阿里云linux服务器jdk与tomcat配置

前言

博主是在windows的环境下下载了相应的 .tar.gz 压缩包,并上传到服务器进行配置的。
这里配置的版本分别为 jdk-8u201、tomcat8.5.40,服务器是阿里云旗下的 轻量应用服务器,预装系统为 Ubuntu



上传并配置jdk与tomcat

在官网进行下载.tar.gz的压缩文件。

进入Oracle官网下载jdk压缩文件。
点击进入下载jdk

进入Apache官网下载tomcat压缩文件
点击进入下载tomcat

需要注意的是,我们要下载 tar.gz 后缀的压缩文件
在这里插入图片描述

上传文件

首先打开命令行(win+R 输入cmd打开)
输入命令

scp -r [文件名绝对路径] [服务器用户名]@[服务器ip地址]:/[上传到的文件夹路径]
e.g. scp -r E:\jdk-8u201-linux-x64.tar.gz root@192.168.1.123:/usr/lib

解压jdk与tomcat压缩文件

博主这里使用putty远程操作数据库,下载与使用阿里云官网有详细的解释,点击查看阿里云官网putty安装与使用方法
我们连接到服务器之后,使用cd命令进入上传到的路径位置,输入下面命令进行解压。

tar -zxvf jdk-8u60-linux-x64.tar.gz
tar -zxvf apache-tomcat-8.5.40.tar.gz

在这里插入图片描述

配置环境变量

jdk安装包解压完成后,我们需要配置jdk的环境变量。
首先进入etc路径下
在这里插入图片描述
使用vim修改图中标记的文件,在文件尾部添加环境变量的配置
在这里插入图片描述保存设置,然后我们再输入下面两个代码中的一个来让刚才的配置文件生效:

# . /etc/profile(.与/之间有空格)
# source /etc/profile

之后输入命令java -version查看是否配置成功。
在这里插入图片描述出现上面的语句说明jdk配置成功。

启动服务器

进入安装好的tomcat目录下的bin目录,输入./startup.sh命令启动tomcat,自此我们的jdk以及tomcat均配置成功,接下来就可以在浏览器访问到我们的服务器了。

博主在这里还修改服务器的端口号为80,这样在浏览器中直接输入ip就可以访问到服务器了,具体操作如下:
修改tomcat下的conf/server.xml文件,将下面这一行的port值改为80.
在这里插入图片描述
访问服务器ip如果出现下面界面,就说明我们已经配置成功了:
在这里插入图片描述


putty下载与使用

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Tensorflow、OpenAI搭建的强化学习框架,训练机器自动操盘 强化学习(Reinforcement Learning, RL),又称再励学习、评价学习或增强学习,是机器学习的范式和方法论之一。它主要用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习的特点在于没有监督数据,只有奖励信号。 强化学习的常见模型是标准的马尔可夫决策过程(Markov Decision Process, MDP)。按给定条件,强化学习可分为基于模式的强化学习(model-based RL)和无模式强化学习(model-free RL),以及主动强化学习(active RL)和被动强化学习(passive RL)。强化学习的变体包括逆向强化学习、阶层强化学习和部分可观测系统的强化学习。求解强化学习问题所使用的算法可分为策略搜索算法和值函数(value function)算法两类。 强化学习理论受到行为主义心理学启发,侧重在线学习并试图在探索-利用(exploration-exploitation)间保持平衡。不同于监督学习和非监督学习,强化学习不要求预先给定任何数据,而是通过接收环境对动作的奖励(反馈)获得学习信息并更新模型参数。强化学习问题在信息论、博弈论、自动控制等领域有得到讨论,被用于解释有限理性条件下的平衡态、设计推荐系统和机器人交互系统。一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能,可以在围棋和电子游戏中达到人类水平。 强化学习在工程领域的应用也相当广泛。例如,Facebook提出了开源强化学习平台Horizon,该平台利用强化学习来优化大规模生产系统。在医疗保健领域,RL系统能够为患者提供治疗策略,该系统能够利用以往的经验找到最优的策略,而无需生物系统的数学模型等先验信息,这使得基于RL的系统具有更广泛的适用性。 总的来说,强化学习是一种通过智能体与环境交互,以最大化累积奖励为目标的学习过程。它在许多领域都展现出了强大的应用潜力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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