基于docker安装配置mysql,mongodb,redis

linux centos docker mysql redis mongodb rabbitmq 安装配置 基本使用 要求 Docker支持以下的CentOS版本: CentOS 7(64位) CentOS 6.5(64位)或更高的版本 Docker要求CentOS系统的内核版本高于3.10,查看本页面的前提条件来验证你的CentOS版本是否支持做cker。 通过uname -r命令查看你当前的内核版本 以下蓝色字体为需要执行执行命令 我用的系统未centOS 7.1如果是最新版centos 请看我的另外一篇... 阅读详情

1.docker 安装

sudo yum update -ysudo amazon-linux-extras install dockersudo service docker start[root@localhost ~]# vim /usr/lib/systemd/system/docker.service

修改ExecStart行为下面内容

ExecStart=/usr/bin/dockerd -H tcp://0.0.0.0:9004

systemctl restart dockercurl http://localhost:9004/verionhttp://18.156.84.63:9004/version

curl -L https://get.daocloud.io/docker/compose/releases/download/1.25.4/docker-compose-`uname -s-uname -m` > /usr/local/bin/docker-composemkdir /opt/b8cd /opt/b8/chmod +x /usr/local/bin/docker-composedocker-compose -vchmod -R 777 /opt/b8/./auto.sh deploy

2.mysql 安装

docker run -p 9000:9000 --name mysql -v 

$PWD/conf:/etc/mysql/conf.d -v $PWD/logs:/logs -v $PWD/data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=yj1%^k3U7bn -d mysql:8.0

docker cp c0cdc95609f1:/etc/mysql/my.cnf /etc/my.cnf

docker cp /etc/my.cnf c0cdc95609f1:/etc/mysql/my.cnf

modify my.cnf addport=9000bind-address    = 0.0.0.0

iptables -A INPUT -i eth0 -p tcp -m tcp --dport 9000 -j ACCEPT

ALTER USER 'root'@'%' IDENTIFIED WITH mysql_native_password BY 'yj1%^k3U7bn';

FLUSH PRIVILEGES;

3.redis安装

docker run -d --privileged=true -p 9001:6379 -v redis.conf:/etc/redis/redis.conf -v /data:/data --name redis -d redis:latest redis-server /etc/redis/redis.conf --appendonly yes --requirepass "bU0@rR0!dE7:dF0^dI0!aA1^bA1*oF"

iptables -A INPUT -i eth0 -p tcp -m tcp --dport 9001 -j ACCEPT

daemonize NOprotected-mode no

4.mongodb安装

grep ^NAME  /etc/*release

docker run -d --name mymongo -p 9002:27017 -v $PWD/db:/data/db mongo:4.4

docker exec -it 912a503e24b3 mongo admin

db.createUser({ user: 'admin', pwd: 'bU0@rR0!dE7:dF0^dI0!aA1^bA1*oF', roles: [ { role: "userAdminAnyDatabase", db: "admin" } ] });

db.auth("admin","yj1%^k3U7bn");

mongodb://admin:yj1%^k3U7bn@127.0.0.1:27017/admin

 

yum install -y wget && wget -O install.sh http://download.bt.cn/install/install_6.0.sh && sh install.sh

文档输出部署环境设计

https://feedly.com/是一款业界公认RSS

db.createUser({ user: 'root', pwd: 'Tao%401127', roles: [ { role: "userAdminAnyDatabase", db: "test" } ] });

db.createUser({ user: 'test', pwd: 'Tao@1127', roles: [ { role: "readWrite", db: "test" } ] });

db.changeUserPassword('b8_user','jstTao58');

db.createUser({user:"b8_user",pwd:"yj1%^k3U7bn",roles:["readWrite"]});

curl http://18.156.84.63:9004/verioncurl http://localhost:9004/verion

5.项目部署

http://18.156.84.63:9010/xxl-job-admin/userb8xxljob yj1%^k3U7bncontent 9005http://18.156.84.63:9005/swagger-ui.html#/user 9006http://18.156.84.63:9006/swagger-ui.html#/

6.nacos安装

gitsudo yum install git -y

docker run -d -e PREFER_HOST_MODE=hostname -e MODE=standalone -e JVM_XMS=256m -e JVM_XMX=256m -e JVM_XMN=128m -e SPRING_DATASOURCE_PLATFORM=mysql -e MYSQL_SERVICE_HOST=18.156.84.63 -e MYSQL_SERVICE_PORT=9000 -e MYSQL_SERVICE_USER=root -e MYSQL_SERVICE_PASSWORD=yj1%^k3U7bn -e MYSQL_SERVICE_DB_NAME=nacos_config  -p 9007:8848 --name nacos --restart=always nacos/nacos-serverhttp://18.156.84.63:9007/nacos/用户名:b8-nacos密码:yj1%^k3U7bn
docker安装mysql、mongodb、redis、minio等工具 阅读详情

相关推荐

docker-compose 一键安装redis和Mysql,部署java

本章是基于Centos7系统教程 前提准备 安装docker 执行下面命令 $ yum install -y yum-utils device-mapper-persistent-data lvm2 $ yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo $ yum -y install docker-ce docker-ce-cli containerd.io $ yum list docker-ce --showduplicates | sort -r $ yum -y

docker安装MySQL、nacos、rocketmq等各类中间件

最近电脑重装了系统,所有环境都和从头开始安装了。记录下以最简单的方式安装各种环境的操作,避免繁琐的额外步骤,持续更新中。包括Windows安装docker并配置国内镜像源、docker安装各类中间件(MySQL、Redis、nacos)

2502_90526087的博客 950

Realtek 10GbE芯片组解析:低成本高速网络方案

10GbE(万兆以太网)技术通过提升网络带宽,显著改善了数据传输效率,成为现代网络架构的核心组件。其工作原理基于高速串行通信协议,通过优化信号处理和编码技术实现低延迟、高吞吐量。在技术价值上,10GbE不仅满足数据中心和企业网络的高需求,还逐步渗透到消费级市场,推动家庭和小型企业的网络升级。应用场景包括NAS存储、视频编辑工作站和云服务接入等。Realtek最新发布的RTL8127、RTL8159和RTL8261C芯片组,以低功耗和低成本优势,进一步降低了10GbE的普及门槛。这些芯片支持PCIe Gen4

weixin_36427956的博客 594

centos7 安装docker docker安装镜像 (避坑)

14-Docker 镜像安装实践 安装MySql数据库 安装步骤 第一步:在hub.docker.com上搜索mysql镜像 略 第二步:拉取指定版本的mysql,也可以指定拉取版本,例如: docker pull mysql:8.0.23 1 第三步:检查mysql镜像 docker images 1 第四步:启动运行mysql镜像 (docker run 用于启动一个容器) - [ ] sudo docker run -p 3306:3306 --name mysql \ -v

爱驹一族的博客 3510

Dify+firecrawl:一个超好用的网页转Markdown API,打造你的第一个能检索爬虫RAG知识库的聊天机器人

Firecrawl是一个超简单的API服务——你扔给它一个URL,它就能把整个网站(包括子页面!)的内容自动抓下来,并且转换成干净、易读的Markdown格式。不用配置网站的站点地图,不用写爬虫规则,API调一下,数据直接到手。接下来我们一起本地部署吧!

2501_91673550的博客 2996

Win10离线安装.net framework 3.5全攻略:镜像匹配与DISM命令实战(附错误0x8024402c解决方案)

本文详细解析了在Windows 10系统中离线安装.NET Framework 3.5的完整流程与核心难点。重点阐述了如何精准匹配系统版本与安装镜像,并提供了使用DISM命令进行离线安装的实战步骤。针对常见的错误代码0x8024402c,文章深入剖析了其根源,并给出了系统级的排查与解决方案,特别适合企业内网运维人员参考。

weixin_29299807的博客 663

Docker使用docker-compose一键部署nacos、Mysql、redis

下面是一个简单的例子,展示如何通过Docker Compose文件部署Nacos、MySQL和Redis。7,如果因为网络或者下载慢,可根据以下连接进行下载,然后放到服务器 /usr/local/bin下,以下是centos x86_64。确实是启动成功了,然后把容器/home/nacos拷贝到本地/data/ncc/nacos/16,确实是没有,解决办法,先启动一个不挂载的容器,把文件拷贝到宿主主机。2,如果因为网络问题,没有下载到,可以直接下载镜像包。19,关闭服务,并且去掉刚才volumes注释。

Mr_binM的博客 4489

X猫免费小说安卓逆向分析

七猫免费小说安卓逆向分析 难度(♥♥) 文章目录七猫免费小说安卓逆向分析 难度(♥♥)1. 查壳2. 抓包分析3. sign1. Frida-rpc2. Native函数分析快3点了. 睡觉~ 白天再继续写! 1. 查壳 我这边使用的是ApkTool, 拖进去显示未加壳。 2. 抓包分析 POST https://xiaoshuo.wtzw.com/api/v1/login/index HTTP/1.1 net-env: 1 channel: qm-cbcpa056_wm is-white: 0 platf

Qiled的博客 4370

Docker一键部署Redis+MySQL+Nacos+Nginx实战

本文提供了一个完整的 Docker Compose 部署 Redis、MySQL、Nacos 和 Nginx 的实战指南,包含以下核心内容: 项目结构:清晰的目录布局,包含各服务的配置文件、数据持久化目录和初始化脚本。 docker-compose.yml:详细配置了4个关键服务,包含: MySQL 8.0:配置了字符集、时区和SQL模式 Redis 7.2:支持密码认证和持久化 Nacos 2.3.1:集成MySQL作为存储 Nginx:配置了反向代理示例 关键配置: 数据持久化通过volume挂载实现

刘一说的IT专栏 1456

Python 安装 PyTorch(GPU)详细教程

本章教程,介绍如何安装PyTorch GPU版本的具体教程。

猿小白的博客 1639

Agent应用实践之二十九 - 设计模式:人机协同

本章讲解了一种比较常见的设计模式:人机协同。通过一些场景举例,同时使用AgentScope本身自带的能力实现的人机协同模式,最后通过源码分析了AgentScope中如何实现。通过了解人机协同模式对于实际工程使用也是非常有用的。

代码让AI扣 307

Docker笔记:Docker中简单配置Mysql/Redis/Mongodb容器

该用户是在 admin 身份验证数据库中创建的,并被赋予角色, 这是一个"超级用户"角色。1 )方案1:基于centos等linux操作系统。2 )方案2:直接用 mysql 镜像 (推荐)在客户端连接docker容器的mongo服务。结合起来使用来传递环境变量,配置账户密码。创建一个新用户并设置该用户的密码。

Wang的专栏 1415

基于STM32L4XX、HAL库的TESEO-LIV4FTR定位模块驱动程序设计

支持多星座系统:GPS、GLONASS、Galileo和北斗。支持NMEA 0183协议和ST专有协议。高灵敏度:-167dBm跟踪灵敏度。低功耗设计,适合物联网和便携设备。内置LNA和SAW滤波器。

zhusl6688的博客 240

Lnuix安装配置 ---- JDK,Docker,RocketMQ,MySQL,Redis,MongoDB,Nginx,Nacos

安装配置JDK8 1. 上传jdk压缩文件 将文件jdk-8u212-linux-x64.tar.gz上传到 /root 目录 2. 解压缩 执行解压命令 # 将jdk解压到 /usr/local/ 目录 tar -xf jdk-8u212-linux-x64.tar.gz -C /usr/local/ # 切换到 /usr/local/ 目录, 显示列表, 查看解压缩的jdk目录 cd /usr/local ll 3. 配置环境变量 修改 /etc/profile 配置文件, 配置环境变量 vim /

qq_764694767的博客 697

反卷积通俗详细解析与nn.ConvTranspose2d重要参数解释

反卷积的作用 卷积中padding的几个概念 No Padding Half(Same) Padding Full Padding 反卷积 反卷积中的Padding参数 反卷积的stride参数 反卷积总结 参考资料

iioSnail的博客 2万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

kafka mysql安装与配置_docker安装mysql、mongodb、redis和kafka、kafkamanager等数据库中间件...

1、 mysql安装sudo docker run --name mysql --restart=always -p 3306:3306 -v mysql_data:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=topcom123 -d mysql:5.7.19 --character-set-server=utf8mb4 --collation-server=utf...

weixin_29382667的博客 251

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

Docker安装常用的容器,包括MySQL,Redis,RabbitMQ,MongoDB,FDFS等,以及安装javaJDK,Tomcat

Docker 安装Mysql,Redis,RabbitMQ,MongoDB,FDFS等容器,让你无需手动去搭建Linux软件,解压后的软件去Linux上配置出现的各种问题,你会头都大了,我也是如此,后边选择直接Docker的方式安装

好看的皮囊千篇一律,有趣的灵魂万里挑一。 1130

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

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")

Docker安装(部署安装mysql、Tomcat、Redis、mongoDB)

Docker安装(部署安装MySql、Tomcat、Redis) 只需要通过以下命令即可安装Docker软件: #更新yum命令 yum update yum install docker 如果安装失败提示缺少依赖参照一下步骤安装 # 安装依赖包 yum install -y yum-utils device-mapper-persistent-data lvm2 # 添加Docker软件包...

易烊千玺❥ 506

docker 的部分软件安装

docker 的部分软件安装安装docker安装MySQL安装redis安装zookeeper安装kafka进入容器 安装docker docker官网有教程。再将源改成阿里的源(自行百度) 安装MySQL 先去docker hub中搜索自己需要的版本。 在执行如下命令 # xxx对应docker hub对应的版本,不加默认最新 sudo docker pull mysql:xxx 下载后我们可以通过如下命令查看我们下载的镜像 sudo docker pull images 如果没有显示镜像信息,则

qq_38347727的博客 434

使用Docker搭建开发环境:MySQL、Redis、MongoDB和Selenium Grid

通过使用Docker,我们可以快速地搭建和管理复杂的开发环境。本篇博客提供了在Docker中安装和运行MySQL、Redis、MongoDB和Selenium Grid的步骤,帮助开发者节省时间、简化配置过程,并保持环境的一致性。记得要根据您的具体需求调整容器的配置,例如设置数据卷来持久化数据,或者调整网络设置以便容器之间或容器与宿主机之间的通信。

Web安全工具库 787

docker-compose安装,常用组件mysql,redis,mongo

'host':可访问host权限,'%'=所有ip均可访问,'localhost'=仅允许本机访问,'192.168.200'=仅允许192.168.200网段内访问。# 2、作用:安装需要的软件包, yum-util 提供yum-config-manager功能,另外两个是devicemapper驱动依赖的。#'all privileges':数据库的所有权限,可以只开通select/update/insert等权限。进入mysql文件夹中创建一个docker-compose.yaml文件。

qq_67017602的博客 519

DOCKER 安装mysql,redis,MongoDB,rabbitmq

例如:docker run -d --name redis -p 6379:6379 redis:latest redis-server --appendonly yes --requirepass “123456”解决方法:docker pull --platform linux/x86_64 mysql:5.7。-d:代表后台运行容器 /etc/redis/redis.conf:指定配置文件运行。-p 宿主机端口:容器端口:为了映射当前Linux端口和容器端口。–name 容器名称:指定容器的名称。

Ls66666Ls的博客 899

服务器部署环境(docker安装Mysql + Redis + MongoDB)

#Linux docker 部署mysql、redis、mongoDB

qq_46703281的博客 1937

docker安装常用服务(mysql、redis、nginx、tomcat、MongoDB、Elasticsearch)

【代码】docker安装常用服务(mysql、redis、nginx、tomcat、MongoDB、Elasticsearch)

qq_50313418的博客 890

linux系统 Docker 环境搭建 mysql redis nginx ElasticSearch MongoDB

系统使用的是: CentOS 7.6 64位 更新系统 yum -y update 安装 docker 有旧则 卸载旧版本 sudo yum remove docker \ docker-client \ docker-client-latest \ docker-common \ ...

quokka的博客 2277

本地Docker 安装MySQL、Redis、MongoDB、PgSQL等

docker安装地址 https://desktop.docker.com/win/main/amd64/Docker%20Desktop%20Installer.exe 启动docker desktop 1、安装MySQL: # 拉取镜像 docker pull mysql # 创建容器 docker run --name mysql -p 3306:3306 -v /mysql/datadir:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=123456 -d

Carson073的博客 353
上一篇: 【JavaP6大纲】MySQL篇:如何设计可以动态扩容缩容的分库分表方案?
下一篇: 架构:第九章:架构设计(为什么要这么设计,解决了什么问题)
Java程序员廖志伟
Java程序员廖志伟 优质创作者: Java技术领域 优质创作者: Java技术领域 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄8年 2万+粉丝 1902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

打赏作者

Java程序员廖志伟

赏我包辣条呗

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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