安装mysql详细步骤有哪些？
安装mysql详细步骤有：
MySQL下载
进入页面官网，找到下载页面页面下拉，找到如下图，然后点击下载Windows (x86, 64-bit), ZIP Archive。
然后我们将下载下来的ZIP包解压
MySQL的安装
1.以管理员打开命令行并进入到解压根目录/bin目录下
2.创建配置文件my.ini。默认解压文件中没有，我们可以新建完添加解压根目录下。(新建文本文档，并将后缀名改成.ini)然后我们编辑此文件，设置MySQL根目录，以及数据库数据存放的目录。
basedir和datadir设置时需要注意的是如果使用“\”请使用双“\\”来分割目录，如果不使用这种可以使用单“/”
3.初始化MySQL数据目录，也就是我们配置的datadir进行初始化，执行命令管理员cmd> mysqld --initialize
然后会在data目录下生成一堆文件
4.获取初始化数据库随机密码。执行完上一步之后，在data目录下生的文件有一个.err文件，这里面有初始化的密码。我们编辑打开此文件，找到密码。该文件命名规则是【电脑用户名.err】如下图
我们此次初始化随机密码是：kdpsvo&9S4r>
5.安装MySQL服务，管理员cmd> mysqld --install mysql8.0
6.启动mysql服务，管理员cmd> net start mysql8.0
然后等待服务已成功启动提示，如下图
7.用root账号、随机密码登录连接MySQL管理员cmd> mysql -u root -p
然后输入上面的随机密码成功登录
8.修改随机密码为rootmysql> ALTER USER 'root'@'localhost' IDENTIFIED BY 'root';Query OK, 0 rows affected(0.04sec);
然后退出，用新密码重新登录，至此完成

　　Spark作业与MapReduce作业同样可以先在本地开发测试，本地执行模式与集群提交模式，代码的业务功能相同，因此本书大多数采用本地开发模式。下面讲解使用IDEA工具开发WordCount单词计数程序的相关步骤。
　　1.创建Maven项目，新建资源文件夹
　　创建一个Maven工程项目，名为“spark_chapter02”。项目创建好后，在main和test目录下分别创建一个名称为scala的文件夹，创建好的目录结构如图1所示。
　　图1 Spark_chapter02项目目录结构
　　在图1中，选中main目录下的scala文件夹，单击右键选择【Mark Directory as】→【Sources Root】，将文件夹标记为资源文件夹类型;同样的，选中test目录下的scala文件夹，单击右键选择【Mark Directory as】→【Test Sources Root】将文件夹标记为测试资源文件夹类型。其中，资源文件夹中存放项目源码文件，测试文件夹中存放开发中测试的源码文件。
　　2.添加Spark相关依赖、打包插件
　　Maven是一个项目管理工具，虽然我们刚才创建好了项目，但是却不能识别Spark类，因此，我们需要将Spark相关的依赖添加到Maven项目中。打开文件，在该文件中添加的依赖如下所示：

<!--设置依赖版本号-->
     <properties>
      <>2.11.8</>
      <>2.7.4</>
      <>2.3.2</>
    </properties>
    <dependencies>
      <!--Scala-->
     <dependency>
       <groupId>org.scala-lang</groupId>
       <artifactId>scala-library</artifactId>
       <version>${}</version>
     </dependency>
     <!--Spark-->
     <dependency>
       <groupId>org.apache.spark</groupId>
       <artifactId>spark-core_2.11</artifactId>
       <version>${}</version>
     </dependency>
     <!--Hadoop-->
     <dependency>
       <groupId>org.apache.hadoop</groupId>
       <artifactId>hadoop-client</artifactId>
       <version>${}</version>
     </dependency>
   </dependencies>
　　在上述配置参数片段中，标签用来设置所需依赖的版本号，其中在标签中添加了Scala、Hadoop和Spark相关的依赖，设置完毕后，相关Jar文件会被自动加载到项目中。
　　3.编写代码，查看结果
　　在main目录下的scala文件夹中，创建文件用于词频统计，代码如文件1所示。
　　文件1 

  import org.apache.spark.rdd.RDD
  import org.apache.spark.{SparkConf, SparkContext}
  //编写单词计数
  object WordCount {
    def main(args: Array[String]): Unit = {
       //1.创建SparkConf对象,设置appName和Master地址
      val sparkconf = new 
        SparkConf().setAppName("WordCount").setMaster("local[2]")
      //2.创建SparkContext对象，它是所有任务计算的源头，
     // 它会创建DAGScheduler和TaskScheduler
     val sparkContext = new SparkContext(sparkconf)
     //3.读取数据文件,RDD可以简单的理解为是一个集合
     // 集合中存放的元素是String类型
     val data : RDD[String] = 
                  ("D:\\word\\")
     //4.切分每一行，获取所有的单词
     val words :RDD[String] = ((" "))
     //5.每个单词记为1，转换为(单词，1)
     val wordAndOne :RDD[(String, Int)] = (x =>(x,1))
     //6.相同单词汇总，前一个下划线表示累加数据，后一个下划线表示新数据
     val result: RDD[(String, Int)] = (_+_)
     //7.收集打印结果数据
     val finalResult: Array[(String, Int)] = ()
     println()
     //8.关闭sparkContext对象
     ()
   }
 }
　　上述代码中，第7-11行代码创建SparkContext对象并通过SparkConf对象设置配置参数，其中Master为本地模式，即可以在本地直接运行;第14-24行代码中，读取数据文件，将获得的数据按照空格切分，将每个单词记作(单词，1)，之后若出现相同的单词就将次数累加，最终打印数据结果;第26行代码表示关闭SparkContext对象资源。执行代码成功后，在控制台可以查看输出结果，如图2所示。
　　图2 IDEA开发WordCount
　　从图2可以看出，文本中的单词已经成功统计了出现的次数。
猜你喜欢：
Scala在使用声明值和变量时的注意事项
大数据的两种计算框架对比，哪个更适合开发？
Scala算术操作符重载怎样使用？
黑马程序员大数据培训课程 
传智播客大数据培训课程 

守护进程应该考虑哪些

创建一个守护进程，有几个关键的步骤，也有几个地方需要注意，
几个关键的步骤有：
1：清除文件创建权限
2：调用fork，然后使父进程退出
3：调用setsid以创建一个新的会话
4：切换工作目录
5：关闭不需要的文件描述符

系统设置：

$ git config --global user.name "Your Name"
$ git config --global user.email your.email@example.com

进入创建的新的应用程序的根目录，初始化一个新仓库：

$ git init

添加文件

$ git add .

查看暂存区域有哪些文件

$ git status

告诉git需要保存add的文件



$ git commit -m"reason"

查看历史提交信息



$ git log

将程序推到github上：



$ git remote add origin git@github.com:<username>/first_app.git
$ git push -u origin master

创建分支： $ git branch mybranch 

切换分支： $ git checkout mybranch 

创建并切换分支：

 $ git checkout -b mybranch

列出本地所有分支



$ git branch