Tomcat配置

Tomcat安装和配置(超详细) tomcat下载安装和配置,环境变量的配置 ,启动闪退问题 ,修改端口号 阅读详情

1、安装Tomcat

1.1、下载

下载路径:https://tomcat.apache.org/download-90.cgi

1.2、配置

1.2.1、配置虚拟路径

cd /usr/local/tomcat-8088/conf

vim server.xml

找到Host name="localhost"如下修改:

<Host name="localhost" appBase="/home/scjt/web/expressway8088" unpackWARs="true" autoDeploy="true" reloadable="false">

将reloadable改为false。

1.2.2、配置jdk

cd /usr/local/tomcat-8088/bin

vim setclasspath.sh

export JAVA_HOME=/usr/local/jdk1.8.0_191

export JRE_HOME=/usr/local/jdk1.8.0_191/jre

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/apr/lib

如果配第二个tomcat,需再增加,第一个不需要:

# tomcat8086 env

export CATALINA_HOME_8086=/usr/local/tomcat-8086

export CATALINA_BASE_8086=/usr/local/tomcat-8086

export TOMCAT_HOME_8086=/usr/local/tomcat-8086

tomcat名称以你新建的tomcat命名为准。

1.2.3、配置环境变量

vim /etc/profile

环境变量增加如下:

# tomcat8088 env

export CATALINA_HOME=/usr/local/tomcat-8088

export CATALINA_BASE=/usr/local/tomcat-8088

export TOMCAT_HOME=/usr/local/tomcat-8088

如有第二个tomcat,还需要再增加:

# tomcat8086 env

export CATALINA_HOME_8086=/usr/local/tomcat-8086

export CATALINA_BASE_8086=/usr/local/tomcat-8086

export TOMCAT_HOME_8086=/usr/local/tomcat-8086

执行,使环境变量生效。

source /etc/profile

1.2.4、加大内存

vim catalina.sh

找到cygwin=false,在这一行的前面加入参数,具体如下:

JAVA_OPTS="-server -Xms1024m -Xmx7000m -XX:MaxNewSize=512m"

jvm参数说明:

-server 一定要作为第一个参数,启用JDK的server版本,在多个CPU时性能佳

-Xms java Heap初始大小。 默认是物理内存的1/64。

-Xmx java heap最大值。建议均设为物理内存的80%。不可超过物理内存。

-Xmn java heap最小值,一般设置为Xmx的3、4分之一。

-XX:SurvivorRatio=2 生还者池的大小,默认是2。如果垃圾回收变成了瓶颈,您可以尝试定制生成池设置

-XX:NewSize 新生成的池的初始大小。 缺省值为2M。

-XX:MaxNewSize 新生成的池的最大大小。 缺省值为32M。

+XX:AggressiveHeap 让jvm忽略Xmx参数,疯狂地吃完一个G物理内存,再吃尽一个G的swap。

-Xss 每个线程的Stack大小

-verbose:gc 现实垃圾收集信息

-Xloggc:gc.log 指定垃圾收集日志文件

-XX:+UseParNewGC 缩短minor收集的时间

-XX:+UseConcMarkSweepGC 缩短major收集的时间

-XX:userParNewGC 可用来设置并行收集(多CPU)

-XX:ParallelGCThreads 可用来增加并行度(多CPU)

-XX:UseParallelGC 设置后可以使用并行清除收集器(多CPU)

1.2.5、配置第二个tomcat

如果配第二个tomcat,需再增加,第一个不需要:

vim catalina.sh

在开始处加入,命名同环境变量:

export CATALINA_BASE=$CATALINA_BASE_8086

export CATALINA_HOME=$CATALINA_HOME_8086

1.2.6、处理不能关闭

vim catalina.sh

找到# Ensure that any user defined CLASSPATH variables are not used on startup,

在前加入:

# shutdown tomcat

if [ -z "$CATALINA_PID" ]; then

    CATALINA_PID=$PRGDIR/CATALINA_PID

    cat $CATALINA_PID

fi

vim shutdown.sh

找到:

exec "$PRGDIR"/"$EXECUTABLE" stop "$@" 增加参数-force,增加后如下:

exec "$PRGDIR"/"$EXECUTABLE" stop -force "$@"

1.2.7、加大并发量

cd /usr/local/tomcat-8088/conf

vim server.xml

去掉如下注释:

<!--

<Executor name="tomcatThreadPool" namePrefix="catalina-exec-" maxThreads="150" minSpareThreads="4"/>

-->

改为:

<Executor name="tomcatThreadPool" namePrefix="catalina-exec-" maxThreads="500" minSpareThreads="25" maxIdleTime="4000" />

关闭https安全验证,将:

<Listener className="org.apache.catalina.core.AprLifecycleListener" SSLEngine="on" />

改为:

<Listener className="org.apache.catalina.core.AprLifecycleListener" SSLEngine="off" />

SSLEngine简单理解为,就是数据发送前wrap打包加密,数据接收时unwrap解包解密,这样一个https通过SSLEngine的过程。

注掉如下代码:

改为:

<Connector executor="tomcatThreadPool" port="8088" protocol="org.apache.coyote.http11.Http11AprProtocol" URIEncoding="UTF-8" enableLookups="false" maxThreads="800" acceptCount="1000" connectionTimeout="1000"maxKeepAliveRequests="500" redirectPort="8443" />

2、安装APR

2.1、下载

下载apr,apr-util。

下载路径:http://apr.apache.org/download.cgi

下载地址:

http://mirrors.hust.edu.cn/apache//apr/apr-1.6.5.tar.gz

http://mirrors.hust.edu.cn/apache//apr/apr-util-1.6.1.tar.gz

2.2、安装expat-devel

yum -y install expat-devel

2.3、安装apr

cd /usr/local

tar -zxvf apr-1.6.5.tar.gz

cd apr-1.6.5

./configure

make

make install

2.4、安装apr-util

cd /usr/local

tar -zxvf apr-util-1.6.1.tar.gz

cd apr-util-1.6.1

./configure --with-apr=/usr/local/apr/

make

make install

3、安装tomcat-native

cd /usr/local/tomcat-8088/bin

tar -zxvf tomcat-native.tar.gz

cd tomcat-native-1.2.18-src/native

./configure --with-apr=/usr/local/apr/bin/apr-1-config --with-java-home=/usr/local/jdk1.8.0_191

make

make install

从注册到投稿:一步步教你完成KBS期刊的在线投稿流程(最新版) 本文详细介绍了如何完成KBS期刊的在线投稿流程,从账号注册到最终提交的全过程。特别针对初次使用Elsevier投稿系统的研究者,提供最新版系统的操作指南,包括投稿要求、文件格式、作者信息管理等关键步骤,帮助研究者顺利投稿至这一人工智能领域的知名期刊。 阅读详情

相关推荐

OMNeT++入门指南:从tictoc1到tictoc18的实例解析与实战演练

本文是OMNeT++网络仿真框架的入门实战指南,详细解析了从tictoc1到tictoc18的经典示例。内容涵盖OMNeT++的下载安装、核心三文件(.ned, .cc, .ini)的编写、模块化建模、自定义消息、数据统计与可视化,以及参数化批量仿真等核心技能,帮助读者从零开始掌握这一强大的网络仿真工具。

weixin_29228781的博客 327

Tomcat安装与配置(详细教程)

Tomcat安装与配置,Eclipse集成Tomcat,Eclipse如何配置Tomcat

weixin_65213208的博客 18万+

ml307 二次开发

中移物联网旗下4g模组官方网站官方教程id=514官方客户不知道啥时候上班 早上10点也说不在服务时间内 找不到官方的sdk下载路径。

myWorld001的博客 2872

Tomcat安装和配置,超详细(附JDK安装及配置环境变量)

Tomcat是Apache 软件基金会(Apache Software Foundation)的Jakarta 项目中的一个核心项目,由Apache、Sun 和其他一些公司及个人共同开发而成。由于有了Sun 的参与和支持,最新的Servlet 和JSP 规范总是能在Tomcat 中得到体现,Tomcat 5支持最新的Servlet 2.4 和JSP 2.0 规范。因为Tomcat 技术先进、性能稳定,而且免费。成为目前比较流行的Web 应用服务器。

qq_73185696的博客 6万+

ArcGIS渔网分割实战:用Create Fishnet快速生成1km×1km网格(附GDP数据分析案例)

本文详细解析了ArcGIS中Create Fishnet工具在渔网分割中的应用,从基础操作到GDP空间分析全流程。通过1km×1km网格的创建与优化,实现经济数据的空间标准化和可视化表达,解决数据融合与分析的三大核心痛点。

weixin_29250403的博客 295

携程景点评论数据爬取实战:破解AJAX动态加载与分页参数逆向分析

本文详细介绍了携程景点评论数据爬取的实战经验,重点破解了AJAX动态加载与分页参数逆向分析的技术难题。通过分析`getCommentCollapseList`接口,解析动态参数如`poiId`和`pageIndex`,并实现分页逻辑,帮助开发者高效获取评论数据。文章还提供了完整的Python爬虫代码和反爬策略,适用于数据分析与内容挖掘。

weixin_29098367的博客 673

Tomcat的配置

然后,会出现错误信息,点击下图的序号2,之后在中间的框里会出现对应的war exploded,如果没有这个fix按钮,则可以点击加号,选择。然后最后如果你的tomcat版本过高,可能会出现问题,所以一定要查好版本选择可适用的jdk版本。第二步:在新建的module右键,然后点击下图的红框部分。jdk1.8的话,不建议用高版本,可以用tomcat9。上述操作之后,Module下面会出现下面的文件。4、在idea中创建Tomcat。第一步:新建一个Module。需要有Java的环境变量;右键Module选择。

2303_77090031的博客 3282

NSX-T 4.1部署搭建

NSX-T4.1 部署搭建

weixin_58250887的博客 564

全网最详细的Tomcat安装和配置教程,图文详解

一、Tomcat的下载及安装 1、首先进入Apache Tomcat官网 2、左侧Download下面是Tomcat最新的几个版本(7、8、9、10)的下载链接,右侧是对每个版本的最新版进行特性介绍,主要讲述与上一版本相比新增了哪些特性。3、博主在这里选择Tomcat 9版本进行下载(最新的版本会不稳定),点进去选择64位的下载(如果电脑是32位的操作系统,选择32位的下载),压缩包要下载到指定的文件夹中,这个压缩包是免安装的,所以解压目录就是安装目录。记住这个安装目录,后面配置环境变量都是用的这个

振华OPPO的博客世界 27万+

Unity的粒子系统使用shadergraph(内置管线)制作的一个顶点偏移shader,但是粒子模型移动时,顶点也会偏移?

🏆本文收录于 《全栈Bug调优(实战版)》 专栏,该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因,并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者,还是拥有多年项目经验的资深工程师,本专栏都将为你提供一条系统化、高质量的问题排查与优化路径,助力你加速成长,攻克技术壁垒,迈向技术价值最大化与职业发展的更高峰🚀!

**My Coding Family** 1174

【OS】AUTOSAR OS Alarm实现原理

AUTOSAR OS Alarm实现原理

qq_36056498的博客 1022

idea配置tomcat

1.添加tomcat 2.点击Edit Configurations后打开如下界面。 3.点击加号 4.在这里配置tomcat信息 5.填写好基本tomcat信息后,点击ok。我们就配置好了Tomcat,此时我们会看到。项目中显示了我们刚才配置的的Tomcat。 但是直接运行的话,会报错,所以我们还需要配置 6.下面打开Project Structure 7.打开后,在Modules中...

汉子一枚 13万+

使用xlwings在Python中对Excel表格进行操作是非常方便的,可以实现自动化处理、批量数据处理等功能

使用xlwings在Python中对Excel表格进行操作是非常方便的,可以实现自动化处理、批量数据处理等功能。本篇文章主要介绍如何使用xlwings对Excel表格进行多行多列数据设置和操作,并给出相应的源代码。接着,我们可以对这个范围内的所有单元格进行操作,如设置字体颜色、填充颜色、对齐方式等。以上就是使用xlwings对Excel表格进行多行多列数据操作和设置字体颜色、填充色和对齐方式的全部内容。最后,我们可以将数据写入到单元格中,也可以从单元格中读取数据。在Excel中,可以通过。

BUG?不存在的! 712

IDEA配置tomcat的方法、IDEA配置tomcat运行web项目

IDEA配置tomcat的方法 1.打开idea,在项目运行列表下拉选择“Edit Configurations” 2.点击 左上角的"+">Templates -> Tomcat Server -> Local>ok 3.在打开的界面,第一行“Name”中填入tomcat的名称 4.然后点击Configure…,在Application Servers界面,点击“+”,在Tomcat Server配置界面选择要添加的已安装的tomcat路径(bin的上一级路径),最后点击“O

weixin_55689501的博客 1万+

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

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")

Tomcat的配置和Myeclipse配置Tomcat

由于Tomcat启动需要依赖JDK,所以需要先安装JDK,及JDK的环境配置。JDK下载可以在Oracle官网下载。 一·Tomcat的配置 1.JDK安装完毕,需要设置环境变量“JAVA_HOME”为JDK 的安装跟路径 2.配置Tomcat的环境变量“CATALINA_HOME”,变量值为Tomcat的安装跟路径 二Myeclipse配置Tomcat 1.打开Myeclipse,选择windows,然后点击pre...

weixin_49372978的博客 5832

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!

IDEA如何配置Tomcat

很多小伙伴下载源码空间站或者其它地方的项目后,发现不会在IDEA中配置Tomcat,所以本文这里给大家讲解一下如何配置Tomcat。

6万+

Eclipse配置Tomcat

一、前提Eclipse配置Tomct前先确保本地已经按照了Tomcat了,我已经安装过了(其实就是解压下),安装版本为apache-tomcat-9.0.75,需要记着安装位置E:\Java\apache-tomcat-9.0.75二、配置Tomcat打开Eclipse,菜单栏点击Window -> Preferen...

cnzzs的博客 6571

tomcat配置

一、下载tomcat 1.访问官网:https://tomcat.apache.org/ 我们这里下载tomcat8版本,选择相应的操作系统版本,我这里是windows 64位zip下载, 2.解压缩文件,将apache-tomcat-8.5.76.zip压缩包解压缩 把他解压到某个目标文件,比如我的地址:F:\tomcat8\apache-tomcat-8.5.76 3.配置环境变量 新增 CATALINA_HOME,地址就是刚才文件夹 ,不需要带/bin 然后在PATH中 ,末尾新添加%CATAL

cai_4的博客 8178

idea如何配置tomcat

Tomcat安装,以及idea配置Tomcat教程

k393393的博客 3万+

如何配置Tomcat,以及Tomcat和IIS的配置(1)

如何配置Tomcat,以及Tomcat和IIS的配置(1)1、首先要先下载JDK和Tomcat,我使用的版本是JDK_1_4_2_08和Tomcat5.0.16.下载网址请自己网上搜。下面先安装JDK,然后再安装Tomcat。安装完成以后就要添加环境变量了。右击我的电脑->属性->高级->环境变量,在系统变量中新建或编辑环境变量需要添加的环境变量如下:(1)、JAVA_HOME(JDK运行使用

1469

tomcat配置url跳转_Tomcat常用配置详解

1 目录结构/bin:脚本文件目录。/common/lib:存放所有web项目都可以访问的公共jar包(使用Common类加载器加载)。/conf:存放配置文件,最重要的是server.xml。/logs:存放日志文件。/server/webapps:来管理Tomcat-web服务用的。仅对TOMCAT可见,对所有的WEB APP都不可见(使用Catalina类加载器加载)。...

weixin_39603799的博客 2330

tomcat配置详解以及如何在tomcat中配置二个项目

(1)安装和配置tomcat以及jdk 1 下载jdk sun官方站:http://java.sun.com/javase/downloads/index.jsp     下载jdk1.6.0_01 2 下载tomcat tomcat官方站点:http://tomcat.apache.org/download-60.cgi 配置JDK环境变量

willie_chen的专栏 1817

【Tomcat】Tomcat配置https证书

Tomcat配置https证书 网上搜索出来大多数是通过keytool自已生成证书来完成,这种在工作很少用到(浏览器会报不安全)。以下是通过申请的证书配置过程。因为在配置中遇到了一些坑,记之 1、准备证书与私钥demo.crt demo.key2、合并证书openssl pkcs12 -export -in demo.crt -inkey demo.key -out demo.p12 -n

KIWI的专栏 1825
上一篇: java开发环境搭建(一)
下一篇: java开发环境搭建(二)Intellij IDEA工具
呱小飞
博客等级 码龄9年 26粉丝 23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