Telnet 测试zookeeper是否启动成功

本文涉及的产品
服务治理 MSE Sentinel/OpenSergo,Agent数量 不受限
任务调度 XXL-JOB 版免费试用,400 元额度,开发版规格
注册配置 MSE Nacos/ZooKeeper,118元/月
简介:

在Linux环境下,有时我们想看下是否成功启动了Zookeeper, 可以才用telnet的方式进行测试


Steps:

  1.   登录 linux 

  2.   输入telnet命令: telnet localhost 2181

  3.   如果看到字样:   Mode: standalone,代表你的ZookKeeper已经启动成功


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
login as: root    
root@USTR-ERL2-0155.na.uis.unisys.com's password:    
Last login: Tue Jun 13 22:56:10 2017 from cn-tangym-2.ap.uis.unisys.com
 
[root@USTR-ERL2-0155 ~] # telnet localhost 2181
Trying ::1...
Connected to localhost.Escape character is  '^]' .stat
Zookeeper version: 3.4.9-1757313, 
built on 08 /23/2016  06:50 
GMT
Clients: 
/0 :0:0:0:0:0:0:1:38156[0](queued=0,recved=1,sent=0) 
/0 :0:0:0:0:0:0:1:44030[1](queued=0,recved=8966,sent=8966) 
/0 :0:0:0:0:0:0:1:44026[1](queued=0,recved=8966,sent=8966) 
/127 .0.0.1:59158[1](queued=0,recved=8966,sent=8966)
 
     Latency min /avg/max : 0 /0/477
     Received: 223306
     Sent: 68118
     Connections: 4
     Outstanding: 0
     Zxid: 0x64
     Mode: standalone
     Node count: 26
     Connection closed by foreign host.


[root@USTR-ERL2-0155 ~]#











本文转自 yuanzhitang 51CTO博客,原文链接:http://blog.51cto.com/yuanzhitang/1936511,如需转载请自行联系原作者
相关实践学习
基于MSE实现微服务的全链路灰度
通过本场景的实验操作,您将了解并实现在线业务的微服务全链路灰度能力。
目录
打赏
0
0
0
0
235
分享
相关文章
IP、掩码、网关、DNS1、DNS2到底是什么东西,ping telnet测试
理解IP地址、子网掩码、默认网关和DNS服务器的概念是有效管理和配置网络的基础。通过使用ping和telnet命令,可以测试网络连通性和服务状态,快速诊断和解决网络问题。这些工具和概念是网络管理员和IT专业人员日常工作中不可或缺的部分。希望本文提供的详细解释和示例能够帮助您更好地理解和应用这些网络配置和测试工具。
565 2
Hadoop-29 ZooKeeper集群 Watcher机制 工作原理 与 ZK基本命令 测试集群效果 3台公网云服务器
Hadoop-29 ZooKeeper集群 Watcher机制 工作原理 与 ZK基本命令 测试集群效果 3台公网云服务器
88 1
Hadoop-28 ZooKeeper集群 ZNode简介概念和测试 数据结构与监听机制 持久性节点 持久顺序节点 事务ID Watcher机制
Hadoop-28 ZooKeeper集群 ZNode简介概念和测试 数据结构与监听机制 持久性节点 持久顺序节点 事务ID Watcher机制
92 1
|
9月前
|
Linux telnet安装及端口测试联通性
Linux telnet安装及端口测试联通性
195 10
假设测试数据集test_data为随机生成的,并设置小批次。model神经网络已经训练好了,怎么用MSE来做测试
其中,model表示已经训练好的PyTorch模型,torch.rand()函数用于生成测试数据集,torch.split()函数用于将测试数据集分成小批次,model(batch)用于对小批次的输入数据进行预测,torch.cat()函数用于将所有小批次的预测值拼接在一起,最后使用mean_squared_error()函数计算均方误差。注意,在计算均方误差之前,需要将测试数据集和预测值转换为NumPy数组并将它们从GPU中移动到CPU上。
193 0

热门文章

最新文章