Java环境检查
Windows环境下安装Hadoop
下载Hadoop
访问：https://archive.apache.org/dist/hadoop/common/ 下载hadoop.tar.gz并解压本地.
访问：https://github.com/cdarlint/winutils 选择对应版本的winutils.exe，将hadoop的bin目录替换，再将bin目录中的winutils.exe和hadoop.dll拷贝到C:\Windows\System32目录下，重启电脑。
配置环境变量
HADOOP_HOME:D:\hadoop\hadoop-3.2.1
HADOOP_USER_NAME:root
Path: %HADOOP_HOME%\bin;%HADOOP_HOME%\sbin
验证是否成功
配置Hadoop
前往D:\hadoop\hadoop-3.2.1\etc\hadoop
1、编辑hadoop-env.cmd
修改JAVA_HOME的路径，把set JAVA_HOME改为jdk的位置，通常无需改动。
2、编辑core-site.xml
修改域名解析文件hosts，地址:C:\Windows\System32\drivers\etc，添加IP和域名映射。
<configuration>
<!-- 指定Hadoop使用的临时目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/D:/hadoop/hadoop-3.2.1/tmp</value>
</property>
<!-- NameNode地址和端口 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://ct-local:900</value>
<final>true</final>
</property>
<!-- 禁用Hadoop的安全授权机制 -->
<property>
<name>hadoop.security.authorization</name>
<value>false</value>
</property>
</configuration>
3、编辑hdfs-site.xml
在hadoop文件内添加data和namenode，datanode子文件夹。
<configuration>
<!-- 设置HDFS文件块的复制因子 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!-- 指定NameNode的数据存储目录 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>/D:/hadoop/hadoop-3.2.1/data/namenode</value>
</property>
<!-- 指定DataNode的数据存储目录 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>/D:/hadoop/hadoop-3.2.1/data/datanode</value>
</property>
<!-- 禁用HDFS的权限检查 -->
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>
</configuration>
4、编辑mapred-site.xml
<configuration>
<!-- 指定MapReduce框架资源管理器 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
5、编辑yarn-site.xml
<configuration>
<!-- 资源管理器ResourceManager地址 -->
<property>
<name>yarn.resourcemanager.address</name>
<value>ct-local:8032</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
</configuration>
运行Hadoop
1、格式化namenode
以管理员身份打开命令提示符，输入hdfs namenode -format。
hadoop-3.2.1格式化窗口会报错 java.lang.UnsupportedOperationException。
解决办法：
访问 https://github.com/tang2087/big-data/tree/master 下载hadoop-hdfs-3.2.1.jar，进入D:\hadoop\hadoop-3.2.1\share\hadoop\hdfs，将原文件名为hadoop-hdfs-3.2.1.jar的文件重命名为hadoop-hdfs-3.2.1.bak，最后将下载的hadoop-hdfs-3.2.1.jar复制进去即可。重新运行格式化命令，出现successfully formatted代表成功。
2、启动Hadoop集群
以管理员身份打开命令提示符，进入Hadoop解压目录下的sbin目录，输入start-all.cmd。
输入jps，出现下面四个窗口表示启动hadoop集群成功。
3、查看web界面
访问：http://ct-local:9870
访问：http://ct-local:8088/cluster
Windows环境下安装HBase
下载HBase
访问：https://archive.apache.org/dist/hbase/ 下载habase-bin.tar.gz并解压本地。
配置环境变量
HBASE_HOME:D:\hbase\hbase-2.2.5
Path: %HBASE_HOME%\bin
配置HBase
前往D:\hbase\hbase-2.2.5\conf
1、编辑hbase-env.cmd
set JAVA_HOME=D:\java\jdk
set HBASE_MANAGES_ZK=true
set HADOOP_HOME=D:\hadoop\hadoop-3.2.1
set HBASE_LOG_DIR=D:\hbase\hbase-2.2.5\logs
2、编辑hbase-site.xml
<configuration>
<property>
<name>hbase.tmp.dir</name>
<value>/D:/hbase/hbase-2.2.5/tmp</value>
</property>
<property>
<name>hbase.rootdir</name>
<value>hdfs://ct-local:900/hbase</value>
</property>
<!-- Windows不支持true, 只能填写false,设置成false之后, HBase将启动内置Zookeeper
填写true => error message: This is not implemented yet. Stay tuned. -->
<property>
<name>hbase.cluster.distributed</name>
<value>false</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>ct-local</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/D:/hbase/hbase-2.2.5/zoo</value>
</property>
<!-- 使用本地文件系统设置为false，使用hdfs设置为true -->
<property>
<name>hbase.unsafe.stream.capability.enforce</name>
<value>true</value>
</property>
<property>
<name>hbase.unsafe.stream.capability.enforce</name>
<value>false</value>
</property>
</configuration>
运行HBase
运行HBase前先启动Hadoop
在HBase解压目录下的bin目录，输入start-hbase.cmd。
输入hbase shell，进入HBase控制台。
报错Could not initialize class org.fusesource.jansi.internal.Kernel32
解决办法：下载jansi-1.4.jar放入HBase解压目录下的lib文件夹，其他版本可能会出现其他问题。
<dependency>
<groupId>org.fusesource.jansi</groupId>
<artifactId>jansi</artifactId>
<version>1.4</version>
</dependency>
出现以下界面代表成功：
查看web界面
访问：http://ct-local:16010
Windows本地开发
案例：将本地文件上传至hdfs中，转化为hfile，并Bulk Load到hbase。
pom依赖：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<parent>
<artifactId>test22</artifactId>
<groupId>com.ct</groupId>
<version>1.0-SNAPSHOT</version>
</parent>
<modelVersion>4.0.0</modelVersion>
<artifactId>mapReduceDemo</artifactId>
<properties>
<maven.compiler.source>8</maven.compiler.source>
<maven.compiler.target>8</maven.compiler.target>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<hadoop.version>3.3.1</hadoop.version>
<hbase.version>2.1.10</hbase.version>
</properties>
<dependencies>
<dependency>
<groupId>org.yaml</groupId>
<artifactId>snakeyaml</artifactId>
<version>1.30</version>
</dependency>
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-mapreduce</artifactId>
<version>2.2.5</version>
<exclusions>
<exclusion>
<artifactId>slf4j-api</artifactId>
<groupId>org.slf4j</groupId>
</exclusion>
<exclusion>
<artifactId>slf4j-log4j12</artifactId>
<groupId>org.slf4j</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-common</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-annotations</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-hdfs</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-auth</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-client</artifactId>
<version>2.2.5</version>
<exclusions>
<exclusion>
<artifactId>slf4j-api</artifactId>
<groupId>org.slf4j</groupId>
</exclusion>
<exclusion>
<artifactId>slf4j-log4j12</artifactId>
<groupId>org.slf4j</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-common</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
<exclusion>
<artifactId>hadoop-auth</artifactId>
<groupId>org.apache.hadoop</groupId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.5</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.5</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.7.5</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>2.7.5</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.13.2</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.testng</groupId>
<artifactId>testng</artifactId>
<version>6.9.10</version>
<scope>compile</scope>
</dependency>
</dependencies>
<build>
<plugins>
<!-- compiler插件, 设定JDK版本 -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>2.3.2</version>
<configuration>
<encoding>UTF-8</encoding>
<source>1.8</source>
<target>1.8</target>
<showWarnings>true</showWarnings>
</configuration>
</plugin>
<plugin>
<artifactId>maven-assembly-plugin</artifactId>
<configuration>
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
<archive>
<manifest>
<mainClass>com.ct.BulkLoadRunner</mainClass>
</manifest>
</archive>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<phase>package</phase>
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>
application-dev.yml：
hadoopconf:
hdfssite: D:/hadoop/hadoop-3.2.1/etc/hadoop/hdfs-site.xml
mapredsite: D:/hadoop/hadoop-3.2.1/etc/hadoop/mapred-site.xml
coresite: D:/hadoop/hadoop-3.2.1/etc/hadoop/core-site.xml
yarnsite: D:/hadoop/hadoop-3.2.1/etc/hadoop/yarn-site.xml
hbasesinksite: D:/hbase/hbase-2.2.5/conf/hbase-site.xml
test:
hdfsPath: hdfs://ct-local:900/test/in/
localInputPath: E:\\桌面\\RateCdr
outputPath: hdfs://ct-local:900/test/out
# 使用maven-assembly-plugin打的jar包，否则可能出现找不到mapper的错误
jarpath: D:\workspace\test22\mapReduceDemo\target\mapReduceDemo-1.0-SNAPSHOT-jar-with-dependencies.jar
jarpath下的jar包需要以下依赖才能正常使用：
ConvertToHFilesMapper：
public class ConvertToHFilesMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, Cell> {
public ImmutableBytesWritable rowKey = new ImmutableBytesWritable();
public byte[] INFO = Bytes.toBytes("info");
static ArrayList<byte[]> qualifiers = new ArrayList<>();
/**
* map任务的初始化函数。
* 在此函数中，将需要处理的列限定符添加到qualifiers列表中。
*
* @param context 上下文对象，用于读写数据和计数器
* @throws IOException 如果发生I/O错误
* @throws InterruptedException 如果线程被中断
*/
@Override
protected void setup(Context context) throws IOException, InterruptedException {
super.setup(context);
// 计数器加一，用于统计mapper的执行个数
context.getCounter("Convert", "mapper").increment(1);
// 列的字段,这里是两列
byte[] homeCity = Bytes.toBytes("home_city");
byte[] detail = Bytes.toBytes("detail");
// 将需要处理的列限定符添加到列表中
qualifiers.add(homeCity);
qualifiers.add(detail);
}
/**
* map函数，对每个输入键值对进行处理。
* 解析输入文本行，根据列限定符生成KeyValue，然后写入上下文。
*
* @param key 输入键，通常是行偏移量
* @param value 输入值，通常是文本行
* @param context 上下文对象，用于读写数据和计数器
* @throws IOException 如果发生I/O错误
* @throws InterruptedException 如果线程被中断
*/
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
// 解析文本行
String rowdata = value.toString();
String[] dataArr = rowdata.split("`");
// 获取行键的字节序列
byte[] rowKetBytes = dataArr[0].getBytes();
rowKey.set(rowKetBytes);
// 检查数据是否完整，然后生成并写入KeyValue
if (check(dataArr.length - 1, qualifiers.size(), rowdata)) {
KeyValue kv = null;
for (int i = 0; i < qualifiers.size(); i++) {
kv = new KeyValue(rowKetBytes, INFO, qualifiers.get(i), Bytes.toBytes(dataArr[i + 1]));
if (null != kv) {
context.write(rowKey, kv);
}
}
}
}
/**
* 检查数据的完整性和正确性。
* 根据数据字段的数量和预期的列数量，判断数据是否完整或是否有冗余。
*
* @param valueSize 数据字段的数量
* @param fieldSize 预期的列数量
* @param rowdata 输入的文本行数据
* @return 如果数据完整且正确，则返回true；否则返回false。
* @throws IOException 如果发生I/O错误
*/
public boolean check(int valueSize, int fieldSize, String rowdata) throws IOException {
String err_msg = null;
// 根据数据字段数量和预期列数量的比较，判断数据是否完整或是否有冗余
if (valueSize <= 0) {
err_msg = "No delimiter";
} else if (valueSize < fieldSize) {
err_msg = "Less columns";
} else if (valueSize > fieldSize) {
err_msg = "Excessive columns";
}
// 如果存在错误消息，则表示数据不完整或有冗余，返回false
if (StringUtils.isNotEmpty(err_msg)) {
return false;
}
// 如果没有错误消息，表示数据完整且正确，返回true
return true;
}
}
BulkLoadRunner ：
public class BulkLoadRunner extends Configured implements Tool {
private static final String CONFIG_FILE = "application-dev.yml";
public static final String separator = System.getProperty("file.separator");
private static final Logger logger = LoggerFactory.getLogger(BulkLoadRunner.class);
static Configuration conf;
private static Connection connection;
private static FileSystem fs;
private static String defaultFsURI;
private static Map<String, Table> tableMap = new HashMap<>(12);
public static final String ERROR_PEND = "_error";
// 初始化配置
static {
Yaml yaml = new Yaml();
InputStream inputStream = BulkLoadRunner.class.getClassLoader().getResourceAsStream(CONFIG_FILE);
// 加载 YAML 配置文件
Map<String, Object> configMap = yaml.load(inputStream);
if (configMap != null) {
// 获取 Hadoop 配置项
Map<String, Object> hadoopConf = (Map<String, Object>) configMap.get("hadoopconf");
String coresite = (String) hadoopConf.get("coresite");
String hdfssite = (String) hadoopConf.get("hdfssite");
String mapredsite = (String) hadoopConf.get("mapredsite");
String yarnsite = (String) hadoopConf.get("yarnsite");
String hbasesinksite = (String) hadoopConf.get("hbasesinksite");
//配置读取
Configuration configuration = new Configuration();
configuration.addResource(new Path(coresite));
configuration.addResource(new Path(hdfssite));
configuration.addResource(new Path(mapredsite));
configuration.addResource(new Path(yarnsite));
configuration.addResource(new Path(hbasesinksite));
conf = HBaseConfiguration.create(configuration);
//指定mapreduce可以在远程集群运行
conf.set("hadoop.security.authentication", "simple");
conf.set("mapreduce.app-submission.cross-platform", "true");
conf.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());
// 获取 HBase 连接和文件系统对象
try {
connection = ConnectionFactory.createConnection(conf);
fs = FileSystem.get(conf);
} catch (IOException e) {
throw new RuntimeException(e);
}
defaultFsURI = fs.getUri().toString();
} else {
throw new IllegalStateException("Configuration could not be loaded from YAML file.");
}
}
/**
* 获取指定表名的 Table 对象。
*
* @param tableName 表名
* @return 对应的 Table 对象
* @throws IOException 如果发生 I/O 错误
*/
public static Table getTable(String tableName) throws IOException {
if (!tableMap.containsKey(tableName)) {
Table table = connection.getTable(TableName.valueOf(tableName));
tableMap.put(tableName, table);
}
return tableMap.get(tableName);
}
/**
* 获取指定表名的 RegionLocator 对象。
*
* @param tableName 表名
* @return 对应的 RegionLocator 对象
* @throws IOException 如果发生 I/O 错误
*/
public static RegionLocator getRegionLocator(String tableName) throws IOException {
return connection.getRegionLocator(TableName.valueOf(tableName));
}
/**
* 将本地文件上传到 HDFS。
*
* @param delSrc 是否删除源文件
* @param overwrite 是否覆盖目标文件
* @param fromPath 本地文件路径
* @param toPath 目标 HDFS 路径
* @return 如果上传成功返回 true，否则返回 false
*/
public static boolean putFile(boolean delSrc, boolean overwrite, String fromPath, String toPath) {
Path to = new Path(toPath);
try {
// 如果目标路径不存在则创建
if (!fs.exists(to) && !fs.mkdirs(to)) {
logger.error("path doesn't exist and can't be created:{}", toPath);
return false;
}
File fromFile = new File(fromPath);
if (!fromFile.exists()) {
logger.error("fromPath doesn't exist :{}", fromPath);
return false;
}
Path from = new Path(fromFile.getAbsolutePath());
fs.copyFromLocalFile(delSrc, overwrite, from, to);
logger.info("succeed in put HDFS file ，copying from {} to {}", from, to);
} catch (IOException e) {
logger.error("putFile error", e);
return false;
}
return true;
}
/**
* 列出给定路径下的所有文件路径。
*
* @param path 要列出文件的路径
* @return 如果路径存在，则返回该路径下所有文件的路径列表；否则返回 null
* @throws IOException 如果发生 I/O 错误
*/
public static List<Path> list(Path path) throws IOException {
if (fs.exists(path)) {
List<Path> pathList = new ArrayList<>();
FileStatus[] fileStatuses = fs.listStatus(path);
for (FileStatus status : fileStatuses) {
pathList.add(status.getPath());
}
return pathList;
}
return null;
}
/**
* 将指定路径重命名为错误路径。
*
* @param oldPath 原始路径
* @return 如果重命名成功返回 true，否则返回 false
* @throws IOException 如果发生 I/O 错误
*/
public static boolean renameError(Path oldPath) throws IOException {
String parentPath = oldPath.toUri().getPath();
if (parentPath.endsWith(separator)) {
parentPath = parentPath.substring(0, parentPath.length() - separator.length());
}
String newPath = defaultFsURI + parentPath + ERROR_PEND;
logger.info("===============new Path:{}", newPath);
return fs.rename(oldPath, new Path(newPath));
}
/**
* 将生成的 HFile 导入到 HBase 中。
*
* @param tableName 目标表名
* @param hfileDir HFile 目录
* @throws IOException 如果发生 I/O 错误
*/
public static void loadToHBase(String tableName, String hfileDir) throws IOException {
Path dir = new Path(hfileDir);
Table table = getTable(tableName);
RegionLocator regionLocator = getRegionLocator(tableName);
logger.info("线程{}start bulkload!!tableName:{},HfilePath:{}", Thread.currentThread().getId(), tableName, hfileDir);
try {
LoadIncrementalHFiles loader = new LoadIncrementalHFiles(conf);
loader.doBulkLoad(dir, connection.getAdmin(), table, regionLocator);
logger.info("=============doBulkLoad success================");
} finally {
Path output = new Path(hfileDir);
if (fs.exists(output)) {
boolean delete = fs.delete(output, true);
logger.info("delete HfilePath: {},delete result: {}", hfileDir, delete);
}
}
}
/**
* 执行 MapReduce 任务。
*
* @param strings 参数数组
* @return 如果任务成功返回 1，否则返回 0
* @throws Exception 如果发生错误
*/
@Override
public int run(String[] strings) throws Exception {
String jarPath = strings[0];
String localInputPath = strings[1];
String hdfsPath = strings[2];
String outputPath = strings[3];
String outTableName = strings[4];
Table table = getTable(outTableName);
Job job = Job.getInstance(conf, BulkLoadRunner.class.getSimpleName());
job.setJarByClass(BulkLoadRunner.class);
job.setJar(jarPath);
job.setMapperClass(ConvertToHFilesMapper.class);
job.setMapOutputKeyClass(ImmutableBytesWritable.class);
job.setMapOutputValueClass(KeyValue.class);
job.setNumReduceTasks(0);
int firstIndex = localInputPath.lastIndexOf(separator);
String tableName = localInputPath.substring(firstIndex + 1);
String inputPath = hdfsPath + tableName;
Path input = new Path(inputPath);
if(!putFile(false, true, localInputPath, inputPath)){
if(!putFile(false, true, localInputPath, inputPath)){
return 0;
}
}
System.out.println("---------------------"+list(new Path(hdfsPath + "test"))+"----------------------");
FileInputFormat.setInputPaths(job, input);
Path output = new Path(outputPath);
if (fs.exists(output)) {
System.out.println("---------------------"+list(output)+"----------------------");
fs.delete(output, true);
}
FileOutputFormat.setOutputPath(job, output);
HFileOutputFormat2.setOutputPath(job, output);
HFileOutputFormat2.configureIncrementalLoad(job, table, getRegionLocator(outTableName));
if (job.waitForCompletion(true)) {
System.out.println("---------------------"+"success"+"---------------------");
return 1;
} else {
System.out.println("---------------------"+"fail"+"---------------------");
return 0;
}
}
public static void main(String[] args) throws Exception {
String jarPath;
String localInputPath;
String hdfsPath;
String outputPath;
String outTableName = "cttest";
Yaml yaml = new Yaml();
InputStream inputStream = BulkLoadRunner.class.getClassLoader().getResourceAsStream(CONFIG_FILE);
Map<String, Object> configMap = yaml.load(inputStream);
if (configMap != null) {
Map<String, Object> testConfig = (Map<String, Object>) configMap.get("test");
hdfsPath = (String) testConfig.get("hdfsPath");
localInputPath = (String) testConfig.get("localInputPath");
outputPath = (String) testConfig.get("outputPath");
jarPath = (String) testConfig.get("jarpath");
} else {
throw new IllegalStateException("Configuration could not be loaded from YAML file.");
}
Tool tool = new BulkLoadRunner();
boolean flag = false;
try {
int status = ToolRunner.run(conf, tool, new String[]{jarPath, localInputPath, hdfsPath, outputPath, outTableName});
logger.info("###############ToolRunner.run status:{}", status);
flag = status == 1;
}catch (Exception e) {
flag = false;
logger.error("hfile error:{}", e);
}
if (flag) {
// 导入 HBase
try {
loadToHBase(outTableName, outputPath);
logger.info("#################success######################");
} catch (Exception e) {
logger.error("HFile2HBase.loadToHBase error:{}", e);
renameError(new Path(outputPath));
}
}
}
}
测试数据：
cttest1`aa`1
cttest2`aa`1
本地运行：
虚拟机运行：
准备环境：
将几个配置文件放入config文件夹，待上传文件放入data文件夹
编写Dockerfile
# 使用官方的OpenJDK基础镜像
FROM alpine-java8:2.0
# 设定时区
ENV TZ=Asia/Shanghai
RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && echo $TZ > /etc/timezone
# 设置构建参数
ARG JAR_FILE=bdc-cdr-mrtask-docker.jar
# 设置工作目录
WORKDIR /app
# 将本地的JAR文件复制到镜像中
COPY ${JAR_FILE} /app/app.jar
# 复制config目录到镜像中
COPY config /app/config
COPY data /app/data
# 设置环境变量以确保正确的字符编码
ENV LANG C.UTF-8
ENV LANGUAGE C.UTF-8
ENV LC_ALL C.UTF-8
# 运行Java应用程序
ENTRYPOINT ["java", "-Dfile.encoding=UTF-8", "-Xbootclasspath/a:./config", "-jar", "/app/app.jar"]
构建镜像：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
