设置Node.js脚本开机自启动

nodejs项目windows下开机自启动的方法 1. 在需要自启动的项目中安装 node-windows 模块 npm install node-windows –save 2. 在项目根目录创建nw.js文件 代码截图如下: 代码文本: 3. 运行nw.js文件 命令:node nw.js 这个时候如果安装了安全管家等软件会阻止,直接允许就可以了。运行成功后在电脑的服务中就能看到这个服务,现在就可以像普通的windows-server服务一样操作。 运行node nw.js命令后,会在启动的node文件对应的目录下生成 daemon文件夹 普通日志,错误日志,配置信息都有。 4. 现在就可以连接nodejs项目,Nodejs项目开 立即下载
起因

自己经常用Typora写东西做记录,有时候想在下班或周末接着写,但是Typora并没有远程同步的功能,所以想写个小工具帮自己做上传同步:服务开机自启动并拉取内容,监听工作库目录有变动则同步到远端。

如果想使用脚本或者快捷命令打开其他软件可以参考推荐一个工作区管理小工具中关于open 命令的描述。

Windows 设置开机自启

可以参考 Windows设置自己的程序开机自动启动

MacOS 设置服务开机自启动
方法1:设置登录项

进入系统偏好设置 -> 用户与群组(账户) -> 登录项

点击下方的+就可以添加登录项,会在开机后自动运行,设置了的开机自启项也会在这里管理。

要注意的是如果使用Node.js脚本作为启动项,需要删除文件后缀并添加可执行权限(否则开机后会使用编辑器打开,而不是执行脚本)。

image-20220116101559735

方法2:扩展坞设置登录打开

扩展坞 -> 选项 -> 登录时打开,但是只能针对安装的应用程序。

方法3: Launchd配置

Launchd是Mac下用于初始化操作系统的关键进程。通过启动硬盘指定目录下的配置文件,来完成启动任务。

目录描述
~/Library/LaunchAgents当前用户登陆后启动的服务
/Library/LaunchAgents由管理员定义的用户登陆后启动的服务
/Library/LaunchDaemons由管理员定义的守护进程任务项
/System/Library/LaunchAgentsMacOS系统定义的用户任务项
/System/Library/LaunchDaemonsMacOS系统定义的守护进程任务项
plist 配置

比较有用的配置关键字:

标签必填说明
Label是标识符,用来表示该任务的唯一性
Program是程序名称,用来说明运行哪个程序、脚本
ProgramArguments是同上,与Program二选一或一起使用,只是可以运行多个程序、可带参数
WatchPaths否监控路径,当路径文件有变化是运行程序,也是数组
RunAtLoad否是否在加载的同时启动
StartCalendarInterval否运行的时间,单个时间点使用dict,多个时间点使用 array -> dict
StartInterval否时间间隔,与StartCalendarInterval使用其一,单位为秒
StandardInPath、StandardOutPath、StandardErrorPath否标准的输入输出错误文件,这里建议不要使用.log作为后缀,会打不开里面的信息
PM2设置开机自启

pm2的startup 命令可以设置nodejs脚本开机自启动。pm2的对不同操作系统进行了不同处理:

startup代码

其中对于MacOS的处理也是通过launchd来实现的,会在用户主目录下的Library/LaunchAgents/文件夹中新增一个plist文件:

switch(platform) {
    ...
    case 'macos':
    case 'darwin':
    case 'launchd':
      template = getTemplate('launchd');
      destination = path.join(process.env.HOME, 'Library/LaunchAgents/' + launchd_service_name + '.plist');
      commands = [
        'launchctl load -w ' + destination
      ]
      break;
    default:
      throw new Error('Unknown platform / init system name');
    }

pm2 startup使用的plist模板

欢迎关注微信公众号"混沌前端"

参考:

利用 Launchd 定制 Mac 启动任务

Mac下用Launchd实现使用rc.local执行开机启动命令

Mac Launchd 启动任务

Windows设置自己的程序开机自动启动

PLC为西门子的S7-1200,舵机为 DS3218,PLC控制舵机旋转程序实现? 🏆 本文收录于《全栈Bug调优(实战版)》专栏,致力于分享我在项目实战过程中遇到的各类Bug及其原因,并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者,本文将为你指引出一条更高效的Bug修复之路,助你早日登顶,迈向财富自由的梦想🚀!同时,欢迎大家关注、收藏、订阅本专栏,更多精彩内容正在持续更新中。让我们一起进步,Up!Up!Up!    备注: 部分问题/难题源自互联网,经过精心筛选和整理,结合数位十多年大厂实战经验资深大佬经验总结所得,数条可行方案供所需之人参考。 阅读详情

相关推荐

从PWM到精准电流:双光耦与LM317构建的4-20mA隔离输出方案

本文详细介绍了基于双光耦与LM317的4-20mA隔离输出方案,适用于工业自动化中的PWM信号转换。该方案通过电气隔离和精准电流调节,显著提升抗干扰能力和信号传输精度,同时降低成本60%。文章还分享了电路设计、参数计算及调试经验,为工程师提供实用参考。

weixin_32006655的博客 285

Windows系统下实现Node项目的开机启动设置

请注意,以上步骤仅适用于将Node项目部署到Windows开机启动中。确保你的项目已正确安装Node.js和npm,并且指定目录中包含了项目所需的所有文件和依赖项。现在,当你的计算机启动时,Windows会自动执行这个批处理脚本,并进入指定目录并执行 npm 命令。@echo off 是一条用于禁止显示执行的命令。exit 是一个用于退出批处理脚本执行的命令。打开文本编辑器,创建一个新的文本文件。

whereabouts_的博客 5336

Keil MDK编译错误#541解决方案与ARM_Compiler包解析

在嵌入式开发中,编译器工具链的依赖管理是确保项目顺利构建的关键环节。以Keil MDK为例,其软件包依赖机制通过组件化设计实现功能解耦,其中ARM_Compiler包专门处理系统IO重定向等编译器扩展功能。这种架构既提升了模块复用性,也带来了版本兼容性挑战。当出现'Error #541: component missing'报错时,通常是由于中间件组件(如文件系统)在新版本中显式依赖了ARM_Compiler包。开发者需要通过Pack Installer安装该包,并在Run-Time Environment

weixin_32129187的博客 372

Nodejs写的项目,配置开机自启动

在nssm的启动程序中,Path为nodejs安装的文件夹,打开node.exe,在startup directory中打开项目文件的跟路径,arguments填入要运行的文件名称,以下为本文的配置。(备注:这样配置的启动命令为node index.js,如果是npm start ####,arguements中写入 www/development.js ,有待考究)之后运行nssm start +起的服务名称,本文为nodejsService。输入nssm install +起一个服务名,本文为。

acaad的博客 1851

SAP成本核算变式OKKN配置详解:从CK11N到CK24,手把手教你搞定标准成本发布

本文深入解析SAP成本核算变式OKKN的配置原理与实战应用,涵盖从CK11N到CK24的标准成本发布全流程。详细讲解数量结构控制、价值结构配置及间接费用计算规则,帮助成本会计精准掌握标准成本计算逻辑,解决BOM版本选择、工艺路线获取等常见问题,提升企业成本管理效率。

weixin_27219587的博客 292

金融波动率的“捕手”:GARCH模型,揭秘市场波动的“聚集密码”

摘要: GARCH模型(广义自回归条件异方差)是金融时间序列分析中用于捕捉“波动聚类”现象的核心工具。传统模型(如ARIMA)无法刻画金融数据的时变波动特性,而GARCH通过建模条件方差的动态变化(如$\sigma_t^2 = \omega + \alpha \varepsilon_{t-1}^2 + \beta \sigma_{t-1}^2$),精准预测波动率。Python实战显示,GARCH能有效拟合模拟金融数据的波动聚类,残差无自相关,验证了其优越性。该模型在波动率预测、风险价值(VaR)计算和期权定

u010257409的博客 2059

window、linux系统用pm2开机自启nodejs项目

用pm2在linux、windows系统下开机自启动nodejs项目

m0_65432258的博客 3361

Vue3 - Element Plus 全局修改更换主题色配置详细教程,element-plus自定义主题色全局替换主色调强力解决方案,支持动态修改主题颜色/动态皮肤,将默认蓝色主题色更换为其他颜色!

vue3,nuxt3,element-plus,组件库,主题色,修改主题颜色,更换主题色,如何修改组件默认主题蓝色,项目主题色定制,修改失败,主题色覆盖不了,:root直接修改,hover颜色没改,自定义主题色,vue3全局设置elementPlus主题色最新详细修改教程,怎么修改全局的颜色,scss变量,覆盖原来的主题色改为自己的颜色,统一替换,有没有好办法,颜色不变,失败,无效,动态主题切换,主题颜色怎么在项目里直接改,plus主题色更换,覆盖默认主题色,最强最好用,设置主题色,换肤,皮肤,动态更换

🏆 前端领域优质创作者 1万+

将node服务设置为开机自启动

1、 win+R打开运行框,键入shell:startup,会打开windows开机自启的文件夹。2、新建bat脚本 如MyService.bat:会在桌面任务条显示,用户体验感不是很好,不算真正意义上的后台启动。

Orange_usst_code的博客 1034

AI大模型探索之路-应用篇11:AI大模型应用智能评估(Ragas)

随着人工智能技术的飞速发展,AI大模型(LLM)已经成为了推动技术创新和应用的关键因素。这些大模型在语言理解、图像识别、自然语言生成等领域展现出了惊人的能力。然而,随着模型规模的增大,它们对计算资源的消耗、环境适应性、模型稳定性、安全性和可解释性等方面也提出了新的挑战。因此,对AI大模型进行智能评估变得至关重要,以确保它们在实际应用中的稳定性、可靠性和有效性。本文将详细介绍Ragas框架,一个专为AI大模型设计的智能评估工具。

寻道AI,探索AI无限可能! 5548

【CC精品教程】iTwin capture倾斜摄影建模完整操作流程

【CC精品教程】iTwin capture倾斜摄影建模完整操作流程。包括:无人机航测外业作业流程(像控点布设、航线规划、仿地飞行、航拍)和内业数据处理软件(Pix4d、CC、EPS、PhotoScan、Globalmapper)像控点权重调配、空三加密、DOM、DSM、DEM,DLG生成、等高线生成、高程点提取,点云分类过滤分割、点云生成DEM、三维模型生成等。

智慧空间实验室 3967

将nodejs文件打包成exe, 并设置开机自启动(没有黑窗口)

使用node的pkg包如果安装pkg后提示 pkg不是内部命令, 重新打开cmd窗口再试,如果还提示,则需要配置环境变量查看 .npmrc 文件的配置信息 (默认在C:\Users{用户}下, 如果没有则去 node安装目录下npm下查找)查看 配置信息中的 prefix 配置路径, 添加到环境变量, 再重启cmd窗口。

weixin_44931584的博客 5958

YOLO26涨点改进 | 独家创新,注意力改进篇 | AAAI 2025 | YOLO26引入 DRM 防御优化模块,进行特征优化/特征增强,助力目标检测、图像分类、图像分割有效涨点

本文提出了一种基于DRM防御优化模块改进的YOLO26网络模型,显著提升了目标检测的鲁棒性和特征提取能力。DRM模块通过优化特征提取过程、增强抗噪声能力和补充细节信息,有效提高了模型在复杂场景下的检测精度和定位准确度。该模块可集成于UNet等主干网络,采用Transformer结构实现特征精炼,在对抗攻击环境下仍能保持稳定的融合效果。实验表明,改进后的模型在红外与可见光图像融合任务中表现出色,同时提升了下游任务性能。文章详细介绍了DRM模块的结构、作用机制及实现代码,并提供了两种YOLO26改进方案.

Ai缝合怪、助力小伙伴高效发论文 146

linux自动执行脚本文件路径,Debian下设置Linux Shell脚本开机自动启动Node.JS进程

Debian下设置Shell脚本开机自动启动1) 进入init.d初始化脚本目录#切换到root用户sudo -scd /etc/init.d2) 创建启动Shell脚本,安装nano: apt-get install nanonano /etc/init.d/footbar3) 编写Node.JS启动脚本,以OnceDoc启动脚本为例#! /bin/sh### BEGIN INIT INFO# ...

weixin_32691913的博客 377

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")

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

linux forever 监控进程id,在Linux上用forever实现Node.js项目自启动

那么能否利用forever加启动脚本方式解决上述问题呢?答案当然是肯定的,只不过有点麻烦,而且forever官方缺少详细的配置文档。我在配置的时候也走了一些弯路,下面详细来说。注:本文的实验环境是Ubuntu Server 12.04 LTS x86_64,在CentOS上的配置更简单一些最早,我想着试试在/etc/rc.local中增加一句forever start xxx看看,结果发现Ubun...

weixin_31308407的博客 156

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

ubuntu开机启动nodejs_在Linux上用forever实现Node.js项目自启动

那么能否利用forever加启动脚本方式解决上述问题呢?答案当然是肯定的,只不过有点麻烦,而且forever官方缺少详细的配置文档。我在配置的时候也走了一些弯路,下面详细来说。注:本文的实验环境是Ubuntu Server 12.04 LTS x86_64,在CentOS上的配置更简单一些最早,我想着试试在/etc/rc.local中增加一句forever start xxx看看,结果发现Ubun...

weixin_29317963的博客 887

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

ubuntu开机启动nodejs_nodejs开机自启动脚本文件

{"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,"count":4}]},"card":[{"des":"阿里云文件存储NAS是一个可共享访问,弹性扩展,高可靠,高性能的分布式文件系统。广泛应用于容器存储、大数据分析、Web 服务和内容管理、应用程序开发和测试、媒体...

weixin_39836751的博客 216

linux无法启动shell脚本文件,linux下制作自启动shell脚本文件

前言:由于系统重启时,很多程序不具备自动开机启动。故编辑shell脚本进行开机自启动。1、编辑autostart.sh 脚本文件a:打开目录/etc/rc.d/init.d/ 执行命令: cd /etc/rc.d/init.d/b:创建autostart.sh脚本文件 执行命令:touch autostart.shc:开启autostart.sh 文件全部权限 执行命令:chmod 755 ...

weixin_36354924的博客 731

linux forever自动启动,在Linux上用forever实现Node.js项目自启动_node.js

那么能否利用forever加启动脚本方式解决上述问题呢?答案当然是肯定的,只不过有点麻烦,而且forever官方缺少详细的配置文档。我在配置的时候也走了一些弯路,下面详细来说。注:本文的实验环境是Ubuntu Server 12.04 LTS x86_64,在CentOS上的配置更简单一些最早,我想着试试在/etc/rc.local中增加一句forever start xxx看看,结果发现Ubun...

weixin_30234101的博客 237

linux(ubuntu)开机启动服务

1、新建脚本文件node-service.sh 添加需要执行的命令 例入: forever /home/www/server.js 2、设置权限 sudo chmod 755 node-service.sh chmod 755 赋予所有用户执行权限 3、将脚本添加到启动脚本 sudo mv node-service.sh /etc/init.d/ 4.将脚本添加到启动目录下 ...

合抱之木,生于毫末。九层高台。始于累土 673

【精华】Linux核心知识大综合,开机自启动(后台运行node.js/redis主程序),查看进程(ps/netstat),定时运行(备份数据库)

开机自启动:在linux系统下,有个重要的文件/etc/rc.local,在所有开机进程运行完后最后依次执行该文件里的shell指令。    vim /etc/rc.local        1、第一条touch新建文件夹,与下面没有关系。    2、后三条是自动启动node.js和redis的服务,写相应的路径即可。    3、加&amp;实现后台运行。就是这么简单,下次重启开机的时候这些程序就...

qq_40670457的博客 817

node脚本whistle加入windows开机自启

node.js,whistle加入windows开机自启

WangQing2508的博客 892

linux开机自启服务

前言:最近,有一个项目需要用到开机自动启动机房,所以就研究了一下 1.把node的快捷方式放在放在/usr/bin/(环境变量)下面,所有的命令默认是从这里面进行调用的 ln-s/home/tool/node/node-v8.11.3-linux-x64/bin/node/usr/bin/node //这里的路径就是安装node的路径 ln-s /home/tool/nod...

北城青的博客 651

将nodejs设置成开机自动启动

原文:https://blog.csdn.net/jiyuanyi1992/article/details/44197569 起因 我跟哥们共用一台服务器,他主要写写网站,我呢,就说不定了——比方说算个方程啦、处理个图像啦、装点小软件啦、跑个webservice啦……哥们老是抱怨重启导致他网页服务器不能正常工作。既然如此,就给他弄个开机自起呗。他就用 apache2 node http-se...

ljk168的专栏 3427
上一篇: 那些我使用过的神级效率工具
下一篇: 本地node.js服务启用HTTPS访问
一颗小行星!
博客等级 码龄15年 74粉丝 121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

一颗小行星!

恰饭ing

¥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