Loading [MathJax]/jax/output/CommonHTML/config.js
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 >两款程序员的好帮手——BitNami,Hoo WinTail

两款程序员的好帮手——BitNami,Hoo WinTail

作者头像
MavenTalker
发布于 2023-03-10 12:44:45
发布于 2023-03-10 12:44:45
6890
举报
文章被收录于专栏:歪脖贰点零歪脖贰点零

BitNami

喜欢折腾的朋友肯定听过LNMP或者LAMP等软件组合,简单安装一个软件还不算麻烦,但一旦还要把这些软件组合起来使用,复杂度就直接到了另一个量级。特别是对一些新手朋友而言,更是无从下手。

总有一些“懒人”不满足于一个一个的编译、安装、配置,于是乎就有了Bitnami这个东西。不管是win环境还是linux环境,基本上都是一键傻瓜式安装,不仅是本地,还可以安装在云端,详情情况,朋友们直接去深入一下吧。

官方地址:https://bitnami.com/

Hoo WinTail

在Linux环境下看过查看过日志的朋友都知道tail -f 命令的用法,可以一直跟踪日志的输出,一旦有新日志产生就直接刷新在屏幕上,对我们调试程序,跟踪Bug有很大的帮助。但在win环境下,一般只能打开程序查看日志,有日志产生时,也只能关闭再打开,翻到底部查看新产生的日志。

哪win环境下有没有一款类似tail -f 命令的工具呢,答案是肯定的,Hoo 给大家完美的解决了这个问题,从以上截图可以看出,它同样也提供了其它一些小工具,比如网络监控、Mp3转换器等,具体大家可以下载试用。

其它工具了解:

内网穿透利器Ngork

Redis图形化客户端管理软件推荐

Percona或TokuMX,NOSQL—MongoDB之外的新选择

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2016-09-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 MavenTalk 微信公众号,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
石头剪刀布:Apache Hudi中的可插拔表格式
作者:Balaji Varadarajan,Apache Hudi PMC成员,开源贡献者和湖仓(Lakehouse)爱好者
ApacheHudi
2025/05/22
620
石头剪刀布:Apache Hudi中的可插拔表格式
万字长文揭秘如何衡量云数据平台 ETL 性价比
由于数千家公司花费了数十亿美元,因此在评估和选择云数据平台(无论是数据湖仓一体还是数据仓库平台)时,性价比[1]至关重要。提取/转换/加载 (ETL) 工作负载占云支出的 50% 以上[2],用于提取、准备数据并将其转换为数据模型(雪花模式、星型模式等),用于下游分析、商业智能、数据科学、机器学习等。无论团队是深度投入还是对云数据平台的成本控制越来越感兴趣,了解 ETL 性价比对于成功都至关重要。
ApacheHudi
2025/05/19
680
万字长文揭秘如何衡量云数据平台 ETL 性价比
Lakehouse 特性对比 | Apache Hudi vs Delta Lake vs Apache Iceberg
随着 Lakehouse 的日益普及,人们对分析和比较作为该数据架构核心的开源项目的兴趣日益浓厚:Apache Hudi、Delta Lake 和 Apache Iceberg。
大数据技术架构
2022/12/01
1.9K0
Lakehouse 特性对比 | Apache Hudi vs Delta Lake vs Apache Iceberg
Uptycs: 构建快如闪电的分析
在 Uptycs,我们的数据平台架构多年来随着几乎所有数据平台的自然发展而发展。最初我们的架构围绕在线事务处理 (OLTP) 数据库 (在我们的例子中主要是 PostgreSQL)展开,用于管理以下类别的数据:
ApacheHudi
2025/04/14
540
Uptycs: 构建快如闪电的分析
Robinhood基于Apache Hudi的下一代数据湖实践
Robinhood 的使命是使所有人的金融民主化。Robinhood 内部不同级别的持续数据分析和数据驱动决策是实现这一使命的基础。我们有各种数据源——OLTP 数据库、事件流和各种第 3 方数据源。需要快速、可靠、安全和以隐私为中心的数据湖摄取服务来支持各种报告、关键业务管道和仪表板。不仅在数据存储规模和查询方面,也在我们在数据湖支持的用例方面,我们从最初的数据湖版本[1]都取得了很大的进展。在这篇博客中,我们将描述如何使用各种开源工具构建基于变更数据捕获的增量摄取,以将我们核心数据集的数据新鲜延迟从 1 天减少到 15 分钟以下。我们还将描述大批量摄取模型中的局限性,以及在大规模操作增量摄取管道时学到的经验教训。
ApacheHudi
2022/04/01
1.5K0
Robinhood基于Apache Hudi的下一代数据湖实践
数据湖 | Apache Hudi 设计与架构最强解读
Apache Hudi(简称:Hudi)允许您在现有的hadoop兼容存储之上存储大量数据,同时提供两种原语,使得除了经典的批处理之外,还可以在数据湖上进行流处理。
王知无-import_bigdata
2020/11/06
3.7K0
数据湖 | Apache Hudi 设计与架构最强解读
Lakehouse 如何重塑企业数据生态?
大数据架构经过多年的演进,传统数据仓库和数据湖的局限性日益凸显。在此背景下,湖仓一体 Lakehouse 凭借其开放性和成本效益,迅速成为当今数据平台的主流架构。然而,随着进入 Data + AI 驱动的新时代,企业对实时数据分析的需求不断增加,对半结构化和非结构化数据的处理也愈显重要。那么,应该如何高效整合多种数据源,实现实时分析与智能决策?
深度学习与Python
2025/03/21
1310
Lakehouse 如何重塑企业数据生态?
降本百万!Notion 基于Apache Hudi构建LakeHouse
这篇博文是由 Notion 数据平台团队的软件工程师 Thomas Chow 和 Nathan Louie 于 2023 年 12 月 13 日发表的题为 Notion's Journey Through Different Stages of Data Scale 的 Hudi 现场活动的简短摘要。下面的视频剪辑给出了Notion 演讲的简短摘要,还可以查看演讲幻灯片[1]或查看完整演讲[2]。
ApacheHudi
2024/03/06
2080
降本百万!Notion 基于Apache Hudi构建LakeHouse
一文聊透开放表格式和开放数据Lakehouse
三个项目 - Apache Hudi、Apache Iceberg 和 Delta Lake - 现在是该领域所有关注和供应商的中心。这些项目对于为数据打造一个开放、适应性强的基础至关重要,使企业能够选择适合其独特工作负载的适当计算引擎,从而避免专有存储格式的限制。但是在这些项目中可以互换使用术语 开放表格式和 开放数据湖仓一体的激增,因此需要澄清和更深入的理解。
ApacheHudi
2024/11/23
2540
一文聊透开放表格式和开放数据Lakehouse
重磅!基于Apache Hudi的商业公司Onehouse成立
Apache Hudi[1](简称“Hudi”)于 2016 年在 Uber 创建,旨在将数据仓库功能引入数据湖以获取准实时的数据,开创了事务数据湖架构,现已在所有垂直行业中进入主流。在过去的 5 年里,围绕该项目已发展出一个丰富多彩的社区[2],并迅速创新。Hudi 为数据湖带来了类似数据仓库及数据库的功能,并使诸如分钟级数据新鲜度、优化存储、自我管理表等新事物直接在数据湖中成为可能。来自世界各地的许多公司都为 Hudi 做出了贡献,该项目在不到两年的时间内增长了 7 倍,每月下载量接近 100 万次。我很荣幸目睹了亚马逊[3]、字节跳动、Disney+ Hotstar[4]、GE Aviation[5]、Robinhood[6]、沃尔玛[7]等更多企业采用并构建基于 Apache Hudi 的 EB (Exabyte) 级数据湖,来支持其关键商业应用。紧跟潮流,我很高兴能在这里分享过去几个月我们利用 Hudi 正在构建的公司和产品 - Onehouse。为了启动我们的征程,我们获得了 Greylock Ventures 和 Addition 的 8 百万美元的种子轮投资——这些投资公司在培育企业数据初创公司方面拥有出色的业绩记录和丰富的经验。以下是我们的旅程故事和对未来的愿景。
ApacheHudi
2022/02/08
7200
Apache Hudi在腾讯的落地与应用
Apache Hudi是一个基于数据库内核的流式数据湖平台,支持流式工作负载,事务,并发控制,Schema演进与约束;同时支持Spark/Presto/Trino/HIve等生态对接,在数据库内核侧支持可插拔索引的更新,删除,同时会自动管理文件大小,数据Clustering,Compaction,Cleanning等
ApacheHudi
2022/12/09
1.9K1
Apache Hudi在腾讯的落地与应用
通用数据湖仓一体架构正当时
这篇博文中提出的建议并不新鲜。事实上许多组织已经投入了数年时间和昂贵的数据工程团队的工作,以慢慢构建这种架构的某个版本。我知道这一点,因为我以前在Uber和LinkedIn做过这样的工程师。我还与数百个组织合作,在开源社区中构建它并朝着类似的目标迈进。
ApacheHudi
2024/01/17
3320
通用数据湖仓一体架构正当时
数据仓库与数据湖与湖仓一体:概述及比较
随着越来越多的公司依靠数据来推动关键业务决策、改进产品供应并更好地服务客户,公司捕获的数据量比以往任何时候都多。Domo 的这项研究估计,2017 年每天会生成 2.5 百亿字节的数据,到 2025 年,这一数字将增加到 463 艾字节。但如果公司不能快速利用这些数据,那么这些数据又有什么用呢?针对数据分析需求的最佳数据存储这一话题长期以来一直存在争议。
大数据杂货铺
2024/04/15
5.1K0
数据仓库与数据湖与湖仓一体:概述及比较
Lakehouse架构指南
你曾经是否有构建一个开源数据湖[1]来存储数据以进行分析需求?数据湖包括哪些组件和功能?
ApacheHudi
2022/12/09
2.2K0
Lakehouse架构指南
降本增效!Notion数据湖构建和扩展之路
在过去三年中,由于用户和内容的增长,Notion 的数据增长了 10 倍,以 6-12 个月的速度翻了一番。要管理这种快速增长,同时满足关键产品和分析用例不断增长的数据需求,尤其是我们最近的 Notion AI 功能,意味着构建和扩展 Notion 的数据湖。以下来介绍我们是如何做到的。
ApacheHudi
2024/07/26
2730
降本增效!Notion数据湖构建和扩展之路
沃尔玛基于 Apache Hudi 构建 Lakehouse
开源数据峰会上最有趣的会议之一是三级数据工程师 Ankur Ranjan 和高级数据工程师 Ayush Bijawat 的演讲,介绍他们在领先零售商沃尔玛中使用 Apache Hudi。
ApacheHudi
2024/03/18
1510
沃尔玛基于 Apache Hudi 构建 Lakehouse
LakeHouse 还是 Warehouse?(1/2)
Onehouse 创始人/首席执行官 Vinoth Chandar 于 2022 年 3 月在奥斯汀数据委员会[1]发表了这一重要演讲。奥斯汀数据委员会是“世界上最大的独立全栈数据会议”,这是一个由社区驱动的活动,包括数据科学、数据工程、分析、机器学习 (ML)、人工智能 (AI) 等。
ApacheHudi
2024/01/23
1980
LakeHouse 还是 Warehouse?(1/2)
加速 Lakehouse 表性能完整指南
数据Lakehouse的概念是由 Uber 的一个团队于 2016 年首创,当时该团队试图解决存储大量大容量更新插入数据的问题。该项目最终成为Apache Hudi[1] ,然后被描述为“事务数据湖”。随着时间的推移,其他组织创建了项目来解耦昂贵的数据仓库计算和存储,利用基于云对象的系统将数据存储为文件。这些项目成为Apache Iceberg[2] (诞生于 Netflix)和 Linux 基金会的Delta Lake[3] (诞生于 Databricks),最终融合为“数据Lakehouse”的术语。
ApacheHudi
2025/01/20
1160
加速 Lakehouse 表性能完整指南
基于 Apache Hudi + dbt 构建开放的Lakehouse
本博客的重点展示如何利用增量数据处理和执行字段级更新来构建一个开放式 Lakehouse。我们很高兴地宣布,用户现在可以使用 Apache Hudi + dbt 来构建开放Lakehouse。
ApacheHudi
2022/12/09
1.3K0
基于 Apache Hudi + dbt 构建开放的Lakehouse
Uber 基于Apache Hudi的超级数据基础设施
Uber 是一个全球品牌,在全球 10,000 多个城市运营。该公司运营规模庞大,每月为超过 1.37 亿用户提供服务,每天为 2500 万次出行提供服务。数据驱动——乘客、司机和企业经营者采取的每一个行动。在如此规模的数据中,将所有这些活动的原始数据转化为业务洞察的技术挑战尤其困难,尤其是以高效且可靠的方式做到这一点。
ApacheHudi
2024/03/25
2160
Uber 基于Apache Hudi的超级数据基础设施
推荐阅读
相关推荐
石头剪刀布:Apache Hudi中的可插拔表格式
更多 >
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