FastDFS 测试-搭建环境| 学习笔记

简介: 快速学习 FastDFS 测试-搭建环境。

开发者学堂课程【Spring Boot+Vue.js+FastDFS实现分布式图片服务器 :FastDFS 测试-搭建环境】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/742/detail/13141


FastDFS 测试-搭建环境

 

内容介绍

一、搭建环境

二、测试

 

一、搭建环境

1.这里我们使用 avaApi 测试文件的上传

java 版本的 fastdfs-client 地址在:

https://github.com/happyfish100/fastdfs-client-java,(官方网址,打开后也是 maven 工程)

参考此工程编写测试用例。

(1)创建 maven 工程

(2)添加依赖

2.打开 avaApi 后,要先创建一个工程

演示所用的 jdk 为1.8 ,首先要添加一个模块,数据如下:

Groupid: cn.itcast.javaee

Artifactid: fastdfs

Version: 1.0-SNAPSHOT

Module name: fastdfs

3.创建 maven 工程后,要添加依赖。

image.png

将所选部分复制粘贴,即:

<parent>

<groupId>org.springframework.boot</groupId>

<artifactId>spring-boot-starter-parent</artifactId>

<version>1.5.9.RELEASE</version>

</parent> 

此次所用的 spring-boot 为1.5.9 版本

接下来,添加依赖。复制粘贴下图所示的代码

image.png

<dependency>

<groupId>org.springframework.boot</groupId>

<artifactId>spring-boot-starter-web</artifactId> (spring-boot 外应用的启动包)

<dependency>

<!-- https://mvnrepository.com/artifact/net.oschina.zcx7878/fastdfs-client-java -->

<dependency>

<artifactId>fastdfs-client-java</artifactId>( fastdfs 的客户端,方便向 tracker 和 storage 上传和下载文件,添加客户端依赖后刷新一下)

<version>1.27.0.0</version>

</dependency>

<dependency>

<groupId>org.springframework.boot</groupId>

<artifactId>spring-boot-starter-test</artifactId>

<scope>test</scope>

</dependency> (此为 spring-boot 的测试包 )

<dependency>

<groupId>org.apache.commons</groupId>

<artifactId>commons-io</artifactId>

<version>1.3.2</version>

</dependency>(此为 commons-io 包)

</dependencies>

image.png

在此处建立一个 cn.itcast.javaee.fastdfs ,

image.png

接着创立一个 TestFastDFS 的分类。然后就可以在这个文件当中测试文件的上传和下载,在此文件中通过 fastDFS 的 client 代码访问

tracker 和storage 。而通过 client 的 api 代码方便访问 tracker 和 storage ,它们中间走的就是 socket 协议

 

二、测试

打开官方网址后,点击 src ,找到 test (一个例子的测试),再选择 resource (配置文件夹),进入后 fastdfs-client_properties 和 fdfs_clientconf 均可以选择(此处以前者为例)。

将配置文件配置到 resource 下,建立一个 名称为 conlig 的目录

再新建一个文件,名称为 fastdfs-client_properties, 再将其中的代码复制粘贴过来。

代码的最后一行:

fastdfs.tracker_servers= 10.0.11.201.22122,10.0.11.202:22122,10.0.11.203:22122 (tracker 服务器的地址,十分重要)

将 tracker 的文件地址:192.168.101.64 复制在上述地址中,得到:

fastdfs.tracker_servers = 192.168.101.64:22122

至此搭建环境完成。

相关文章
|
5月前
|
消息中间件 测试技术
项目环境测试问题之规范执行器的异常处理如何解决
项目环境测试问题之规范执行器的异常处理如何解决
|
2月前
|
机器学习/深度学习 人工智能 算法
BALROG:基准测试工具,用于评估 LLMs 和 VLMs 在复杂动态环境中的推理能力
BALROG 是一款用于评估大型语言模型(LLMs)和视觉语言模型(VLMs)在复杂动态环境中推理能力的基准测试工具。它通过一系列挑战性的游戏环境,如 NetHack,测试模型的规划、空间推理和探索能力。BALROG 提供了一个开放且细粒度的评估框架,推动了自主代理研究的进展。
46 3
BALROG:基准测试工具,用于评估 LLMs 和 VLMs 在复杂动态环境中的推理能力
|
2月前
|
缓存 Ubuntu Linux
Linux环境下测试服务器的DDR5内存性能
通过使用 `memtester`和 `sysbench`等工具,可以有效地测试Linux环境下服务器的DDR5内存性能。这些工具不仅可以评估内存的读写速度,还可以检测内存中的潜在问题,帮助确保系统的稳定性和性能。通过合理配置和使用这些工具,系统管理员可以深入了解服务器内存的性能状况,为系统优化提供数据支持。
46 4
|
2月前
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
183 1
|
3月前
|
测试技术
自动化测试项目学习笔记(五):Pytest结合allure生成测试报告以及重构项目
本文介绍了如何使用Pytest和Allure生成自动化测试报告。通过安装allure-pytest和配置环境,可以生成包含用例描述、步骤、等级等详细信息的美观报告。文章还提供了代码示例和运行指南,以及重构项目时的注意事项。
324 1
自动化测试项目学习笔记(五):Pytest结合allure生成测试报告以及重构项目
|
2月前
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
4月前
|
JavaScript 测试技术 Windows
vue配置webpack生产环境.env.production、测试环境.env.development(配置不同环境的打包访问地址)
本文介绍了如何使用vue-cli和webpack为Vue项目配置不同的生产和测试环境,包括修改`package.json`脚本、使用`cross-env`处理环境变量、创建不同环境的`.env`文件,并在`webpack.prod.conf.js`中使用`DefinePlugin`来应用这些环境变量。
198 2
vue配置webpack生产环境.env.production、测试环境.env.development(配置不同环境的打包访问地址)
|
3月前
|
测试技术 Python
自动化测试项目学习笔记(四):Pytest介绍和使用
本文是关于自动化测试框架Pytest的介绍和使用。Pytest是一个功能丰富的Python测试工具,支持参数化、多种测试类型,并拥有众多第三方插件。文章讲解了Pytest的编写规则、命令行参数、执行测试、参数化处理以及如何使用fixture实现测试用例间的调用。此外,还提供了pytest.ini配置文件示例。
67 2
|
3月前
|
分布式计算 Hadoop 大数据
大数据体系知识学习(一):PySpark和Hadoop环境的搭建与测试
这篇文章是关于大数据体系知识学习的,主要介绍了Apache Spark的基本概念、特点、组件,以及如何安装配置Java、PySpark和Hadoop环境。文章还提供了详细的安装步骤和测试代码,帮助读者搭建和测试大数据环境。
92 1
|
3月前
|
测试技术 Python
自动化测试项目学习笔记(二):学习各种setup、tearDown、断言方法
本文主要介绍了自动化测试中setup、teardown、断言方法的使用,以及unittest框架中setUp、tearDown、setUpClass和tearDownClass的区别和应用。
96 0
自动化测试项目学习笔记(二):学习各种setup、tearDown、断言方法