dos下端口使用查看以及关闭8080端口

HackProgramer HackProgramer 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.9k累计阅读 1.9k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
转载 最新推荐文章于 2026-07-05 16:27:26 发布 1.9k 阅读 AI 写同款· GEO 优化 ›
Linux-VMware安装后没有虚拟网卡VMnet1和VMnet8(亲测有效，一步一步跟着绝对成功) VMware-安装后没有虚拟网卡VMnet1和VMnet8 就这个破东西我昨天弄了一天，网上什么VMware卸载重装，用CCleaner清理注册表什么的操作我全用了，但是昨天就是弄不好，同样的操作我昨天试了无数遍一直觉得可能是 持续更新中… 文章参考学习地址：https://blog.csdn.net/qq_42445139/article/details/87872130 ... 阅读详情
找出是那个应用在使用端口。方法如下： 

C:\Documents and Settings\Administrator>netstat -an 
Active Connections 
Proto Local Address Foreign Address State 
TCP 0.0.0.0:80 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:135 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:445 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:1025 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:8003 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:8080 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:34571 0.0.0.0:0 LISTENING 
TCP 0.0.0.0:34572 0.0.0.0:0 LISTENING 

可以看到端口（如8080被占用），但无法查明是哪个程序在使用。于是添加－o参数，显示PID： 

C:\Documents and Settings\Administrator>netstat -ano 
Active Connections 
Proto Local Address Foreign Address State PID 
TCP 0.0.0.0:80 0.0.0.0:0 LISTENING 1200 
TCP 0.0.0.0:135 0.0.0.0:0 LISTENING 700 
TCP 0.0.0.0:445 0.0.0.0:0 LISTENING 4 
TCP 0.0.0.0:1025 0.0.0.0:0 LISTENING 460 
TCP 0.0.0.0:8003 0.0.0.0:0 LISTENING 1316 
TCP 0.0.0.0:8080 0.0.0.0:0 LISTENING 1464 
TCP 0.0.0.0:34571 0.0.0.0:0 LISTENING 1788 
TCP 0.0.0.0:34572 0.0.0.0:0 LISTENING 1788 

然后，在任务管理器的“查看”中选中PID项，显示内容如下： 


如果显示内容过多时可以使用管道符  |more  来分屏显示


可见miniwinagent.exe程序再使用8080端口。 

FlashCopy服务(miniwinagent.exe)是特别为DS300和DS400设计的。通过禁用和卸载该服务可以恢复那些使用了TCP8080端口的Web应用和服务。 

禁用FlashCopy服务方法： 

1.点“开始”，“运行”，输入services.msc 
2.找到FlashCopy服务 
3.双击打开服务属性对话框 
4.将启动类型改为禁用 
5.若服务正在运行，点停止 
6.点确认，退出 

安装没有FlashCopy agent服务ServeRAID Manager Application的方法： 

1.若必要，请先卸载ServeRAID Manager 
2.放入ServeRAID Manager Application CD光盘 
3.重新安装ServeRAID Manager Application 
4.接受协议，点Next 
5.当出现custom setup时，展开ServeRAID FlashCopy Agent选项 
6.选择FlashCopy agent，改为This feature will not be available，点Next 


在局域网使用中，我们常常会发现系统中开放了一些莫名其妙的端口，这就给系统的安全带来了一些隐患。为了让端口的使用尽在掌握之中，一些朋友就会使用第三方工具来进行检查出使用端口的特定程序究竟是谁，但实际上我们完全不必这样兴师动众，因为Windows已经内置了这个功能，下面让我们来学习一下吧！ 
　 查看端口开放情况 
　稍有经验的网管就会知道使用Netstat命令可以查看系统当前开放的端口有哪些，但你知道吗？如果在使用Netstat命令的同时加上参数“-o”的话，就可以让我们进一步知晓端口的关联进程标识符 (PID)了，也就是说这个PID可用来确定哪个进程（程序）在使用特定的端口。例如，现在使用“netstat-ano”命令后可以发现端口3026、 3030、3728在开放（如图1所示）。 
　 从上图中并不能直接看出这三个端口的关联进程是谁，但我们却可以通过PID信息知道是628这个进程在使用这三个端口。 

1 查看端口 
　 激活进程PID 
　既然知道系统中有个PID为628的进程，那么就来看看它究竟是谁。大家都知道，查看系统进程可以使用同时按“Ctrl+Alt+Delete”组合键的方法，在打开的“Windows任务管理器”的“进程”选项卡中进行。但默认状态下，“进程”选项卡中是没有PID这一项存在的，这样我们就无法知道进程相对应的PID是什么了。因此，要首先激活进程对应的PID项显示状态才行。方法如下： 
　 单击“Windows任务管理器”窗口中“查看”下的“选择列”菜单项，然后单击选中“PID”（进程标识符）复选框（如图2所示）。 
2 选择进程PID 
　 稍后在“Windows任务管理器”窗口“进程”选项卡的列表中就会发现多出了PID这一项，接下来只需按从大到小的顺序查找到PID为628的进程后，就可以发现“幕后程序”究竟是谁了（如图3所示）。 

3 Windows任务管理器 
　 通过上图中显示信息可以发现，原来使用端口3026、3030、3728的关联PID是628，而使用PID为628的应用程序是“MSN Messenger”！！瞧，我们已经轻易地为端口找到的“另一半”了！
收录于
windows

当前文章被收录于：

windows
16 篇文章 2 人学习
订阅专栏 查看详情
数据结构实验1 集合的交、并、差 姓名：Far_Rainbow 学号： 202505000X 专业： 软件工程 年级：2020级 实验名称：实验1 集合的交、并、差 实验内容： （1）实验目的 通过该实验，让学生复习巩固C语言中的循环结构、循环控制条件、分支结构和数组/链表、函数的调用等有关内容，体会到用数组存储集合时，需要记录集合元素的个数，否则输出结果会出现数据越界现象。 （2）实验内容 通过键盘，分别输入两个数据元素类型为正整数的集合A和B，以负数输入为结束条件，输出两个集合的交、并、差。 （3）实验要求 从程序完善性上考虑，集合元 阅读详情

相关推荐

别再只改config了！YOLO/RT-DETR多通道输入实战：数据集结构、多卡训练与参数优先级避坑指南

本文详细解析了YOLO/RT-DETR模型在多通道输入（如8通道多光谱图像）中的实战应用，涵盖数据集结构优化、数据加载器改造、模型参数调优及多卡训练配置。针对常见的多通道输入报错问题，提供了系统的解决方案和性能优化技巧，帮助开发者高效实现非标准数据格式的适配与训练。

weixin_30955617的博客 397

80端口和8080端口

而8080，一般用与webcahe，完全不一样的两个，比如linux服务器里apache默认跑80端口，而apache-tomcat默认跑8080端口，其实端口没有实际意义只是一个接口，主要是看服务的监听端口。80是http协议的默认端口，是在输入网站的时候其实浏览器（非IE）已经帮你输入协议了，所以你输入http://baidu.com，其实是访问http://baidu.com:80。网络端口是指TCP/IP协议中的端口，是逻辑意义上的端口。一个服务器上有不同的站点，即可以用不同的端口号来访问。

子夜的博客 4694

AB脉冲详解（编码器，PLC，上位机）

编码器线有些是用不到的。Z脉冲：360度中，只有1度是输出，输出能力是。编码器实际就是发光二极管，所以电流超过20ma会缩短寿命或损坏。

cfqq1989的博客 1万+

各种常用的默认端口号 总结

从1025～65535的端口被称为动态端口（Dynamic Ports），可用来建立与其它主机的会话，也可由用户自定义用途。443端口：HTTPS 加密的超文本传输服务。5432端口：PostgreSQL数据库端口。27017端口：mongoDB数据库默认端口。22122端口：fastdfs服务器默认端口。8888端口：Nginx服务器的端口。3306端口：MYSQL数据库端口。6379端口：Redis数据库端口。8080端口：TCP服务端默认端口。21端口：FTP 文件传输服务。

qq_59572227的博客 3936

销售预测的方法与模型（三）丨安全库存与再订货（补货）

较高的 Z 值对应较高的服务水平（例如，服务水平 99% 对应 Z 值 2.33），意味着企业希望更低的缺货风险，因此需要更高的安全库存。在再订货点的管理中，考虑到供应商交货的不确定性，通常需要结合安全库存，以防止在交货期间库存用尽。要对L开根号，根号L表示交货周期越长，企业需要的安全库存越多，因为在较长的供应期内，需求波动的累积效应更明显。举例：供应商的交期服从标准差为2件/天的正态分布，顾客需求为50件/天的正态分布，若要客户服务水平达到 90%，安全库存量应该是多少？下面介绍几种核心的模型与公式。

weixin_45675709的博客 1534

Saturn PCB Toolkit V8.02 实战：5分钟完成10A电源路径的走线与过孔通流验证

本文详细介绍了如何使用Saturn PCB Toolkit V8.02快速验证10A电源路径的走线与过孔通流能力。通过实战案例和参数配置指南，帮助工程师解决大电流PCB设计中的温升失控、过孔瓶颈等核心挑战，提升设计效率和可靠性。

weixin_34194829的博客 451

防火墙放开80端口

2. 开放8080端口：与开放80端口类似，进入防火墙设置界面，找到“入站规则”选项，并点击“新建规则”。然后，在“特定本地端口”中输入“8080”，并选择“允许连接”并点击“下一步”。接着，在“允许的连接”中选择“所有网络”，并点击“下一步”。以下是具体步骤： 1. 开放80端口：首先，进入防火墙设置界面，找到“入站规则”选项，并点击“新建规则”。然后，在“特定本地端口”中输入“80”，并选择“允许连接”并点击“下一步”。接着，在“允许的连接”中选择“所有网络”，并点击“下一步”。

wangjunlei的专栏 9335

使用GEOquery包下载原始数据

使用GEOquery包下载原始数据

m0_75172651的博客 1892

程序员必知：日常高频使用端口及功能详解

本文梳理了程序员高频使用的端口及其应用场景：开发调试端口（8080/3000/5000/8000）、远程运维端口（22/3389）、数据库中间件端口（3306/6379/5432/9092）及工具服务端口（80/443/8888）。重点解析了各端口的功能、使用场景及安全注意事项，并提供了端口占用问题的通用解决方案（查询进程、终止进程）。帮助开发者快速定位端口需求，提升开发效率。

蓝墨の学习笔记 3539

7系列ZYNQ硬件调试：Vitis无法识别ARM DAP的排查与解决

本文详细分析了Xilinx 7系列ZYNQ芯片在Vitis开发环境中无法识别ARM DAP的常见问题及解决方案。从硬件设计检查（电源系统、时钟电路）、JTAG连接诊断到软件环境排查，提供了全面的调试指南。特别针对ARM DAP初始化失败的情况，给出了实用的排查步骤和预防措施，帮助开发者快速定位和解决类似问题。

weixin_33737134的博客 514

STM32通过ESP8266连接机智云APP（第二讲，烧录固件并测试）

今天与大家分享STM32通过ESP8266连接机智云APP，并完成数据的上传下发第二讲。带大家一起烧录机智云固件到ESP8266并且将其通过机智云串口助手与APP进行测试。

qq_63267523的博客 1425

windows 网络排查 netstat telnet

windows 网络排查 netstat telnet

global_coding的博客 911

AUTOSAR进阶图解==＞AUTOSAR_SWS_COM

AUTOSAR COM模块是AUTOSAR通信堆栈的核心组件，提供信号导向的通信服务。该模块位于通信服务层，连接RTE与PDU Router，主要功能包括信号封装/提取、传输模式管理、信号路由、超时监控和字节序转换等。COM模块架构分为应用层、通信服务层和通信抽象层，包含信号管理、I-PDU处理、传输模式管理等组件。其配置结构包括顶层容器、I-PDU组、I-PDU和信号等多层次配置对象，支持丰富的参数设置。模块采用严格的状态管理机制，包括模块状态和I-PDU组状态转换，确保通信可靠性。

一名留德华的，康德的信徒的，专注于汽车电子领域的博客 1244

解决8080端口占用问题

在dos下，输入 netstat -ano|findstr 8080 //说明：查看占用8080端口的进程 显示占用端口的进程 taskkill /pid 4708 /f //说明，运行windows自带taskkill命令，将上面显示的进程号，结束掉。 同理其他端口也如是 转载于:https://www.cnblogs....

weixin_34122604的博客 232

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

解决端口8080占用问题

在dos下，输入 netstat -ano|findstr 8080 //说明：查看占用8080端口的进程 显示占用端口的进程 taskkill /pid 4708 /f //说明，运行windows自带taskkill命令，将上面显示的进程号，结束掉。 同理其他端口也如是 转载于:https://www.cnblogs.com/sev...

weixin_30546933的博客 91

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

关掉tomcat 后 仍占用端口 关掉方法

dos窗口输入 netstat -ano 查看8080端口pid的值 ntsd -c q -p PID值

gengeng1211的博客 453

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

解决tomcat占用8080端口问题

解决tomcat占用8080端口问题方案一：关闭占用该端口号的应用程序 1.用管理员身份打开dos窗口，然后输入: netstat -ano|findstr 8080 //查看占用8080端口的进程2.找到显示占用端口的进程，然后继续在窗口中输入：taskkill /pid 8080 /f //运行windows自带taskkill命令，将上面显示的进程号，结束掉。

ailo555的专栏 742

【DOS命令】Windows | 端口 | 关闭端口占用

Dos命令-关闭端口占用，强杀

hgSuper的博客 996

Several ports (8005, 8080, 8009) required by Tomcat v7.0 Server at localhost are already in use. The

在管理员权限下的dos，输入  netstat   -ano|findstr  8080  查看到占用8080端口的pid是7612，然后输入 taskkill /pid 7612 /f

u012486325的博客 401

windows杀占用端口的进程

win+R打开运行，输入cmd，进入dos界面； 2 输入netstat -ano | findstr 8080;查看占用端口8080，每个人的端口号可能占用的不同，要根据实际情况来看； 3 输入taskkill /f /pid 占用进程；这步是关闭占用进

想飞的鱼 569

Tomcat默认8080端口被占用了？看我暴力解决

文章目录前言一、解决思路二、解决步骤1、打开cmd管理员窗口2、输入命令查看端口号和进程号3、通过任务管理器关闭进程总结 前言 在使用idea开发Java Web的过程中，部署Tomcat之后经常会遇到8080端口被占用的情况，之前在网上搜索了很多解决办法，比如修改默认的端口号来解决8080端口被占用的问题，但是在idea中我修改了8080端口后运行jsp文件仍然显示占用，后来通过DOS窗口+任务管理器来关闭占用8080端口的进程，在这里记录下来，以后遇到这种情况就知道该怎么去解决 提示：以下是本篇文章

世纪末的架构师的博客 6231

Dos命令查看端口占用及关闭进程

在使用tomcat的时候偶尔启动tomcat时出错，显示端口被占用，可以使用命令直接将对应的进程杀死，重启tomcat即可 Dos命令查看端口占用及关闭进程 1. 查看端口占用 在windows命令行窗口下执行： netstat -aon|findstr "8080" 端口“8080”被PID（进程号）为的136776进程占用。 查看端口“8080”被哪个应用占用，，继续执行下面命令...

liuhao的博客 311

Dos命令查看端口占用及关闭进

Dos命令查看端口占用及关闭进程 1. 查看端口占用 2. 关闭进程 3. 端口状态 1. 查看端口占用 在windows命令行窗口下执行： netstat -aon|findstr "8080" TCP 127.0.0.1:80 0.0.0.0:0 LISTENING 2448 ...

165

计算机系统的8080端口,服务器8080端口无法访问如何处理？ 电脑访问不了8080端口的解决方法。...

今天给大家带来服务器8080端口无法访问如何处理？，电脑访问不了8080端口的解决方法。，让您轻松解决问题。服务器8080端口无法访问怎么办 我的电脑访问不了8080端口解决方法。我们在使用电脑的时候，总是会遇到很多的电脑问题。当我们的电脑服务器端口8080无法访问的时候，我们应该怎么办呢？一起来看看吧。方法一：1、在键盘上找到WINDOWS键，然后同时按住WINDOWS键和R键，在跳出的运行款里...

weixin_35949431的博客 8859
上一篇： vmware启动虚拟机提示"无法连接虚拟设备ide1:0，主机上没有相对应的设备"
下一篇： Linux下查看端口占用情况
点赞 0
评论 0
书签 书签 0
HackProgramer
HackProgramer
博客等级 码龄12年 255粉丝 23原创
+ 关注 专栏目录 订阅专栏
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
 
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