前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Yum安装nginx

Yum安装nginx

作者头像
高大北
发布于 2022-06-14 11:52:09
发布于 2022-06-14 11:52:09
5.3K00
代码可运行
举报
运行总次数:0
代码可运行

1、先下载前置包

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
yum install yum-utils

报错的话看最下边

2、进入文件配置信息

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd /etc/yum.repos.d/
vim nginx.repo

输入以下信息

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
[nginx-stable]
name=nginx stable repo
baseurl=http://nginx.org/packages/centos/$releasever/$basearch/
gpgcheck=1
enabled=1
gpgkey=https://nginx.org/keys/nginx_signing.key
[nginx-mainline]
name=nginx mainline repo
baseurl=http://nginx.org/packages/mainline/centos/$releasever/$basearch/
gpgcheck=1
enabled=0
gpgkey=https://nginx.org/keys/nginx_signing.key

3、直接下载安装nginx

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
yum install nginx

4、安装完后,查看启动nginx

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
rpm -qa | grep nginx
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
systemctl start nginx

5、加入开机启动

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
systemctl enable nginx

6、查看nginx的状态

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
systemctl status nginx

7、nginx服务的默认配置文件在vim /etc/nginx/conf.d/default.conf,打开可看到,默认端口为80,项目部署目录为/usr/share/nginx/html/

报错收集

yum install yum-utils报错

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
Loaded plugins: fastestmirror, langpacks
Determining fastest mirrors
Package yum-utils-1.1.31-54.el7_8.noarch already installed and latest version
Nothing to do

解决步骤:

1、修改配置文件

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
vi  /etc/yum/pluginconf.d/fastestmirror.conf
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
[main]   
enabled=0  //把1改为0  
verbose=0  
socket_timeout=3  
hostfilepath=/var/cache/yum/timedhosts.txt   
maxhostfileage=10  
maxthreads=15  

2、修改另一个配置文件

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
vi /etc/yum.conf
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
[main]
cachedir=/var/cache/yum/$basearch/$releasever
keepcache=0
debuglevel=2
logfile=/var/log/yum.log
exactarch=1
obsoletes=1
gpgcheck=1
plugins=1                 #将plugins的值修改为0
installonly_limit=5
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
基于人形机器人的RGB-D SLAM方法比较评估
文章: Comparative Evaluation of RGB-D SLAM Methods for Humanoid Robot Localization and Mapping
点云PCL博主
2025/05/24
1260
基于人形机器人的RGB-D SLAM方法比较评估
漫谈 SLAM 技术(下)
本文讲解了视觉里程计(Visual Odometry)和SLAM(Simultaneous Localization and Mapping)的基本概念、发展历程、主要算法及其在实际应用中的优势和挑战。作者通过对这些概念和算法的介绍,使读者对视觉里程计和SLAM有了更加深入的了解。同时,文章还介绍了目前该领域的一些研究热点和未来发展方向,对于想要深入了解视觉里程计和SLAM的读者具有重要的参考价值。
DancingWind
2017/09/12
19.4K1
漫谈 SLAM 技术(下)
SLAM算法调研「建议收藏」
  SLAM,即:同步定位与地图创建(Simultaneous Localization and Mapping,SLAM)。它试图解决这样的问题:一个机器人在未知环境中运动,如何通过环境的观测确定自身的运动轨迹,同时构建出环境的地图。SLAM根据硬件设备的不同主要有两种:基于激光雷达的SLAM和基于视觉的SLAM(VSLAM)。
全栈程序员站长
2022/07/04
5.8K0
SLAM算法调研「建议收藏」
第三期:一起来学SLAM
激光雷达:通过测量激光信号的时间差、相位差确定距离,通过水平旋转扫描或相控扫描测角度,并根据这两个数据建立二维的极坐标系;再通过获取不同俯仰角度的信号获得第三维的高度信息。
点云PCL博主
2019/07/30
9170
第三期:一起来学SLAM
SLAM机器人开发(二)SLAM技术现状
激光 SLAM 在 SLAM 技术中是较为传统且成熟的。2D 激光 SLAM 技术需要输入 IMU 数据、 里程计数据和 2D 激光雷达数据,经过计算后输出覆盖栅格地图和机器人轨迹。从 20 世纪 90 年 代 EKF-SLAM 的提出开始,陆续出现了 UKF-SLAM、PF-SLAM、FAST-SLAM、GMapping、 Optimal-RBPF等激光 SLAM 算法。其中,GMapping 算法基于 RBPF-SLAM,使用粒子滤波器 (Particle Filter,PF),进一步降低了定位和建图误差,从而成为一种常用的激光 SLAM 算法。
全栈程序员站长
2022/11/10
7000
SLAM机器人开发(二)SLAM技术现状
视觉slam和激光slam结合_视觉slam和激光slam
早在 2005 年的时候,激光 SLAM 就已经被研究的比较透彻,框架也已初步确定。激光 SLAM,是目前最稳定、最主流的定位导航方法。
全栈程序员站长
2022/09/23
9610
视觉slam和激光slam结合_视觉slam和激光slam
ORB-SLAM——a Versatile and Accurate Monocular SLAM System)
本文提出了ORB-SLAM,在大小场景、室内室外环境下都可以实时操作的一种基于特征的单目SLAM系统。系统对复杂的剧烈运动具有鲁棒性,允许宽基线的闭环和重定位,且包含完整的自动初始化。基于最近几年的优秀算法之上,我们从头开始设计了一种新颖的系统,它对所有SLAM任务使用相同的特征:追踪、建图、重定位和闭环。合适策略的存在使得选择的重建点和关键帧具有很好的鲁棒性,并能够生成紧凑的可追踪的地图,只有当场景内容发生变化地图才改变,从而允许长时间操作。本文从最受欢迎的数据集中提供了27个序列的详尽评估。相对于其他最先进的单目SLAM方法,ORB-SLAM实现了前所未有的性能。为了社会的利益,我们将源代码公开。
全栈程序员站长
2022/06/26
8690
ORB-SLAM——a Versatile and Accurate Monocular SLAM System)
近十年的VI-SLAM算法综述与发展(附链接)
本文转载自INDEMIND,作者半不闲居士@CSDN。文章仅用于学术分享。本文约7000字,建议阅读14分钟本文为作者在从事Slam相关工作中对这几年遇到以及改进过相关VIO算法内容总结。 1、背景介绍 一个完整的 SLAM(simultaneous localization and mapping) 框架包括传感器数据、 前端、 后端、 回环检测与建图,如图1所示,其中,前端将传感器的数据抽象成适用于估计的模型,回环检测判断机器人是否经过已知的位置。而后端接受不同时刻前端测量的位姿和回环检测的信息并对它们
数据派THU
2022/04/21
2.6K0
近十年的VI-SLAM算法综述与发展(附链接)
两万字 | 视觉SLAM研究综述与未来趋势讨论
摘要:近年来,基于视觉传感器在同时定位与地图构建(SLAM)系统中展示出了显著的性能、准确性和效率。在这里,视觉同时定位与地图构建(VSLAM)方法是指使用相机进行姿态估计和地图生成的SLAM方法。
一点人工一点智能
2022/12/25
1.6K0
两万字 | 视觉SLAM研究综述与未来趋势讨论
增强现实中应用的VSLAM技术综述
文章:A Review of VSLAM Technology Applied in Augmented Reality
点云PCL博主
2024/11/28
3010
增强现实中应用的VSLAM技术综述
基于RGBD的slam_rgb算法
首先,我们需要知道什么是SLAM(simultaneous localization and mapping, 详见SlamCN),SLAM,即时定位与制图,包含3个关键词:实时、定位、制图,就是实时完成定位和制图的任务,这就是SLAM要解决的基本任务。按照使用的传感器分为激光SLAM(LOAM、V-LOAM、cartographer)与视觉SLAM,其中视觉SLAM又可分为单目SLAM(MonoSLAM、PTAM、DTAM、LSD-SLAM、ORB-SLAM(单目为主)、SVO)、双目SLAM(LIBVISO2、S-PTAM等)、RGBD SLAM(KinectFusion、ElasticFusion、Kintinous、RGBD SLAM2、RTAB SLAM);视觉SLAM由前端(视觉里程计)、后端(位姿优化)、闭环检测、制图4个部分组成,按照前端方法分为特征点法(稀疏法)、光流法、稀疏直接法、半稠密法、稠密法(详见高翔《视觉slam十四讲》第xx章);按照后端方法分为基于滤波(详见SLAM中的EKF,UKF,PF原理简介)与基于图优化(详见深入理解图优化与g2o:图优化篇与深入理解图优化与g2o:g2o篇)的方法。
全栈程序员站长
2022/10/02
7050
基于RGBD的slam_rgb算法
视觉SLAM——特征点法与直接法对比以及主流开源方案对比 ORB LSD SVO DSO
单目视觉SLAM可以根据其前端视觉里程计或是后端优化的具体实现算法进行分类:前端可以分为特征点法与直接法,后端可以分为基于滤波器和基于非线性优化。其中在后端上目前已经公认基于非线性优化的方法在同等计算量的情况下,比滤波器能取得更好的结果。而前端的两种方法则各有优劣。
全栈程序员站长
2022/08/27
2.3K0
无人驾驶技术的灵魂——SLAM的现在与未来
作者:高翔 张涛 刘毅 颜沁睿 编者按: 本文节选自图书《视觉SLAM十四讲:从理论到实践》,该书系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,又包括计算机视觉的算法实现。此外,还提供了大量的实例代码供读者学习研究,从而更深入地掌握这些内容。 当前的开源方案 本文将带着读者去看看现有的SLAM方案能做到怎样的程度。特别地,我们重点关注那些提供开源实现的方案。在SLAM研究领域,能见到开源方案是很不容易的。往往论文中介绍理论只占20%的内容,其他80%都写在代码中
用户1737318
2018/07/20
1.8K0
时隔多年,ORB-SLAM3终于来了
首先回顾一下历史:ORB-SLAM首次在2015年被提出,它的改进版ORB-SLAM2在2017年被提出,同年提出了ORB-SLAM-VI,时隔3年,ORB-SLAM3横空出世,朋友圈、学术群里到处都在热议这个挂在Arxiv才不到3天的论文。好奇心的驱使下,本人偷瞄了一下论文,就在这里总结一下吧。
好好学SLAM
2021/05/28
2.3K0
一文详解SLAM的主要任务和开源框架
SLAM是Simultaneous localization and mapping缩写,意为“同步定位与建图”.
3D视觉工坊
2021/04/13
2.9K0
一文详解SLAM的主要任务和开源框架
同时定位与地图创建综述
SLAM包含两个主要任务,定位和建图。这是移动机器人自主完成作业任务需要解决的基本问题,特别是在未知环境的情况下,移动机器人既要确定自身在环境中的位姿,又要根据确定的位姿来创建所处环境的地图,这是一个相辅相成、不断迭代的过程。因此,SLAM问题是一个复杂的耦合问题,也可以被看作是先有鸡还是鸡蛋的问题[1]。
3D视觉工坊
2020/12/11
1.2K0
视觉/视觉惯性SLAM最新综述:领域进展、方法分类与实验对比
Visual and Visual-Inertial SLAM: State of the Art, Classification,and Experimental Benchmarking
3D视觉工坊
2021/07/27
1K0
一文详解ORB-SLAM3
ORB-SLAM3是一个支持视觉、视觉加惯导、混合地图的SLAM系统,可以在单目,双目和RGB-D相机上利用针孔或者鱼眼模型运行。
3D视觉工坊
2020/12/11
2.4K0
vSLAM开发指南:从技术框架、开源算法到硬件选型!
出品 | 智东西公开课 讲师 | 小觅智能 CTO 杨瑞翾 编辑 | 王鑫
小白学视觉
2019/12/24
3.7K0
vSLAM开发指南:从技术框架、开源算法到硬件选型!
SLAM综述(2)-视觉SLAM
SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图就需要知道机器人的位置。
点云PCL博主
2020/10/26
1.6K0
SLAM综述(2)-视觉SLAM
相关推荐
基于人形机器人的RGB-D SLAM方法比较评估
更多 >
LV.1
这个人很懒,什么都没有留下~
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档