zookeeper安装
来源:互联网 发布:淘宝怎么查看购物车 编辑:程序博客网 时间:2024/06/05 18:38
1.下载zookeeper-3.4.6.tar.gz并解压在固定目录
2.重命名并复制解压后的zookeeper为3份,并创建对应的
目录,如下:
在zk1_data,zk2_data,zk3_data下分别创建myid文件,内容分别为1,2,3.
在zookeeper1,zookeeper2,zookeeper3目录下分别创建zoo.cfg文件,内容如下:
zookeeper1的zoo.cfg内容:
tickTime=2000
initLimit=100
syncLimit=5
dataDir=/usr/local/zookeeper-cluster/zk1_data
clientPort=2181
dataLogDir=/usr/local/zookeeper-cluster/zk1_logs
server.1=23.105.195.9:4000:5000
server.2=23.105.195.9:4001:5001
server.3=23.105.195.9:4002:5002
zookeeper2的zoo.cfg内容:
tickTime=2000
initLimit=100
syncLimit=5
dataDir=/usr/local/zookeeper-cluster/zk2_data
clientPort=2182
dataLogDir=/usr/local/zookeeper-cluster/zk2_logs
server.1=23.105.195.9:4000:5000
server.2=23.105.195.9:4001:5001
server.3=23.105.195.9:4002:5002
zookeeper3的zoo.cfg内容:
tickTime=2000
initLimit=100
syncLimit=5
dataDir=/usr/local/zookeeper-cluster/zk3_data
clientPort=2183
dataLogDir=/usr/local/zookeeper-cluster/zk3_logs
server.1=23.105.195.9:4000:5000
server.2=23.105.195.9:4001:5001
server.3=23.105.195.9:4002:5002
- tickTime
时长单位为毫秒,为zk使用的基本时间度量单位。例如,1 * tickTime是客户端与zk服务端的心跳时间,2 * tickTime是客户端会话的超时时间。
tickTime的默认值为2000毫秒,更低的tickTime值可以更快地发现超时问题,但也会导致更高的网络流量(心跳消息)和更高的CPU使用率(会话的跟踪处理)。 - clientPort
zk服务进程监听的TCP端口,默认情况下,服务端会监听2181端口。 - dataDir
无默认配置,必须配置,用于配置存储快照文件的目录。如果没有配置dataLogDir,那么事务日志也会存储在此目录
启动各节点zk,进入各节点,执行:
./bin/zkServer.sh start
然后使用jps命令或ps -ef|grep zookeeper命令可以看到各节点信息。
客户端进入:
./bin/zkCli.sh -server 23.105.195.9:2181,23.105.195.9:2182,23.105.195.9:2183
- zookeeper安装
- Zookeeper安装
- zookeeper安装
- zookeeper安装
- zookeeper安装
- zookeeper安装
- zookeeper安装
- zookeeper安装
- zookeeper安装
- Zookeeper:安装
- ZooKeeper安装
- zookeeper安装
- zookeeper安装
- 安装Zookeeper
- zookeeper 安装
- Zookeeper 安装
- 安装ZooKeeper
- zookeeper安装
- Zlibary -Android库
- HZAU1208——Color Circle(dfs)
- 安卓开发——如何查看Androidstudio和Eclipse导出的APK文件
- C++ Primer 总结之Chap5 Expressions
- ffmpeg音视频同步
- zookeeper安装
- 剑指offer-字符串替换
- 二分图匹配——BZOJ1433/Luogu2055 [ZJOI2009]假期的宿舍
- AngularJS绑定DOM
- 二叉树的镜像(Java实现)
- 股市中的黑五类
- python2.7.12以及其相关模块的安装
- 常见的排序算法
- 目标定位--Deep Self-Taught Learning for Weakly Supervised Object Localization