Tomcat 7.0多端口配置

Tomcat多端口启动web应用 0、参考与调料包 参考:无 调料包:CentOS7.4, docker, 示例代码 1、简介 最近在梳理一个没了源码的项目,目的是整出它的源码。源码丢失的原因是没有全量发版,每次都是直接将class文件放入tomcat内的项目进行替换也就完事了,经过多人交接后,该项目无论是源码,还是部署方式(多个模块)都百花齐放,令人叹为观止。 在整理代码前,为了以后部署方便,也为了防止重蹈覆辙,就需要先把项目的部署方式梳理一遍,也就有了下面这个Tomcat多端口启动web应用的demo。 2、具体步骤 . 阅读详情

修改tomcat/conf目录里面server.xml文件

例如下面这样新增一个8081端口,设置下appBase目录,这样就可以用一个tomcat监听多个端口,每个端口都可以放应用了。我这样新增下面这个配置以后,tomcat就监听了2个端口(8080,8081)

webapps目录和webapps1目录的应用都会启动,可以根据不同的端口进行访问里面的应用

  1. <?xml version="1.0" encoding="UTF-8"?>  
  2.   
  3. <Server port="8005" shutdown="SHUTDOWN">  
  4.   <Listener className="org.apache.catalina.startup.VersionLoggerListener" />  
  5.   <Listener className="org.apache.catalina.core.AprLifecycleListener" SSLEngine="on" />  
  6.   <Listener className="org.apache.catalina.core.JreMemoryLeakPreventionListener" />  
  7.   <Listener className="org.apache.catalina.mbeans.GlobalResourcesLifecycleListener" />  
  8.   <Listener className="org.apache.catalina.core.ThreadLocalLeakPreventionListener" />  
  9.   
  10.   <GlobalNamingResources>  
  11.   
  12.     <Resource name="UserDatabase" auth="Container"  
  13.               type="org.apache.catalina.UserDatabase"  
  14.               description="User database that can be updated and saved"  
  15.               factory="org.apache.catalina.users.MemoryUserDatabaseFactory"  
  16.               pathname="conf/tomcat-users.xml" />  
  17.   </GlobalNamingResources>  
  18.   
  19.   
  20.   <Service name="Catalina">  
  21.    
  22.     <Connector port="8080" protocol="HTTP/1.1"  
  23.                connectionTimeout="20000"  
  24.                redirectPort="8443" />  
  25.        
  26.     <Connector port="8009" protocol="AJP/1.3" redirectPort="8443" />  
  27.    
  28.     <Engine name="Catalina" defaultHost="localhost">  
  29.    
  30.       <Realm className="org.apache.catalina.realm.LockOutRealm">  
  31.    
  32.         <Realm className="org.apache.catalina.realm.UserDatabaseRealm"  
  33.                resourceName="UserDatabase"/>  
  34.       </Realm>  
  35.   
  36.       <Host name="localhost"  appBase="webapps"  
  37.             unpackWARs="true" autoDeploy="true">  
  38.    
  39.         <Valve className="org.apache.catalina.valves.AccessLogValve" directory="logs"  
  40.                prefix="localhost_access_log" suffix=".txt"  
  41.                pattern="%h %l %u %t "%r" %s %b" />  
  42.   
  43.       </Host>  
  44.     </Engine>  
  45.   </Service>  
  46.     
  47.   <Service name="Catalina2">  
  48.    
  49.     <Connector port="8081" protocol="HTTP/1.1"  
  50.                connectionTimeout="20000"  
  51.                redirectPort="8445" />  
  52.        
  53.     <Connector port="8010" protocol="AJP/1.3" redirectPort="8445" />  
  54.    
  55.     <Engine name="Catalina" defaultHost="localhost">  
  56.    
  57.       <Realm className="org.apache.catalina.realm.LockOutRealm">  
  58.    
  59.         <Realm className="org.apache.catalina.realm.UserDatabaseRealm"  
  60.                resourceName="UserDatabase"/>  
  61.       </Realm>  
  62.   
  63.       <Host name="localhost"  appBase="webapps2"  
  64.             unpackWARs="true" autoDeploy="true">  
  65.    
  66.         <Valve className="org.apache.catalina.valves.AccessLogValve" directory="logs"  
  67.                prefix="localhost_access_log" suffix=".txt"  
  68.                pattern="%h %l %u %t "%r" %s %b" />  
  69.   
  70.       </Host>  
  71.     </Engine>  
  72.   </Service>  
  73. </Server>  
<?xml version="1.0" encoding="UTF-8"?>

<Server port="8005" shutdown="SHUTDOWN">
  <Listener className="org.apache.catalina.startup.VersionLoggerListener" />
  <Listener className="org.apache.catalina.core.AprLifecycleListener" SSLEngine="on" />
  <Listener className="org.apache.catalina.core.JreMemoryLeakPreventionListener" />
  <Listener className="org.apache.catalina.mbeans.GlobalResourcesLifecycleListener" />
  <Listener className="org.apache.catalina.core.ThreadLocalLeakPreventionListener" />

  <GlobalNamingResources>

    <Resource name="UserDatabase" auth="Container"
              type="org.apache.catalina.UserDatabase"
              description="User database that can be updated and saved"
              factory="org.apache.catalina.users.MemoryUserDatabaseFactory"
              pathname="conf/tomcat-users.xml" />
  </GlobalNamingResources>


  <Service name="Catalina">
 
    <Connector port="8080" protocol="HTTP/1.1"
               connectionTimeout="20000"
               redirectPort="8443" />
     
    <Connector port="8009" protocol="AJP/1.3" redirectPort="8443" />
 
    <Engine name="Catalina" defaultHost="localhost">
 
      <Realm className="org.apache.catalina.realm.LockOutRealm">
 
        <Realm className="org.apache.catalina.realm.UserDatabaseRealm"
               resourceName="UserDatabase"/>
      </Realm>

      <Host name="localhost"  appBase="webapps"
            unpackWARs="true" autoDeploy="true">
 
        <Valve className="org.apache.catalina.valves.AccessLogValve" directory="logs"
               prefix="localhost_access_log" suffix=".txt"
               pattern="%h %l %u %t "%r" %s %b" />

      </Host>
    </Engine>
  </Service>
  
  <Service name="Catalina2">
 
    <Connector port="8081" protocol="HTTP/1.1"
               connectionTimeout="20000"
               redirectPort="8445" />
     
    <Connector port="8010" protocol="AJP/1.3" redirectPort="8445" />
 
    <Engine name="Catalina" defaultHost="localhost">
 
      <Realm className="org.apache.catalina.realm.LockOutRealm">
 
        <Realm className="org.apache.catalina.realm.UserDatabaseRealm"
               resourceName="UserDatabase"/>
      </Realm>

      <Host name="localhost"  appBase="webapps2"
            unpackWARs="true" autoDeploy="true">
 
        <Valve className="org.apache.catalina.valves.AccessLogValve" directory="logs"
               prefix="localhost_access_log" suffix=".txt"
               pattern="%h %l %u %t "%r" %s %b" />

      </Host>
    </Engine>
  </Service>
</Server>

OK

把项目war包改名为ROOT放进appBase属性指定的路径下启动服务即可。


附:Tomcat端口说明:

1. 采用记事本打开Tomcat安装目录下的conf文件夹下的server.xml文件。 
2. 在server.xml文件中找到以下代码: 
(1)<connector port="8080"protocol="HTTP/1.1"connectionTimeout="20000" 
redirectPort="8443"/> 
此连接器是负责建立HTTP连接。再通过浏览器访问Tomcat服务器的web应用时使用的就是这个端口,如果此端口被占用可将其修改一个未被占用的端口,例如 将上面代码中的port="8080"修改为port="8081",即可将Tomcat的默认端口设置为8081。在修改端口时,应避免与公用端口冲突。建议采用默认的8080端口,不要修改,除非8080端口被其他程序所占用。 
(2) <Server port="8005" shutdown="SHUTDOWN"> 
8005端口是用来关闭Tomcat服务的端口,如果此端口被占用,可在配置文件中将8005改成其他端口 
(3)<Connector port="8009" protocol="AJP/1.3" redirectPort="8443" />    
 此连接器负责和其他的HTTP服务器建立连接,再把Tomcat与其他的HTTP服务集成时需要使用此连接器。如果此端口被占用,可在配置文件中将8009改成其他端口 
(4)<Connector port="8443" protocol="HTTP/1.1" SSLEnabled="true" 
maxThreads="150" scheme="https" secure="true" clientAuth="false" 
keystoreFile="D:\Tomcat6.0\conf\tomcat.key" keystorePass="123456" 
sslProtocol="TLS" /> 
此连接器的作用是启动HTTPS服务,一般的情况此段内容是被注释掉的,只有开启HTTPS服务时才会放开使用,如果此端口被占用则修改8443端口为其他没被占用的端口,并且需要将(1)和(3)中的也要修改 
3.  修改成功后,为了使新设置的端口生效,还需要重新启动Tomcat服务器。

 

一个tomcat配置多个端口运行不同项目 里面是一个8.5的tomcat,在对应的webapps下部署了,我写的两个简单的web页面,用于测试一个tomcat配置多个端口运行多个项目。 立即下载

相关推荐

Python地理空间库安装指南:从gdal到geopandas的完整流程

本文详细介绍了Python地理空间库的完整安装流程,包括gdal、rasterio和geopandas等核心库的安装与配置。通过Anaconda环境管理和conda-forge频道,帮助开发者高效解决依赖问题,确保地理空间数据处理环境的稳定运行。

weixin_29091105的博客 462

Tomcat服务器,部署及整合

常见的启动失败情况有,双击startup.bat文件,就会出现一个小黑窗口一闪而过,这个时候失败的原因就基本上是没有配置好JAVA_HOME环境变量。是Tomcat工作时的目录,用来存放Tomcat运行时jsp翻译为Servlet的源码,和Session钝化的目录。找到Tomcat目录下的bin目录下的startup.bat文件,双击,就可以启动Tomcat服务器。====>>>>> 没有工程名的时候 ,默认访问的是ROOT工程。ROOT的工程的访问,以及默认index.html页面的访问。

H_JH123的博客 532

TNS-12516及ORA-12516错误解决

在客户端进行sqlplus连接报错如下: ORA-12516: TNS: 监听程序找不到符合协议堆栈要求的可用处理程序 在/home/oracle/product/10.2.0/db_1/network/log/listener.log中查看到错误如下: TNS-12516: TNS:listener could not find available handler with matchin

KEL 2万+

【精·超详细】一个Tomcat,开启多个端口,启动多个项目(一看就会)

tomcat 多端口 多项目

马涛的博客 1万+

虚拟机VirtualBox下载与安装、安装Ubuntu超详细图文步骤,对一些配置问题也有所写。

自己使用过两款虚拟机,相较于VMware虚拟机来说,virtuabox虚拟机所占内存更小,只有几十兆,且完全开源不收费,里面的功能与VMware基本差不多(在日常开发、学习使用完全够用)。最主要的是,在博主自己使用VMware时经常出错,而virtualbox就更稳定一些,所以这篇是针对virtualbox的安装与一些细节部分。

l1015649309的博客 4万+

sophgo sdk v23.03.01

C/C++程序建议在x86主机上使用交叉编译工具链编译生成可执行文件后,再拷贝到SoC目标平台运行。# 创建docker用户组,若已有docker组会报错,没关系可忽略。对于SoC模式,模型转换也需要在docker开发容器中完成;docker开发容器的配置参照前述章节相关内容。6、创建docker容器并进入Docker。# docker命令免root权限执行。# 将当前用户加入docker组。# 重启docker服务。# 安装 docker。3、安装docker。7、SoC 环境配置。

weixin_40723768的博客 913

Tomcat的三个端口(一个电脑同时启动两个tomcat)

Tomcat我们经常在使用,那么关于tomcat你又知道多少呢?在tomcat中存在多个脚本命令,如下图所示:   最近负责系统的集成和部署,发布在了Linux系统一版,为了调试方便也为了调试的速度加快,同样在window系统上部署了一版,为了更加高效的部署,将两个项目打成zip包,解压后放到了tomcat下面。   同一个tomcat,但是修改了端口号,就可以实现两个程序一块运行

李晓娜 3922

5分钟看懂LTE注网全流程:从PLMN选择到小区驻留的log分析技巧

本文深入解析了LTE终端从开机到成功驻留小区的完整流程,重点分享了基于QXDM和QCAT工具的log分析实战技巧。文章详细拆解了PLMN选择、System/Band扫频、小区搜索与同步、系统消息解析及驻留等关键步骤,并提供了高频问题场景的排查思路,帮助网络优化工程师快速定位终端侧、射频环境或网络配置问题。

app77的博客 432

Tomcat中发布多个项目,用不同的端口;以及多个tomcat同时运行端口冲突问题

在一个Tomcat下配置多个服务,用不同的端口号 一台机器运行多个tomcat行,容易发生端口冲突,需要更改端口,需要改的有三个地方:

m0_62342566的博客 2456

YOLOv11数据集增强 | 引入多种数据集增强方法,支持图像和标签同步扩充增强

本文介绍了YOLOv11目标检测中的数据集增强技术,重点解决图像与标注标签同步扩充的关键问题。文章系统分析了三类增强方法:几何变换(翻转、旋转、缩放)、颜色变换(亮度、对比度调整)和高级增强(Mosaic、MixUp),并探讨了其在小样本检测、复杂场景泛化和多方向目标识别等场景的应用价值。针对核心的标签同步问题,提供了基于Python和OpenCV的详细代码实现示例,展示如何对图像进行水平翻转和缩放操作时精确调整YOLO格式边界框坐标。该技术能有效解决训练数据不足和多样性匮乏问题,显著提升模型的泛化性能。

走向CTO的路上... 1512

Unity-RetargetPro3-动画插件试用

一个名气大于实战的插件。

大话程序员 710

【tomcat】修改端口后,本地启动两个tomcat,但还是显示端口占用的解决办法

今天在使用cas(单点登录技术)和slor的时候,因为都是要部署在tomcat中,便分别放在了两个tomcat下,修改好端口后,启动其中一个,没有问题,但是再启动另一个的时候,就会显示端口被占用,明明已经修改过端口了,为什么还是显示端口占用呢? 这篇文章主要来说一下解决的办法,具体的原理方面涉及到了tomcat的原理及源码等方面,因此后面专门写一个原理解析。 原因: 因为你可能只修改了808...

Aimo_哈撒的博客 1834

华为ensp、思科eve、华为ensp pro中通过cloud桥接本地网络和联通互联网的方法

华为ensp、思科eve中通过cloud桥接本地网络和联通互联网的方法

suofen9703的博客 414

tomcat7.0 下配置,多端口,一端口多实例

1、监控多端口的配置   enableLookups="true" redirectPort="8443" acceptCount="100" connectionTimeout="20000" disableUploadTimeout="true"  URIEncoding="utf-8"/>                     enableL

zhuyu19911016520 3031

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

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!

Apache 2.2.22整合IIS7和Tomcat7共用80端口【包括DNS域名解析、泛解析 】

服务器环境 Web 服务器:操作系统Windows Server2008 DNS 服务器:操作系统Windows Server2003 客户端系统:Windows XP Web服务器安装IIS7.0 Web服务器安装Tomcat7就不必介绍了,注意事项:确保安装路径没有空格[实践总结] Web服务器安装Apache2.2.22版本: 网络域名和服务器名我是随便输入的。 ...

洪斌的博客 225

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

tomcat实现多端口、多域名访问

tomcat实现多端口、多域名访问 摘要 tomcat可以实现:多个端口访问同一个web应用、不同的应用通过不同的域名进行访问。 tomcat可以实现:多个端口访问同一个web应用、不同的应用通过不同的域名进行访问。 本文介绍的都是只启动一个tomcat服务的情况下,当然,实现这些功能也可以通过启动多个tomcat服务实现。 百度经验:jingyan.baidu.co

bestlove12345的博客 3535

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 7 & 8 的多主机多端口配置入门

0x00 核心配置文件 Server.xml   位于目录 conf 中的配置文件 server.xml 是 Tomcat 的核心配置文件,无论是涉及到 Tomcat 的性能还是安全,都是在此文件中进行配置。   server.xml 由比较多的组织部件组成,下面是一张来自 Tomcat 使用...

chundihuai5764的博客 255

nginx反向代理配置多域名多端口ssl

nginx反向代理配置多域名多端口ssl 如题,我使用的环境是centos7.5,nginx/1.16.1,tomcat9。目前我搭配的是一个给tomcat使用的域名配ssl,一个是给node使用的域名配ssl,使用的是两个不同的端口。 至于安装nginx和tomcat、node的安装还有申请证书之类的我这里就不说了。 1.修改tomcat配置 如图,修改端口号,我这里是改为3003,...

qq_43521336的博客 6803

linux服务器(centos7)Apache+Tomcat 安装配置以及集群实现(上)

现在服务器都往云方向发展,公司新配服务器全部为电信云服务器,系统为centos7,故而也开始了linux的学习之路。 先从最基本的服务器配置学习开始  因为云服务器只对外开放了9090~9096这几个特定的端口,所以采用apache 监听这些端口并转发到相应的tomcat,实现软负载均衡  以下操作在vm虚拟机中进行,系统centos7 Apache安装

ymlkl的专栏 7063

WampServer下使用多端口访问的技巧

http://www.jb51.net/article/73096.htm 由于在学习中要用到跨域请求,所以不得不在wamp集成环境下添加多站点服务。本文主要给大家介绍wampserver下使用多端口访问,需要的朋友可以参考下 因为学习中要用到跨域请求,所以不得不在wamp集成环境下添加多站点服务。   1、首先你要确保已经正确安装了wamp。     2、接着在wamp的安装目录

lc547913923的专栏 1990

tomcat服务多端口配置linux,Linux配置多個Tomcat同時運行以及tomcat 的端口介紹

步驟如下:(1)修改/etc/profile文件。添加一組java環境變量(如果已經有了就不用再添加),和兩組CATALINA環境變量(我沒有進行此步驟的設置,可能因為我的Tomcat是免安裝版的吧)記得修改完要使其生效,用命令:source /etc/profileJAVA_HOME=/usr/java/jdk1.7.0PATH=$JAVA_HOME/bin:$PATHCLASSPATH=.:$...

weixin_35106801的博客 256

Tomcat7多网站、多端口

一、说明 1.appBase为项目的绝对路径,docBase为WEB目录 2.Host下的Alias是一个域名别称,可以配置多个域名。 3.Host里如果没有Context节点,则非webapps文件夹下,直接不用虚拟目录访问,会抛404找不到文件的错误,比如上面配置中test1域名下必须用虚拟目录比如这里的TestWeb2来访问;Host下面的cont...

weixin_33714884的博客 180

Tomcat多域名,多端口配置

如果想一个Web应用可以被多个端口访问,只需要在server.xml添加如下配置就可以。 &lt;Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" URIEncoding= "utf-8" maxHttpHeaderSize="10

青藤光年的博客 1299

【Spring Web教程】SpringBoot 实现一应用多端口

一应用多端口通俗来讲是指启动一个springboot项目同时监听多个端口。 使用场景:1.反向代理中间件、动态网关实现。上篇文章介绍的是SpringBoot 反向代理的实现,简单接口转发可以满足,但仅仅依靠单个端口配置路由转发无法满足多域名多站点的反向代理,因为前端静态文件CSS、JS是相对路径。而多端口就能满足需求,Nginx通过多端口,实现的一个Nginx服务代理多个Web前端站点。......

terrybg 1万+

tomcat学习(windows和linux环境多端口部署多项目)

文章目录认识tomcat下载安装目录解读启动查看日志访问访问可能遇到的错误关闭tomcat部署项目简单部署8080端口单项目多端口配置多项目server文件需要更改的地方简述部署多个springboot项目遇到的坑配置无需war包名直接端口访问 认识tomcat 下载 http://tomcat.apache.org/ 安装 解压压缩包即可。 note: 安装目录建议不要有中文和空格 目录解读 ...

maruijiego 1245

tomcat多端口访问不同目录

系统为64位,centos5 1、下载,安装jdk,tomcat软件 mkdir /soft cd /soft wget http://download.oracle.com/otn-pub/java/jdk/6u32-b05/jdk-6u32-linux-x64.bin wget http://tomcat.apache.org/download-70.cgi/a...

weixin_33769207的博客 120
上一篇: TeamViewer远程唤醒主机实战教程(多图)
下一篇: MAVEN的安装和Myeclipse+maven的配置和使用
elementf
博客等级 码龄14年 30粉丝 9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