e66f6344d7820c690cd75c3bd3c112c3c4c9d6 988B / 988B 0.1s => => sha256:31d57132d97eba3b2767589577d30b498a62309a440ac53d147a3db22c1a6171 2.44kB / 2.44kB 0.2s => => sha256:a874b65acd402a02370f75f3193fa339ce3d56f509f583f1ebc6a443ff6a227c 4.85kB / 4.85kB 0.1s => => sha256:7a470f82b8063097e7dc15b8a1997ab778204ce8dda6c4dc6cb252a535fd43cf 9.96kB / 9.96kB 0.1s => => sha256:0ce39d859758a42b8ba4397abadaf8789a641299283c879e030da4679ef7106e 629.41MB / 629.41MB 248.1s => => sha256:68eb1cf5c0c810aedc50fc163e48365e89a4478b962997c7e67df9fae21d8d60 262B / 262B 0.1s => => sha256:0e71a9bd61d00737a8afe7c7f361710e2127cab19f6c12f138d888e79d71efa0 1.22kB / 1.22kB 0.1s => => sha256:4d795241b7747181e5c8177efd87ff0faa1c2c2a7ac9018192ec13a0071bf770 8.74kB / 8.74kB 0.1s => => sha256:95dd74b7b8988b4680458f2aa1729079f60ff988d09886b2f46ed9a02bb82219 24.35MB / 24.35MB 15.1s => => sha256:37591259d964ab04b704f5f018c6bff09db82e061c600439c2286fa7a401d4c3 3.57kB / 3.57kB 0.1s => => sha256:3d7a4f9903c7f164ba9bdf1ed1efad9cebcc996a859c660d7af427196d17039d 1.23kB / 1.23kB 0.1s => => sha256:76cd59922f90f6e2e8355fe110eb05942eb1ae1b3392258c1ca00a2357800f65 122B / 122B 0.1s => => sha256:13f6fa5948a7754638aad4a466dc0488f9de4971baf570e70cdd62b5b4f3ae5a 250B / 250B 0.1s => => sha256:97d6de0a545765dddb2d94496e338bef32c4b01efdbd3bb17c841ac1f9f3724d 15.65MB / 15.65MB 29.9s => => sha256:ec3d0f2946e94fda9c33818980e4032bb49b970cf7ab6829363c075259a7e0b3 3.52MB / 3.52MB 9.0s => => sha256:d107e437f7299a0db6425d4e37f44fa779f7917ecc8daf1e87128ee91b9ed3d3 28.23MB / 28.23MB 23.0s => => extracting sha256:d107e437f7299a0db6425d4e37f44fa779f7917ecc8daf1e87128ee91b9ed3d3 0.6s => => extracting sha256:ec3d0f2946e94fda9c33818980e4032bb49b970cf7ab6829363c075259a7e0b3 0.1s => => extracting sha256:97d6de0a545765dddb2d94496e338bef32c4b01efdbd3bb17c841ac1f9f3724d 0.3s => => extracting sha256:13f6fa5948a7754638aad4a466dc0488f9de4971baf570e70cdd62b5b4f3ae5a 0.0s => => extracting sha256:76cd59922f90f6e2e8355fe110eb05942eb1ae1b3392258c1ca00a2357800f65 0.0se => => extracting sha256:3d7a4f9903c7f164ba9bdf1ed1efad9cebcc996a859c660d7af427196d17039d 0.0ss => => extracting sha256:37591259d964ab04b704f5f018c6bff09db82e061c600439c2286fa7a401d4c3 0.0se => => extracting sha256:95dd74b7b8988b4680458f2aa1729079f60ff988d09886b2f46ed9a02bb82219 0.3ss => => extracting sha256:4d795241b7747181e5c8177efd87ff0faa1c2c2a7ac9018192ec13a0071bf770 0.0s => => extracting sha256:0e71a9bd61d00737a8afe7c7f361710e2127cab19f6c12f138d888e79d71efa0 0.0s => => extracting sha256:4f4fb700ef54461cfa02571ae0db9a0dc1e0cdb5577484a6d75e68dc38e8acc1 0.0s => => extracting sha256:68eb1cf5c0c810aedc50fc163e48365e89a4478b962997c7e67df9fae21d8d60 0.0s => => extracting sha256:0ce39d859758a42b8ba4397abadaf8789a641299283c879e030da4679ef7106e 7.1s => => extracting sha256:7a470f82b8063097e7dc15b8a1997ab778204ce8dda6c4dc6cb252a535fd43cf 0.0s => => extracting sha256:a874b65acd402a02370f75f3193fa339ce3d56f509f583f1ebc6a443ff6a227c 0.0s => => extracting sha256:31d57132d97eba3b2767589577d30b498a62309a440ac53d147a3db22c1a6171 0.0s => => extracting sha256:7ddde918316c5253f0859e63c4e66f6344d7820c690cd75c3bd3c112c3c4c9d6 0.0s => => extracting sha256:8b0a372be1aaa78650b5a5d6ac85d78544d1e7e28f13189cbc401b6cca8a1b9b 0.2s => => extracting sha256:3348ab5e494bdf58886525bc85e83dd2477403615320111752a7b5bf5f577e1b 0.3s => => extracting sha256:c938f49e556a6e8fcac74004700552e0dd2000cdc933d488a61011197169f9e6 0.1s => => extracting sha256:389597503680cfbd1bb5a0265a409d70e3c2772701291514509e71a0fba164e9 0.0s => => extracting sha256:a18ad28520f63bce799014cb7a5f193851d8f006ba01d40327fdda272fb1a760 0.0s => => extracting sha256:a3e1b113320c3e639e554a24ae69a85346a25000eda8a46c9d6f276de69ca5fe 5.7s => => extracting sha256:f8f548c28eef246b30d063cc1c2a3cf12c9229bc5c49a570cde49db1ad7545e7 0.8s => => extracting sha256:5076e42f58bb17964c1bb4525b2f741cbfbbe5abdfdb89b35a0803c6ba3954a4 0.1s => [base-image 2/8] RUN echo "deb https://mirrors.aliyun.com/debian/ bookworm main non-free contrib" > /etc/apt/sources.list && echo "deb https://mirrors.aliyun.co 0.7s => [stage-2 2/6] RUN ln -snf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo Asia/Shanghai > /etc/timezone 0.7s => [base-image 3/8] RUN apt-get update && apt-get install -y --no-install-recommends build-essential libssl-dev libffi-dev python 201.7s => [stage-2 3/6] RUN rm -rf /app/superset/superset/static/dist 0.3s => [base-image 4/8] RUN apt-get remove -y nodejs npm || true 0.3s => [base-image 5/8] RUN curl -fsSL https://deb.nodesource.com/setup_20.x | bash - 131.1s => [base-image 6/8] RUN apt-get update && apt-get install -y nodejs && rm -rf /var/lib/apt/lists/* 11.1s => [base-image 7/8] RUN corepack enable 0.3s => [base-image 8/8] RUN node --version && npm --version 0.4s => [frontend-builder 1/6] WORKDIR /app/superset-frontend 0.1s => [frontend-builder 2/6] COPY ./superset-5.0.0/superset-frontend/ . 0.4s => [frontend-builder 3/6] RUN npm config set registry https://registry.npmmirror.com && mkdir -p /tmp/npm-cache && npm config set cache /tmp/npm-cache 1.4s => [frontend-builder 4/6] RUN --mount=type=cache,id=npm-node-modules,target=/app/superset-frontend/node_modules --mount=type=cache,id=npm-cache,target=/tmp/npm-c 266.0s => ERROR [frontend-builder 5/6] RUN npm run build && echo "✅ Frontend built successfully" 0.4s ------ > [frontend-builder 5/6] RUN npm run build && echo "✅ Frontend built successfully": 0.352 0.352 > superset@5.0.0 build 0.352 > cross-env NODE_OPTIONS=--max_old_space_size=8192 NODE_ENV=production BABEL_ENV="${BABEL_ENV:=production}" webpack --color --mode production 0.352 0.356 sh: 1: cross-env: not found ------ Dockerfile.superset:113 -------------------- 112 | # 构建前端生产包 113 | >>> RUN npm run build && \ 114 | >>> echo "✅ Frontend built successfully" 115 | -------------------- failed to solve: process "/bin/sh -c npm run build && echo \"✅ Frontend built successfully\"" did not complete successfully: exit code: 127 gapinyc@DESKTOP-9QS7RL5:~/superset-prod$
10-23
COPY ./superset-${SUPERSET_VERSION}/superset-frontend/ . ``` ⚠️ 这个路径是否真的包含以下文件？ ```bash /app/superset-frontend/ ├── package.json ← 必须存在！ ├── package-lock.json ← 必须...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值