搞了好几天,终于成功和大家分享,真是深受网络共享的折腾呀,说的都一样就是不好用.
二台机器都是ubuntu的
weblogic10.3.3
AdminServer ip:192.168.1.46
远程机器 ip:192.168.1.232
目地:用Adminserver启动远程受管机器
建一个服务ip:192.168.1.232(受管机器IP) 端口受管机器的服务端口
建立完成,注意服务器的名称:要与远程服务器的名称一致
在服务器->一般信息->启动ssl监听(选中)
在服务器->ssl->验证主机名->选择为none
注意你的当前域有两个服务器AdminServer和刚建的服务都要设置
新建一个machine点击base_doamin->环境->计算机->新建
添加一个machine(machine1)完成
点击machine1进入设置页面一般信息不用修改,节点管理器的ip设为受管机器的IP端口默认就可以
服务器页添加刚才建立的服务器完成.
由于weblogic启动远程服务是由nodemanager完成的所以需要一个machine。
在远程机器完成服务器的建立,开启ssl与关闭主机器验证。
如果weblogic工作台提示重启就需要重启服务.
保持Adminserver服务和远程服务同时启动,这里的服务是管理服务器,不是受管理的服务器(这是我们要测试启动的)
命令行进入$WL_HOME//bea/wlserver_10.3/common/bin目录
执行wlst.sh
完成后执行connect()命令
按提示分别输入远程用户名,远程密码,url(受管机器的管理服务器url)http://远程ip:管理机器的port
成功后执行nmEnroll('$WL_HOME//wlserver_10.3/common/nodemanager')成功后说明由管理机器到受管机器的注册成功.
反方向由受管机器到主管机器一样完成注册。
分别启动管理机器的nodemanager和受管理机器的nodemanager 在$WL_HOME/wlserver_10.3/common/nodemanager下的startNodeManger.sh
启动成功后,进入管理机器的服务器项看到远程机器为shutdown,选择控制,启动完成远程机器的启动
分享到:
相关推荐
Intel Intelligent Power Node Manager 3.0 External Interface Specification Using IPMI Contents 1 Introduction 2 Intel Management Engine (Intel ME) IPMI Interface 3 Intel ME Intel NM IPMI Interface ...
项目基于k8s与docker基础上, 实现动态节点计算功能, 可随时增减计算节点,用于外部任务计算, 可利用服务器或个人的电脑空闲资源再利用,二次回收,使其变废...接受任务, 计算资源,暂时仅提供nodemanger作为资源管理的最细
python学习资源
jfinal-undertow 用于开发、部署由 jfinal 开发的 web 项目
基于Andorid的音乐播放器项目设计(国外开源)实现源码,主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者,也可作为课程设计、期末大作业。
python学习资源
python学习资源
python学习一些项目和资源
【毕业设计】java-springboot+vue家具销售平台实现源码(完整前后端+mysql+说明文档+LunW).zip
HTML+CSS+JavaScarip开发的前端网页源代码
python学习资源
【毕业设计】java-springboot-vue健身房信息管理系统源码(完整前后端+mysql+说明文档+LunW).zip
成绩管理系统C/Go。大学生期末小作业,指针实现,C语言版本(ANSI C)和Go语言版本
1_基于大数据的智能菜品个性化推荐与点餐系统的设计与实现.docx
【毕业设计】java-springboot-vue交流互动平台实现源码(完整前后端+mysql+说明文档+LunW).zip
内容概要:本文主要探讨了在高并发情况下如何设计并优化火车票秒杀系统,确保系统的高性能与稳定性。通过对比分析三种库存管理模式(下单减库存、支付减库存、预扣库存),强调了预扣库存结合本地缓存及远程Redis统一库存的优势,同时介绍了如何利用Nginx的加权轮询策略、MQ消息队列异步处理等方式降低系统压力,保障交易完整性和数据一致性,防止超卖现象。 适用人群:具有一定互联网应用开发经验的研发人员和技术管理人员。 使用场景及目标:适用于电商、票务等行业需要处理大量瞬时并发请求的业务场景。其目标在于通过合理的架构规划,实现在高峰期保持平台的稳定运行,保证用户体验的同时最大化销售额。 其他说明:文中提及的技术细节如Epoll I/O多路复用模型以及分布式系统中的容错措施等内容,对于深入理解大规模并发系统的构建有着重要指导意义。
基于 OpenCV 和 PyTorch 的深度车牌识别
【毕业设计-java】springboot-vue教学资料管理系统实现源码(完整前后端+mysql+说明文档+LunW).zip
此数据集包含有关出租车行程的详细信息,包括乘客人数、行程距离、付款类型、车费金额和行程时长。它可用于各种数据分析和机器学习应用程序,例如票价预测和乘车模式分析。
把代码放到Word中,通过开发工具——Visual Basic——插入模块,粘贴在里在,把在硅基流动中申请的API放到VBA代码中。在Word中,选择一个问题,运行这个DeepSeekV3的宏就可以实现在线问答