Linux 安装 mysql 【基于 tar.gz | tar.xz安装包-离线安装】

本文涉及的产品
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
RDS AI 助手,专业版
简介: 本文详细介绍了MySQL 8.0.45的Linux源码安装全流程:从官网下载tar.xz包,创建专用mysql用户,解压配置、初始化数据库、编写my.cnf、启动服务、设置开机自启及环境变量,最后修改初始密码。步骤清晰,安全规范,适用于生产环境部署。(239字)

一、下载MySQLtar.xz压缩包为安装源
网址:https://downloads.mysql.com/archives/community/
image.png
或者使用wget 或 curl 下载

二、安装
1.创建mysql用户和组
为了安全起见,MySQL应该由一个非root用户运行。

sudo groupadd mysql
sudo useradd -r -g mysql -s /bin/false mysql

2.解压并移动到安装目录

cd ~/
# 解压 .tar.xz 文件
tar xvf mysql-8.0.45-linux-glibc2.28-x86_64.tar.xz

# 将解压后的目录移动到 /usr/local/ 并重命名为 mysql
sudo mv mysql-8.0.45-linux-glibc2.28-x86_64 /usr/local/mysql

3.更改目录所有权
将MySQL安装目录的所有权赋予 mysql 用户和组。

sudo chown -R mysql:mysql /usr/local/mysql

4.初始化MySQL数据库
切换到 mysql 用户并执行初始化命令。此步骤会生成初始数据文件和一个临时 root 密码。

sudo /usr/local/mysql/bin/mysqld --initialize --user=mysql --datadir=/usr/local/mysql/data

请务必将命令输出的最后一行,类似于 A temporary password is generated for root@localhost: ... 的临时密码记下来,后续登录MySQL时会用到。
5.创建基础配置文件 (my.cnf)
在 /etc/ 目录下创建一个 my.cnf 文件,这是MySQL的全局配置文件。

sudo vim /etc/my.cnf

在文件中粘贴以下基本配置:

[mysqld]
# 设置端口
port=3306
# 设置安装目录
basedir=/usr/local/mysql
# 设置数据存放目录
datadir=/usr/local/mysql/data
# 设置socket文件位置
socket=/tmp/mysql.sock
# 设置pid文件位置
pid-file=/tmp/mysql.pid
# 设置错误日志文件
log-error=/usr/local/mysql/data/error.log
# 设置慢查询日志
slow-query-log-file=/usr/local/mysql/data/slow.log
# 设置字符集
character-set-server=utf8mb4
collation-server=utf8mb4_unicode_ci
# 其他性能相关配置
max_connections=200
max_connect_errors=10

保存并退出 (:wq)。

6.启动MySQL服务
再次切换到 mysql 用户启动mysqld进程。

sudo /usr/local/mysql/support-files/mysql.server start

您可能会看到 Starting MySQL SUCCESS! 的提示。

7.设置开机自启 (可选)
将启动脚本复制到系统服务目录,以便于管理。

sudo cp /usr/local/mysql/support-files/mysql.server /etc/init.d/mysql
sudo chmod +x /etc/init.d/mysql
# 添加到开机启动项 (对于 systemd 系统)
sudo chkconfig --add mysql
sudo chkconfig mysql on

8.配置环境变量
为了让您可以在任何目录下直接使用 mysql 命令,将MySQL的 bin 目录添加到系统的 PATH 中。

echo 'export PATH=$PATH:/usr/local/mysql/bin' >> ~/.bashrc
source ~/.bashrc

9.登录并修改临时密码
使用初始的临时密码登录MySQL。

mysql -u root -p

登录成功后,MySQL会要求您立即修改临时密码。执行以下SQL命令(将 new_password 替换为您想要设置的新密码):

ALTER USER 'root'@'localhost' IDENTIFIED BY 'new_password';
exit;

至此,MySQL 8.0.45 已经成功安装并完成了基础配置。您可以使用新密码再次登录进行后续操作。

相关文章
|
24天前
|
SQL 人工智能 自然语言处理
我用DataClaw打造了一个7X24小时的数据助理
阿里云DMS DataClaw是7×24小时AI数据助理,支持自然语言提工单、智能巡检、多任务编排、SQL风险预审等9项硬功能,原生集成DMS安全体系,覆盖MySQL/Oracle等60+数据源。现在可免费试用,快来体验吧。
611 9
|
22天前
|
Java
Java开发中三个实用的代码技巧
Java开发中三个实用的代码技巧
320 142
|
9天前
|
人工智能 Linux API
OpenClaw 阿里云秒级部署保姆级教程:从0到1搭建7×24小时AI助手
2026年3月,OpenClaw(原Clawdbot)凭借其轻量化架构、丰富技能生态与大模型适配能力,成为个人与小型团队搭建AI助手的首选方案。阿里云提供专属应用镜像与一键部署能力,可实现“秒级上线”,搭配百炼Coding Plan免费大模型API,无需本地算力即可拥有7×24小时在线的AI智能体。本文提供从服务器选购、端口放行、一键部署、模型配置到本地MacOS/Linux/Windows11联动的全流程保姆级教程,所有命令可直接复制执行,无冗余步骤,零基础也能一次成功。
302 11
|
18天前
|
人工智能 API iOS开发
【龙虾ai保姆级教程】AI助手OpenClaw 阿里云/本地部署+免费大模型api配置及常见问题解答
OpenClaw(曾用名Clawdbot)作为一款开源的AI Agent框架,凭借本地运行、自主执行、高度自定义的特性,成为从个人办公到轻量团队协作的优质智能工具。它摆脱了传统Chatbot仅能被动对话的局限,可直接操控电脑环境、完成多任务自动化执行,如同一个专属的数字员工,而本地部署的特性更让数据隐私得到充分保障。2026年的最新版本进一步降低了使用门槛,不仅适配阿里云的一键部署方案,还能在MacOS、Linux、Windows11等主流系统完成本地搭建,同时可对接阿里云百炼免费大模型API实现核心功能。本文将从OpenClaw的核心价值出发,详细拆解2026年新手零基础下阿里云云端部署、多
790 1
|
4天前
|
存储 缓存 安全
深入理解OpenClaw技术架构与实现原理(下)
本文是《深入理解OpenClaw技术架构与实现原理(上)》的续篇,主要讲述从沙箱隔离到企业级智能体演进。
深入理解OpenClaw技术架构与实现原理(下)
|
1月前
|
人工智能 监控 机器人
2026年零门槛部署 OpenClaw(Clawdbot)接入A股数据,实现24小时股票分析保姆级教程
在AI赋能金融分析的浪潮中,OpenClaw(原Clawdbot/Moltbot)凭借开源灵活的架构,成为个人投资者打造专属智能分析助手的首选。通过接入A股实时数据,它能实现24小时市场监控、涨跌预警、潜力股推荐等核心功能,彻底解放人工盯盘的繁琐。而阿里云的稳定部署环境,更让这套系统实现全天候不间断运行,成为真正的“金融AI助手”。 本文基于OpenClaw v2026.1.25稳定版与QVeris免费A股数据接口,详细拆解阿里云OpenClaw部署步骤、A股数据接入流程、高级分析功能配置及多平台联动技巧,所有代码命令均可直接复制复用,即使无技术基础也能在1小时内完成从部署到实战的全流程。
8051 12
|
12天前
|
传感器 人工智能 自动驾驶
自动驾驶中行人目标检测数据集(近4000张图片已标注)| YOLO训练数据集 AI视觉检测
本数据集含近4000张高质量标注图像,专为自动驾驶行人检测设计,精细划分pedestrian(动态行人)、ped(旁观者)、people(人群)三类,覆盖城市、城郊、商圈等多场景,支持YOLOv5-v10等模型训练,助力行为预测与安全决策。
自动驾驶中行人目标检测数据集(近4000张图片已标注)| YOLO训练数据集 AI视觉检测
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
tiktoken 对中文长文本的压缩率实证研究——基于百万 token 对话的三层量化框架验证
随着大模型长上下文能力的普及,tiktoken 及其他 BPE based 分词器已成为评估文本 token 数的标准工具。然而,其在中英文混合长文本中的实际压缩规律仍缺乏实证验证,业界普遍使用的经验公式(如中文字符 × 1.6)尚未在大规模语料上得到检验。本文基于 DeepSeek 百万 token项目中提纯后的对话数据(.jsonl,1 077 046 tokens,3 673 轮)采用反向推算方法,首次在真实中文长文本上量化了tiktoken 的压缩系数。主要发现: 1️⃣ 中文实际系数约为 1.16,远低于经验公式的 1.6,导致整体 token 估算高出20.9 %; 2️⃣ 对话呈