linux基础(十二)虚拟机上外网

虚拟机Linux配置IP,pnig通外网。 设置虚拟机的ip,并且能够ping通外网,进而可以通过Xshell软件来链接虚拟机进行管理。 阅读详情

虚拟机上外网

(虚拟机172.25.254.101,真机172.25.254.1):

真机器充当路由器的角色,通过snat功能将虚拟机到达的数据的内网ip段伪装成外网能识别的外网ip。

连接wifi查看wifi的ip:ifconfig查看为172.20.10.5

通过几条防火墙策略将真机变成能把其他网段来的数据包伪装成172.20.10.5的机器,充当路由器功能。

首先确保防火墙status是开的

firewall-cmd --permanent --add-masquerade

firewall-cmd  --permanent --add-rich-rule 'rule family=ipv4 source address=172.20.10.5 masquerade’      #将虚拟机的包伪装成172.20.10.5这个wifi的ip

firewall-cmd --reload           #刷新firewall状态

然后在虚拟机里配置网关为真机的ip:172.25.254.1

然后重启网络,要想生效有可能还需要先关闭下systemctl stop NetworkManager.service。

现在虚拟机就可以通过输入ip访问外网了,注意这里不能是域名,输入www.baidu.com等是无法访问的,只有输入百度的ip(220.181.111.188)才能访问,为什么呢?因为没有dns域名解析服务,无法将域名对应成域名本身的ip

先查看下真机连上wifi自动生成的dns:

把真机的dns配置:‘nameserver 172.20.10.1’添加到虚拟机/etc/resolv.conf文件中即可,这样在虚拟机输入域名就可以访问外网了。

tip:/etc/hosts是一个本地解析,也可以将一个ip对应一个域名,例如在虚拟机/etc/hosts里面加上’220.181.111.188    www.baidu.com’ 这样一条就可以输入百度域名访问了,但成千上万的域名不可能在本地>一一手动输入。因此有dns服务,是一个能对应所有域名ip的互联网服务。这里选择使用172.10.10.1这台dns互联网服务器帮我们做所有域名解析的工作。      

图解:

1.虚拟机ping外网

2.真机ping外网

VirtualBox虚拟机Linux CentOS 7连外网小记 关于VirtualBox虚拟机Linux CentOS 7连外网注意事项 阅读详情

相关推荐

主机使用代理上网,虚拟机Linux的shell如何连外网

在公司电脑上网都需要使用代理,虚拟机里面装的Linux系统需要使用yum命令来安装软件,所以需要在shell界面能连上外网才行。 因为公司限制了每个人只能用一个IP,所以虚拟机中的Linux使用NAT方式和主机相连。主机是Win7操作系统,会发现网络里面多了VMnet8这个网络。   在VMware界面,点击“编辑”,“虚拟网络编辑器”

FateDier的专栏 1万+

如何配置Linux虚拟机访问外网

使用VMware配置好一个Linux系统后,让Linux系统连上外网,方便安装 所需要的软件包。 当我们在windows上安装好VMware后,使用ipconfig命令可以查到windows上增加了两块虚拟网卡: 我们看到两块虚拟网:vmnet1 和 vmnet8 ,那这两块虚拟网卡是怎么用的呢? 虚拟机与物理通信有3种方式: 第一种是:桥接模式 ----与物理机的网卡一样,就相当于在物理机多了一...

a200822146085的博客 1万+

Linux:配置虚拟机连通外网

配置vmware虚拟机实现连通外网,方便下载重启网卡部分需要注意,这会断开网络连接,在生产环境这样操作,可能还需要到机房进行配合处理。以上。

MaHoneChen1994的博客 2379

解决vmware虚拟机重启后ping不通外网

正常情况下,通过nat配置后linux虚拟机是可以Ping通外网 配置如下: 第一步:进入VMware Workstation后点击虚拟机,点击设置,点击适配器,将网络连接模式改成自定义,选择VMnet8(NAT模式),点击确定。 第二步:点击VMware Workstation界面的编辑,点击虚拟网络编辑器,点击NAT模式,配置DNS和DHCP,主要DHCP分配的子网网段可以自己指定。 ...

刘大可1017的博客 5921

虚拟机搭建外网机

类似于把物理主机虚拟为一个交换机,所有桥接设置的虚拟机连接到这个交换机的一个接口上,物理主机也同样插在这个交换机当中,所以所有桥接下的网卡与网卡都是交换模式的,相互可以访问而不干扰。在桥接模式下,虚拟机IP地址需要与主机在同一网段,如果需要联网,则网关与DNS需要与主机网卡一致。点击选择主机模式,首先先进行对子网ip的修改,再点击DHCP设置,对起始ip地址和结束ip地址进行范围修改。*注意*:ip范围的前两位要和子网ip前两位一致。一、虚拟机有三种网络连接模式:桥接模式、主机模式、NAT模式。

weixin_64803649的博客 3034

解决虚拟机Linux(一个内网一个外网)不能上网问题

在我刚接触虚拟机的时候,也是什么都不懂,在安装的图形化界面还好,连网还算顺利,可是在最小化的时候,我的虚拟机总是出现不能上网的情况,特别是一开始就弄的两个网卡,我就更不会了,导致在让它能够上网这块,碰了很多灰,现在我把我遇到的所有情况的解决方式分享给大家。 1.网络适配器 1.1首先要知道能上网的就两种模式,侨接(自定义里面的VMnet0)和NAT模式(自定义里面的VMnet8(NAT)作为外网),记住仅主机模式(自定义里面的VMnet1(仅主机模式))是作为内网,内网是不能上网的,不能上网不能上网...

qq_56241424的博客 7232

外网访问VMware的linux虚拟机

时间:2011-07-23 环境:VMware 7.1.3    Ubuntu Server10.10和Fedora9   外网访问虚拟机下的linux可以分两种方式,可以根据你的环境选择适用的     一、linux虚拟机采用Bridge(桥接)上网   适用:使用路由器上网的企业或家庭环境(静态ip)

好行者 6785

让外网访问VMware的Linux,访问虚拟机上部署的javaweb项目

我这是在公司里面,xp系统安装的VMware虚拟机,安装的CENTOS系统。上网采用NAT方式。 在centos上部署了javaweb项目。用的tomcat。端口8080.  想让同事访问该web项目。 1.     虚拟机上网采用NAT方式 2.    VMware虚拟机端口映射 使用NAT上网的linux虚拟机是和主机共享一个ip的,此时外网访问这个ip是访问你的主

Happy in Code 1万+

【linux】VMware虚拟机外网访问配置以及本机ssh连接vmware虚拟机

登录centos,依次点Activties-》terminal终端,输入ifconfig,得出IP地址是:169.254.90.129。第三步:点属性,把默认的【自动获取IP地址】改成【使用下面的IP地址/DNS服务器地址】,具体修改仿照我改好的参照。第一步:打开网络和共享中心 ,选择更改适配器选项,选中VMnet8,右键选择属性打开。第二步:在右键打开的属性页面,双击选中internet协议版本4(TCP/IPv4),3)在编辑->虚拟机网络编辑器->更改设置。1)菜单栏,虚拟机-》设置,配置。

baidu_31295661的博客 1万+

OpenClaw Windows 最详细安装指南

Windows上养龙虾:OpenClaw完整安装教程+钉钉接入,助你养只大龙虾

weixin_43405859的博客 2215

VN5620硬件接口介绍

VECTOR, VN5620, 诊断

Fecostar的博客 7493

Linux虚拟机VMnet8连接外网(详细)

1.三种vmnet网络模式的差异 1.VMNet1 使用的是host-only的链接模式,即虚拟机只能与主机构成内部通信,无法对外网进行访问。 2.VMNet0 模式:使用桥接模式,安装VM后,在VM里建立虚拟机 默认 就是该模式。 场景:如果你只是需要一台虚拟机可以和宿主互通,并可以访问外网,此模式即可。 描述:安装虚拟机系统后不需要调整网络,物理网络中的 “路由” 所包含的DHCP服务器...

RealityMan的博客 8913

Matlab处理气象数据(六)数据的面积加权

由于地理投影导致导致每个像元实际地面面积不同,越靠近北极实际面积越小,越靠近赤道实际面积越大,如果不进行面积加权就简单平均,会导致温度较实际温度偏低。 用以下公式计算地理投影每个像元的面积: double pi = 3.1415926; double R = 6371007.181; //units - m double area = (pi/180.0)*R*R*fabs(sin(dLat1/180.0*pi) - sin(dLat2/180.0*pi)) * fabs(dLon1 - dLo

设计の诗 1万+

linux虚拟机ping不通外网问题

linux虚拟机ping不通外网问题 最近在学习Linux系统操作,跟随的是韦东山老师的视频。 一开始在使用的虚拟机VMware设置网络适配时是按照桥接模式来进行设置的,如图: 并设置了DHCP自动获取IP: 但是在实际操作中发现 本机可以ping上外网,ubuntu可以ping通本机,Ubuntu可以上网(会将本机网络挤掉,即不具备和本机同时上网的功能),但是ping不同外网非常奇怪。 于是我在网上搜索相关的问题时,都在说将动态获取IP(DHCP)改成静态(Manual),再在vi编辑器中脚本更改锁定

qq_38168606的博客 4501

开关电源补偿设计避坑手册:为什么你的Buck电路总在轻载时振荡?

本文深入剖析了Buck电路在轻载时发生振荡的根本原因,并提供了专业的补偿设计避坑指南。文章指出,轻载下输出滤波器Q值飙升、DCM模式切换导致的小信号模型剧变是主要诱因,并详细对比了Type II与Type III补偿网络在宽负载范围内的表现差异。通过结合LTspice仿真与工程实践,指导工程师如何优化补偿环路设计,确保电源从满载到空载的全程稳定。

hadoop5ranger的博客 679

【手把手教学】YOLOv13的Dilated Reparam Block (DRB) 实现细节与优化技巧

DRB(Dilated Reparam Block)是一种创新的卷积神经网络模块,通过多分支膨胀卷积和结构重参数化技术显著提升模型性能。训练阶段使用不同膨胀率和卷积核大小的并行分支增强特征提取能力,推理阶段则将这些分支融合为单一高效的大核卷积。该方法成功解决了大核卷积的计算复杂度和训练困难等问题,在保持推理效率的同时,使模型准确率提升8.56%,mAP暴涨12.33%。DRB的核心在于训练时复杂、推理时简单的设计哲学,以及膨胀卷积的多尺度特征提取能力,为CNN性能优化提供了新的思路。

FJN110的博客 558

VMware虚拟机无法连外网问题

注意:以下练习都是在Windows 10 系统下操作的。 问题:练习该课程时,VM虚拟机中Linux还是不能连外网。最终解决方案是需要设置主机网络共享。 ⭐️ 注意:以上步骤执行完成后,需再检查下【3、配置网卡->3.3设置VMnet8的IP地址】步骤。 一、VM虚拟机 1、概述 虚拟机 (Virtual Machine) 指通过 软件模拟 的具有完整硬件系...

mavis_385541553的专栏 1710

ADBC 全面解析:ABAP 开发者玩转 Native SQL 的实战指南

本文介绍了 SAP ABAP 中的 ADBC(ABAP Database Connectivity)技术,它是一种基于 ABAP 面向对象的类库,用于访问 Native SQL 接口。与 Open SQL 和 EXEC SQL 相比,ADBC 具有以下优势:支持特定数据库语法、可访问二级数据库连接、执行多种 SQL 操作且语法更 ABAP 化。文章通过示例展示了 ADBC 的基本用法,包括创建语句对象、执行查询和处理结果集。建议在需要数据库特有功能或二级连接时优先使用 ADBC,同时提供封装类来简化调用。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 313

Linux虚拟机(网络桥接,采用静态网络)无法连接外网

VM版本:10.0.4 Linux版本:rhel-server-5.4-i386-dvd 网络:手机热点 问题点 Linux虚拟机使用静态网络连接不上外网,但是两台虚拟机之间可以相互连接。本地也ping不 通虚拟机IP。 下图是两台虚拟机静态IP。 本地电脑网络IP如下: 解决方法(一) 将VM的虚拟网络编辑器下的桥接模式桥接到手机热点网络上(默认:自动)。 重启虚拟机 启动好之后,进入...

枫的等待 2661

orange软件:入门使用

orange做数据分析契机实验手册目录orange软件部分界面展示小试牛刀:数据导入和展示小试牛刀:散点图绘制总结 契机 今天在上大数据时代实验课,作为一名软件工程专业的大三学生,在上这节公选课之前就决定这节课做完这个学期所有的实验报告,可以说“有亿点”不屑;尤其当老师说Python很麻烦的时候,我更是震惊了,因为我接触过这么多编程语言,Python真的很友好了,很傻瓜,但是当老师打开实验手册的时候,我真香了!!!下面先来看看手册的目录: 实验手册目录 为什么会真香呢,因为目录里这些有好多机器学习算法!

weixin_45880844的博客 1万+

在 SAP ECC 中定义 ledger 时遇到 “Define exactly one leading ledger“(消息号 FAGL_LEDGER_CUST012)的错误

摘要:SAP系统要求必须且只能定义一个主导分类账(Leading Ledger)。当出现错误消息FAGL_LEDGER_CUST012时,需通过事务码FINSC_LEDGER或SPRO路径检查分类账配置,确保仅有一个分类账被标记为"LeadingLedger",其余设为"Non-leadingLedger"。主导分类账是SAP默认用于标准报表的核心分类账,修改配置需谨慎以免影响已有数据。若问题未解决,建议检查未完成配置或查阅SAP Notes获取解决方案。

金牌架构师 802

linux 虚拟机连接外网配置,很简单

linux 访问外网配置

qq_41187116的博客 4285

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

VMware中的linux虚拟机访问外网

1. 首先 本机必须可以连接网络2.本机的ip地址打开cmd控制台。输入ipconfig /all3. 通过  vi /etc/sysconfig/network-scprits/ifcfg-eth0   ,修改ifcfg-eth0 文件BROADCAST 的IP值要和VMNET8中的ip保持一致且最后一位必须为255IPADDR的IP值要和VMNET8中的ip保持一致且最后一位必须为1~255的...

dd_king的博客 2429

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

kali虚拟机如何使用桥接模式连接外网

虚拟机怎样使用桥接模式连接外网! vmware为我们提供了三种网络工作模式,它们分别是:Bridged(桥接模式)、NAT(网络地址转换模式)、Host-Only(仅主机模式)。 打开vmware虚拟机,我们可以在选项栏的“编辑”下的“虚拟网络编辑器”中看到VMnet0(桥接模式)、VMnet1(仅主机模式)、VMnet8(NAT模式),那么这些都是有什么作用呢?其实,我们现在看到的VMnet0表示的是用于桥接模式下的虚拟交换机;VMnet1表示的是用于仅主机模式下的虚拟交换机;VMnet8表示的是用于NA

qq_40317852的博客 8484

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")

VMware虚拟机下Linux系统访问局域网和外网

要使用Linux系统很重要的一个操作就是使Linux系统能够访问互联网,只有Linux系统能够访问互联网才能够去下载很多自己所需要的资源,如果不能访问互联网那么使用Linux系统往往会卡在这一步,假设你装的是一个minimal版本的CentOS,那么很多Linux系统下面的工具都是没有被安装的,这个时候如果不能访问互联网,你会感觉特别的蛋疼,因为很多工具都没法下载以及安装,那么,今天小Alan就给...

linli1991的博客 4293

Linux虚拟机ping不通外网

在新配的电脑上搭集群,结果以来就遇到了ping不同外网的问题,这里声明一下,把虚拟机的ip地址(vi /etc/sysconfig/network-script/ifcfg-ens33)设置为静态(static)以后,不需要去更改VMnet8的适配器选项中的内容(因为在网上很多攻略都看到需要修改这个),让他自动获得即可,如图: 这里需要注意的是ifcfg-ens33文件中的配置: TYPE=Eth...

ttwind_的博客 1098
上一篇: linux基础(十一)管理网络、配置ip、网关、DNS、DHCP简单使用
下一篇: linux基础(十三)软件安装rpm、yum
ToryCode
博客等级 码龄3年 44粉丝 130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