Ubuntu下JDK和Tomcat的安装和配置

本文详细介绍了如何在Linux环境下安装配置JDK及Tomcat的过程。包括JDK的下载、安装、环境变量配置,以及Tomcat的下载、解压、配置等关键步骤。


一、JDK安装

1、首先登录http://www.oracle.com/technetwork/java/javase/downloads/index.html JDK官方网站,下载jdk-6u25-linux-i586.bin安装文件(如下载的是jdk-7u1-linux-i586.tar.gz文件,解压就可以了,没有此安装步骤,解压命令sudo tar zxvf jdk-7u1-linux-i586.tar.gz)


2、修改权限:chmod 777 jdk-6u25-linux-i586.bin


3、执行安装命令:sudo ./jdk-6u25-linux-i586.bin


二、配置环境变量:

1、打开根目录下的etc文件夹:cd /etc


2、检索profile文件:ls -l |grep profile(也可以是environment文件,区别是,profile是用户环境,environment是系统环境。如果同一个变量在用户环境(/etc/profile)和系统环境(/etc/environment)有不同的值那应该是以用户环境为准了。)


3、使用vim(需要安装,命令为:sudo apt-get install vim)文本编辑器打开profile文件:sudovim profile (我这儿使用gedit文本编辑器打,命令为:sudo gedit profile)


4、打开profile之后,在文件的最后输入以下内容(我的JDK安装目录为/home/henry/tools/jdk1.6.0_25):

export JAVA_HOME=/home/henry/tools/jdk1.6.0_25

export JRE_HOME=$JAVA_HOME/jre

export PATH=$PATH:$JAVA_HOME/bin 

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib

然后保存关闭,重启系统后使用以下命令:java -version 查看是否配置成功,使用命令:which java 查看安装目录。

注意:变量名大写,而且多个值用 ":" 分割,windows系统中使用 ";" 分割。

三、安装Tomcat

1、通过此链接http://apache.etoak.com/tomcat/tomcat-7/v7.0.23/bin/apache-tomcat-7.0.23.tar.gz下载apache-tomcat-7.0.23.tar.gz压缩文件

2、解压此文件,命令为:sudo tar zxvf apache-tomcat-7.0.23.tar.gz  改名为tomcat7,命令为:sudo mv apache-tomcat-7.0.23 tomcat7


3、打开tomcat7目录下的bin目录,打开catalina.sh文件。执行命令:sudo gedit catalina.sh

4、修改catalina.sh文件内容,在文件中加入以下代码:JAVA_HOME=/home/henry/tools/jdk1.6.0_25 (位置无所谓了,我是放在注释文件的下面)


5、打开tomcat的安装目录下的bin目录,执行:sudo ./startup.sh 命令启动tomcat,在浏览器中输入:http://localhost:8080就可以查看是否成功启动tomcat了。执行:sudo ./shutdown.sh 命令关闭tomcat。

 

 

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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