Kylin(麒麟)V10系统安装WebLogic 12C

Kylin(麒麟)V10系统安装WebLogic 12C

目录

前言

一、JDK环境

二、安装WebLogic

1. 下载安装包

2. 开始安装


前言

先说下服务器的情况:我的环境是国产化环境,所以和之前的X86架构有些区别之处。

CPU是华为鲲鹏(Kunpeng)ARM64(aarch64)指令集架构,所以操作系统是:Kylin Linux Advanced Server V10 (ARM64) 。

由此我们在安装其他软件的时候也要注意这一点了,需要下载安装ARM64(aarch64)指令集架构的软件了,不然会会报指令集不符的相关错误提示。


一、JDK环境

Kylin V10系统默认安装匹配的是OpenJDK。

这里我安装WebLogic 12C时使用的是Oracle JDK。当然OpenJDK应该也是可以的。

JDK要求:WebLogic 12.2.1.4 需要 JDK 8(1.8.0_131及以上版本)

下载地址:https://www.oracle.com/java/technologies/javase/javase8u211-later-archive-downloads.html

-- 下载后安装jdk-8u211-linux-arm64-vfp-hflt.tar.gz

在你自建的linux用户下新建java文件,将下载的文件上传到新建的java文件夹下,然后在java文件夹下执行:tar zvxf  jdk-8u211-linux-arm64-vfp-hflt.tar.gz(注意看是否需要root用户权限执行)

-- 配置环境变量

我这里配置普通用户级的JDK环境,不影响root下的全局JDK环境。

su - testuser(自建用户),编辑~/.bashrc文件。

vi ~/.bashrc 后的配置内容:

#取消系统默认JDK环境变量
unset JAVA_HOME
unset JRE_HOME
unset CLASSPATH

#配置新JDK环境变量(优先级高于默认JDK了)
export JAVA_HOME=/home/testuser/java/jdk1.8.0_211
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH  #新JDK的bin目录放在最前面
export JAVA_HOME JRE_HOME CLASSPATH PATH

保存退出后执行:
source ~/.bashrc #使文件生效

二、安装WebLogic

1. 下载安装包

AI介绍:

根据Oracle官方认证,WebLogic 12.2.1.4+已正式支持:
Kylin Linux Advanced Server V10 (ARM64/x86-64) 

Go to the Oracle Technology Network (OTN) website: (WebLogic 12.2.1.4+下载)
https://www.oracle.com/middleware/technologies/weblogic-server-downloads.html

让我总结一下可能的来源:
Oracle OTN(免费用于开发,需要帐户)
Oracle支持(适用于签订支持合同的客户)
Oracle电子交付(面向授权客户)
Docker Hub(用于使用Docker容器进行开发)

2. 开始安装

-- 系统架构确认

uname -m
# Kylin V10有x86_64和aarch64架构
# 确保下载对应架构的WebLogic安装包

--依赖包安装

yum install -y libXext libXrender libXtst glibc-devel binutils gcc make elfutils-libelf-devel libaio

--内核参数调整(可先跳过,我跳过)

# 修改/etc/sysctl.conf增加参数
fs.file-max = 65536
kernel.shmmax = 4294967295

--安装界面乱码问题处理(可先跳过,我跳过)

export LANG=en_US.UTF-8

--创建组,用户,安装目录,目录拥有者授权

groupadd gstu
useradd -g gstu testuser
passwd testuser(给testuser设置密码)
mkdir -p /home/testuser/weblogic/Oracle
chown -R testuser:gstu /home/testuser

切换到你新建的用户su - testuser

1. 上传fmw_12.2.1.4.0_wls_lite_generic_ARM_OCI.jar到/home/testuser/weblogic目录

2. 创建响应文件 (静默安装)

vi wls_install.rsp  --添加以下内容

[ENGINE]
Response File Version=1.0.0.0.0
[GENERIC]
ORACLE_HOME=/home/testuser/weblogic/Oracle
INSTALL_TYPE=WebLogic Server
DECLINE_SECURITY_UPDATES=true
SECURITY_UPDATES_VIA_MYORACLESUPPORT=false

说明:
ORACLE_HOME=/home/testuser/weblogic/Oracle--这个配置最后一层Oracle目录不能提前建立好,安装时候会自动创建。否者会安装报错。

3. 执行静默安装(注:wls_install.rsp和oraInst.loc文件执行时,指定全路径)

说明:
-ignoreSysPrereqs:跳过 ARM 架构检查 (因官方可能未正式认证)
安装日志路径:/opt/oracle/oraInventory/logs/install*.log

安装过程中要求创建 产品清单位置指针文件,你可以按照说明在/etc目录上创建(root权限),也可以自己在合适的地方创建。
本人是在自己创建的用户下创建的,位置和wls_install.rsp这个文件一致。在/home/testuser/weblogic目录下。最好是在执行 静默安装 前一并设置好了。在执行安装
vi oraInst.loc --编辑产品清单位置指针文件,添加以下内容

inventory_loc=/home/testuser/weblogic/oraInventory
inst_group=gstu
说明:
inventory_loc#产品目录清单
inst_group#用户组名称

执行静默安装命令:

java -jar fmw_12.2.1.4.0_wls_lite_generic_ARM_OCI.jar -silent -responseFile /home/testuser/weblogic/wls_install.rsp -ignoreSysPrereqs -invPtrLoc /home/testuser/weblogic/oraInst.loc

说明:
安装过程中出现  检查交换空间:swap, 某些系统先决条件检查失败。必须在满足这些要求后才能继续。 处理方式如下:快速创建swap(无需分区)

free -m 先查看swap空间大小
--切换到root用户:sudo -i 
--执行分配1G:fallocate -l 1G /swapfile

--如果不行则使用:
dd if=/dev/zero of=/swapfile bs=1M count=1024
chmod 600 /swapfile #安全授权
mkswap /swapfile #格式化为swap
swapon /swapfile #启用swap

--开机自动挂载:echo '/swapfile swap swap defaults 0 0' >> /etc/fstab #>>是将内容追加到/etc/fstab文件后面,不覆盖前内容
--验证:free -m

4. 配置环境变量

vi ~/.bashrc --编辑用户环境变量文件,添加下面内容

export ORACLE_HOME=/home/testuser/weblogic/Oracle
export PATH=$ORACLE_HOME/oracle_common/common/bin:$PATH

保存退出后执行:
source ~/.bashrc #使文件生效

5. 创建域 (Domain)

创建Python脚本(我脚本的创建位置:$ORACLE_HOME/oracle_common/common/bin下),

vi create_domain.py --添加下面内容

#readTemplate('/home/testuser/weblogic/Oracle/wlserver/common/templates/wls/wls.jar')
readTemplateForUpdate('/home/testuser/weblogic/Oracle/wlserver/common/templates/wls/wls.jar') 
cd('Servers/AdminServer')
set('ListenAddress','')
set('ListenPort',7001)
cd('/')
cd('Security/base_domain/User/weblogic')
cmo.setPassword('********')
setOption('OverwriteDomain', 'true')
writeDomain('/home/testuser/weblogic/Oracle/Middleware/user_projects/domains/base_domain')
closeTemplate()
exit()

Python脚本代码说明:
readTemplateForUpdate() --已更新模式加载模板并配置/修改域。读取weblogic的基础模板wls.jar文件的路径,根据你自己的安装目录更改。
cd('Servers/') --切换到WLST的配置路径到Servers/AdminServer,用于修改管理服务器(AdminServer)的属性
set('ListenAddress','') --设置AdminServer的监听地址为空,表示会监听该主机的所有网络接口,访问其任意IP都行。
cd('/') --回到WLST的根配置路径,用于切换到其他配置节点。
cd('Security/base_domain/User/weblogic') --切换到base_domain域下的weblogic用户安全配置路径,准备修改该用户(weblogic)的密码。
setOption('OverwriteDomain', 'true') --true允许覆盖已存在的base_domain域目录,执行writeDomain() 时会直接覆盖原有域配置。 
writeDomain() --将修改后的域配置写入指定的目录,生产/更新base_domain域。根据你自己的安装目录更改,我这里是在ORACLE_HOME家目录Oracle下创建一系列文件夹Middleware/user_projects/domains/base_domain
closeTemplate() --关闭已加载的模板,释放相关资源。
exit() --退出WLST脚本执行环境

6. 执行脚本

$ORACLE_HOME/oracle_common/common/bin/wlst.sh create_domain.py

添加防火前规则,放行7001端口被访问:firewall-cmd --permanent --add-port=7001/tcp
nohup ./startWebLogic.sh > tmpweblogic.log 2>&1 & --后台启动weblogic
http://10.225.115.45:7001/console--页面访问控制台


就这样吧

Read more

PaperXie AI写作深度体验:毕业论文从选题到成稿的智能协作伙伴,如何用AI重构学术写作流程?

PaperXie AI写作深度体验:毕业论文从选题到成稿的智能协作伙伴,如何用AI重构学术写作流程?

paperxie-AI官网免费论文查重复率AIGC检测/开题报告/文献综述/论文初稿 https://www.paperxie.cn/ai/dissertationhttps://www.paperxie.cn/ai/dissertation 引言:当学术压力遇上AI时代 —— 我为什么开始尝试PaperXie? 坦白说,在研二下学期,我的论文进度一度停滞在“开题报告反复被导师打回”的阶段。不是不想写,而是不知道怎么写:选题太泛,找不到切入点;文献综述像拼图,东一块西一块;研究方法描述不清,逻辑链条断裂;最头疼的是格式规范——学校模板改了三次,每次都要重排版。 那时候,我刷知乎、逛ZEEKLOG,看到不少同学分享用AI辅助写作的经验,但大多停留在“生成摘要”或“润色句子”的层面。直到我在一个技术论坛里看到有人提到“PaperXie”,说是能“从选题到终稿全流程支持”,我抱着试试看的心态注册了账号。 没想到,这一试,

【AIGC】内容创作——AI文字、图像、音频和视频的创作流程

【AIGC】内容创作——AI文字、图像、音频和视频的创作流程

我的主页:2的n次方_       近年来,生成式人工智能(AIGC,Artificial Intelligence Generated Content)技术迅速发展,彻底改变了内容创作的各个领域。无论是文字、图像、音频,还是视频,AI都在推动着创作流程的颠覆性变革。本文将详细介绍AIGC在内容创作中的应用,并分析其背后的技术及对未来的影响。 1. 什么是AIGC? AIGC,即人工智能生成内容,是指通过机器学习模型生成各种形式的内容。与传统的人工创作不同,AIGC可以通过对大量数据的分析与学习,自动生成文字、图像、音频、视频等多种形式的内容。 AIGC的核心技术依赖于深度学习模型,如生成对抗网络(GANs)、自回归模型(如GPT)、自动编码器(VAE),以及多模态AI模型。它们能够理解和模仿不同数据模式,生成高质量的原创内容。 2. AIGC文字创作 2.1 自然语言生成(NLG) AIGC的最大突破之一是自然语言生成(NLG),如OpenAI的GPT模型系列,它们通过训练大规模语言模型,生成流畅的文章、

文本生成:从原理到落地,一文读懂AIGC核心与人物故事

文本生成:从原理到落地,一文读懂AIGC核心与人物故事

文本生成:从原理到落地,一文读懂AIGC核心与人物故事 引言 你是否好奇,一段流畅的文案、一行自动补全的代码,甚至一首符合格律的诗词,是如何被AI“创作”出来的?文本生成技术正以前所未有的速度渗透到编程、创作、教育等各个领域,成为推动生产力变革的核心引擎。本文将为你系统拆解文本生成的技术内核、热门应用、实用工具,并分享背后中国研究者的探索故事,助你快速把握这一浪潮的关键脉络。 1. 核心原理:三大技术支柱如何驱动文本生成? 本节将深入浅出地解析当前文本生成的三大主流技术路径。 1.1 自回归生成:GPT家族的基石 自回归生成是当前最主流的文本生成范式,其核心思想是 “预测下一个词” 。模型从左到右,根据已生成的文本(上下文),预测下一个最可能出现的词或子词(Token),如此循环往复,直至生成完整文本。 这一切的基石是 Transformer架构,其核心的注意力机制让模型能够“关注”到上下文中的关键信息。近年来,两大关键进展极大地推动了其发展: * 上下文长度扩展:从GPT-3的2048个Token到如今动辄数十万甚至百万Token的上下文窗口,让模型能够处理并生

终极指南:5步掌握llama.cpp量化技术,让大模型内存占用直降70%

终极指南:5步掌握llama.cpp量化技术,让大模型内存占用直降70% 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 还在为大模型推理时内存爆满而苦恼吗?作为C/C++实现的LLaMA模型移植项目,llama.cpp通过创新的量化(Quantization)技术,将模型参数量化为低精度格式,在保持推理质量的同时大幅降低内存需求。本文将为你揭秘量化技术的核心原理、实战配置和性能优化技巧,帮你轻松在消费级硬件上运行千亿参数模型。 量化技术:大模型部署的破局利器 传统FP32精度模型在推理时需要消耗大量内存,以70亿参数模型为例,仅权重就需要占用约28GB显存。量化技术通过将模型参数从32位浮点数压缩为4位、8位整数,就像把高清视频转为标清——虽然细节略有损失,但核心内容依然清晰可用。 llama.cpp的量化方案通过精度分级+