Ubuntu16.04安装maven3.50以上

Ubuntu16.04如何安装maven3.6.0 目录 下载 解压 配置环境变量 配置阿里源 重启 下载 maven我用的是3.6.0,官网链接上下载http://maven.apache.org/download.cgi,下载tar.gz后缀的包 解压 找个目录解压 tar -zxvf apache-maven-3.6.0-bin.tar.gz 配置环境变量 ... 阅读详情

一、序言

    因为我需要搭建Atlas环境,所以就要安装Maven,我也是很无奈,我的虚拟机因为要搭建Atlas实现Mysql读写分离,所以又要重新安装jdk(还必须是1.8以上)、maven(还必须是3.5以上)、两个mysql(本地,虚拟机)、还要实现两个服务器上面的mysql的主从复制,真的是很无奈,今天一天什么都没干,就搭建环境,所以如果有看到这篇文章的小伙伴们,一定要耐心看下去,这是小编的一片心血,希望可以帮助到你们。

二、安装步骤

   1、下载

     下载地址  http://maven.apache.org/download.cgi

   

    2、下载完成后将其移动到你创建的maven目录下面,我的是/usr/java/maven,便于管理

        

  3、解压

     sudo tar -zxvf apache-maven-3.5.4-bin.tar.gz

 4、配置maven环境

    执行该命令:sudo gedit /etc/profile

    在结尾添加以下内容

   export M2_HOME=/usr/java/maven/apache-maven-3.5.4
   export CLASSPATH=$CLASSPATH:$M2_HOME/lib
   export PATH=$PATH:$M2_HOME/bin

   好多博客中是这么说的,这是没错的,但是好多人的该文件中配置了jdk的环境变量,所以肯定有些修改

    #set Java environment

   export JAVA_HOME=/usr/java/jdk/jdk1.8.0_181
   export JRE_HOME=$JAVA_HOME/jre
   export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH:$M2_HOME/lib
   export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH:$M2_HOME/bin
   export M2_HOME=/usr/java/maven/apache-maven-3.5.4

    

  执行该命令使其生效:source /etc/profile

  测试是否正确配置:mvn -v

    

5、到此已经配置好了,但是因为我们是属于追求完美的,所以我们需要配置maven源为阿里云的

    sudo gedit /usr/java/maven/apache-maven-3.5.4/conf/settings.xml

   1、在/home目录下生成maven/repository文件夹,这是在配置maven的仓库的位置。

     

   

  2、修改maven源(中央仓库镜像阿里云)

  • <mirror>

  • <id>nexus-aliyun</id>

  • <name>nexus-aliyun</name>

  • <url>http://maven.aliyun.com/nexus/content/groups/public</url>

  • <mirrorOf>central</mirrorOf>

  • </mirror>

到此为止,大功告成

三、总结

  maven和jdk配置类似,需要化境变量,并且maven还需要配置镜像库和maven仓库的位置,但是相对来说还是所装软件中比较简单的一种,终于可以使用Atlas实现动态分离了,类似了,如果有需要的小伙伴,可以看一下我的下一篇文章

 

Ubuntu16.04 安装Maven 3.5.3 参考链接:https://blog.csdn.net/weixx3/article/details/80331538 https://blog.csdn.net/stormkai/article/details/86539924 1、Maven 官网 https://maven.apache.org/download.cgi 或者https://archive.apache.org/dist/ma... 阅读详情

相关推荐

Moltemplate建模----水盒子data文件

1功能介绍 Moltemplate是LAMMPS官方支持的建模工具之一,适用于LAMMPS建模。该程序创建了一种简单的文件格式来存储分子定义和力场,即模板LT。LT文件包含与特定分子有关的所有文本(包括坐标,键拓扑,角度,力场参数,约束,组和修复)。 Moltemplate可以复制分子,对其进行自定义,然后用它作为构建更大、更复杂分子的基础。构建后,可以自定义...

元素魔方科研服务 2599

Linux(centos7)安装maven3.5

1.创建一个maven文件夹 [root@MiWiFi-R3-srv ~]# mkdir /usr/local/maven http://maven.apache.org/download.cgi 2.上传apache-maven-3.5.0-bin.tar.gz到/usr/local/maven/目录下 3.解压 [root@MiWiFi-R3-srv ~]# tar -zxvf a...

h952520296的博客 616

74hc595驱动模块的Verilog设计(线性状态机)

module hc595_driver( input clk, //50Mhz input rst_n, //复位信号 input [15:0] data, //数码管待显示数据,8位段选数据,8位位选数据 input en, //使能 o...

qq_41294540的博客 3746

ubuntu安装JDK8及Maven3.5

一、Ubuntu 安装JDK8JDK8安装过程1.下载linux版的JDK8(根据自己操作系统下载对应32位或64位的JDK)点击打开链接2.解压我们下载JDK的压缩包tar -zxvf jdk-8u171-linux-x64.tar.gz3.复制文件sudo mv  jdk1.8.0.171 /usr/local/jdk84.配置/etc/profile文件变量vi /etc/profile进入...

h985161183的博客 1337

OneNet平台MQTT连接避坑指南:C语言Token计算实战(附完整代码)

本文详细解析了OneNet平台MQTT连接中的Token计算机制,提供了C语言实现的完整代码和实战指南。通过HMAC算法和Base64编码,开发者可以高效生成安全凭证,避免常见连接问题,适用于物联网设备开发。

weixin_29193359的博客 464

Sigrity System Explorer Transient Analysis模式进行瞬态仿真分析操作指导-差分信号

Sigrity System Explorer Transient Analysis模式可以用于瞬态仿真分析,通过搭建简易拓扑用于前仿真分析通道的时域性能,下面搭建一个简易的差分拓扑进行说明,以下图为例,准备好发送接收端的IBIS模型, (ibis_se.ibs,本例发送接收端都使用相同的IBIS模型),以及传输线的S参数模型(welement_se.sp)最上方的图形界面是传输线的模型,本例是一个上下都有参考平面的带状线,右侧的梯形是蚀刻角度,根据W1和W2以及铜厚来确定。

weixin_54787054的博客 440

Ubuntu下Maven安装和使用

Ubuntu下Maven安装和使用

成功=坚持+努力+目标 5409

嵌入式RTOS实战:uC/OS-III最新版移植指南(附项目源码)

本文提供uC/OS-III实时操作系统的完整移植指南,涵盖源码配置、工程搭建到任务调度的全流程。针对移植中的常见编译错误,给出关键修改方案(如中断重定义、配置使能等),附已验证的工程源码,通过LED任务实验验证稳定性,帮助开发者高效完成移植。适合嵌入式工程师及RTOS学习者参考。

Bit_Dong的博客 2475

Ubuntu系统中安装maven详细教程

Ubuntu系统中安装maven详细教程

weixin_45428910的博客 1万+

【YOLOv8改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征

为了提高各种计算机视觉任务的性能,研究了多种注意力机制。然而,现有方法忽视了保留通道和空间两个方面信息的重要性,以增强跨维度的交互。因此,我们提出了一种全局注意力机制,通过减少信息损失和放大全局交互表示来提升深度神经网络的性能。我们引入了带有多层感知器的3D排列用于通道注意力,同时结合了卷积空间注意力子模块。在CIFAR-100和ImageNet-1K上的图像分类任务评估中,表明我们的方法在ResNet和轻量级MobileNet上稳定地优于几种最新的注意力机制。

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 1160

UniRx之基本语法格式

想要更好的去学习UniRx,我们最好是先理解UniRx 的语法格式。就像我们去学习英语或者汉语一样,理解了基本的语法规则后,再学其他的就信手拈来了。

TxNet 925

Ubuntu如何安装maven

关于使用Ubuntu安装maven。

Peter Cheung的博客 2510

5ZCM6ZGrVDllSFLkv6Hmga/ljJbnrqHnkIbns7vnu58= GetFlowDropDown SQL注入

5ZCM6ZGrVDllSFLkv6Hmga/ljJbnrqHnkIbns7vnu58=、eHR/OA一体化智慧云平台、智慧一卡通云平台、行业软件开发与定制、智慧企业管理信息化咨询与项目服务为核心业务的顾问式管理咨询和软件个性定制开发的高科技股份集团公司。同鑫T9eHR信息华管理系统存在SQL注入漏洞,攻击者可通过该漏洞上传shell。关闭互联网暴露面或接口设置访问权限。利用sqlmap进行shell。

iSee857的博客 704

ubuntu16.04安装maven

maven是个项目管理工具,在编程领域应用广泛。本文主要讲述如何在ubuntu16.04系统下安装maven。

rocky的编程随记 3万+

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&#39;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(&#39;DeepLearnToolbox&#39;));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(&#39;state&#39;,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&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,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 = &#39;sigm&#39;;%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, &#39;Too big error&#39;);```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(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;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)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;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, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% 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&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 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, &#39;Too big error&#39;);```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(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % 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, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);%% 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(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Ubuntu16.04安装maven3.5.2

ubuntu16.04安装maven3.5.2版本。1、首先去官网下载maven3.5.2官网地址:http://maven.apache.org/ 点击Download进入下载页面: 下载软件包: 2、解压解压命令: tar zxvf apache-maven-3.5.2-bin.tar.gz 将解压之后生成的文件夹apache-maven-3.5.2移动到自己喜欢的文件夹下面!本

西瓜游侠的博客 2318

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Ubuntu16.04安装onos

Ubuntu16.04安装onos

qq_41422393的博客 817

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Ubuntu16.04Java开发环境搭建

Ubuntu16.04Java开发环境搭建      本文介绍了在Ubuntu16.04下搭建Java开发环境,包括安装Jdk1.7+Eclipse+Tomcat7+Mysql5.7+Git+Maven 3.3.3 以及在eclipse中的配置使用,都是自己安装成功后总结的,分享给大家~~~ 安装JDK1.71.下载所需jdk版本 jdk-7u79-linux-x64.tar.gz:jdk历史版

yajing8的博客 8726

Ubuntu16.04配置maven

环境: Ubuntu16.04 apache-maven-3.5.2 1、下载maven wget http://mirrors.tuna.tsinghua.edu.cn/apache/maven/maven-3/3.5.2/binaries/apache-maven-3.5.2-bin.tar.gz 2、解压 tar -zxvf apache-maven-3.5.2-bin.

BruceLeeNumberOne的博客 4341

Ubuntu16里Maven3.6.3的安装与配置

Maven是一个跨平台、开源的项目构建工具,可以实现项目的自动化构建,从清理、编译、测试到生成报告,再到打包和部署。它可以一条命令,来管理项目的整个生命周期,规避了繁琐的编译、源码分支管理等,更加人性化,大大缩短了项目的部署和调试时间。 这里介绍,在Ubuntu16上,安装Maven 3.6.3并配置其环境。

sanqima的专栏 1415

Linux上(Ubuntu16.04)安装Maven3.3.9工具包

Linux上(Ubuntu16.04)安装Maven3.3.9工具包

pucao_cug的专栏 4514

Ubuntu 安装Maven步骤

首先,我用的系统是Ubuntu16.04 LTS,编辑器用的 Sublime ,Maven以 3.5.0为例 第一步,去官网下载maven。 官网下载页面.png 第二步,解压到/opt/maven目录(我安装在这个目录) 创建manve目录。 sudo mkdir /opt/maven 解压到/opt/maven目录下。 sudo tar zxvf apach...

lyc0424的博客 2619

Ubuntu16.04 安装maven

maven是个项目管理工具,在编程领域应用广泛。本文主要讲述如何在ubuntu16.04系统下安装maven。第一步,去官网下载maven。 第二步,解压到/opt/maven目录。创建manve目录。 sudo mkdir /opt/maven 解压到/opt/maven目录下。 sudo tar zxvf apache-maven-3.5.0-bin.tar.gz...

weixin_30390075的博客 261

ubuntu下配置maven环境

前言 竟然没写过配置maven的文章,简直是莫大失误,好了,下面是参考文章 额–都差不多。 Ubuntu 16.04 安装Maven3.3.9 过程 下载maven的bin包。 http://maven.apache.org/download.cgi 下载以后: 然后,创建存放的目录: sudo mkdir /usr/lib/mvn 解压缩: sudo tar -zxvf apache...

一名普通码农的菜地 2539
上一篇: Ubuntu16.04下载安装jdk1.8
下一篇: 高性能sql调优-整体架构
JavaWeb_Hao
博客等级 码龄9年 21粉丝 73原创
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
 
 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