Tomcat Connectors 1.2.32 源码编译安装教程(含 mod_jk 配置步骤)

简介: 本文介绍如何在Ubuntu/Debian系统上编译安装Tomcat的mod_jk模块,实现Apache与Tomcat集成。涵盖环境准备、源码解压、环境变量设置、配置编译、模块安装及Apache与Tomcat联动配置全过程,并提供测试方法,确保通过Apache正确转发请求至Tomcat。

1. 准备环境

先装好这些东西:

  • Apache HTTP Server(就是 Apache)
  • Tomcat
  • 编译器:gccmake
  • Java 开发环境(JDK)

在 Ubuntu/Debian 上你可以这么装:

sudo apt update
sudo apt install build-essential apache2 tomcat9 openjdk-11-jdk


2. 下载并解压源码

安装包下载:https://pan.quark.cn/s/220ddde3d4ce**,假设你已经下载了 tomcat-connectors-1.2.32-src.tar.gz

tar -xzf tomcat-connectors-1.2.32-src.tar.gz
cd tomcat-connectors-1.2.32-src/native


3. 设置环境变量

要让编译知道 Apache 和 Tomcat 在哪,得设置几个变量:

export APACHE_HOME=/usr/local/apache2   # 或者你 Apache 实际安装路径
export TOMCAT_HOME=/usr/share/tomcat9   # 或者你 Tomcat 的路径
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64

注意:路径要根据你自己系统实际情况改。


4. 配置和编译

进入 native 目录后执行:

./configure --with-apxs=/usr/bin/apxs2
make

  • --with-apxs是指定 apxs 工具的路径,一般在 /usr/bin/apxs2/usr/bin/apxs
  • 如果提示找不到 apxs,可以装:sudo apt install apache2-dev

5. 安装模块

编译完会生成一个 .so文件(比如 mod_jk.so),把它复制到 Apache 的模块目录:

sudo cp apache-2.0/mod_jk.so /usr/lib/apache2/modules/


6. 配置 Apache 加载 mod_jk

编辑 Apache 配置文件(比如 /etc/apache2/apache2.conf或新建一个 /etc/apache2/mods-available/jk.load):

LoadModule jk_module modules/mod_jk.so

然后启用模块:

sudo a2enmod jk


7. 配置 workers(告诉 Apache 怎么连 Tomcat)

创建文件 /etc/apache2/workers.properties,内容类似:

worker.list=worker1
worker.worker1.type=ajp13
worker.worker1.host=localhost
worker.worker1.port=8009

再创建一个配置文件 /etc/apache2/jk.conf(或加到 apache2.conf 里):

JkWorkersFile /etc/apache2/workers.properties
JkMount /* worker1


8. 重启 Apache 和 Tomcat

sudo systemctl restart apache2
sudo systemctl restart tomcat9


9. 测试

放个 JSP 页面到 Tomcat 的 webapps 目录下,比如 test.jsp

<%= new java.util.Date() %>

然后通过 Apache 访问:http://你的服务器/test.jsp,如果能显示时间,说明成功了。

相关文章
|
12天前
|
数据采集 人工智能 安全
|
7天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
344 164
|
6天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
345 155
|
7天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
581 4
|
15天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
1018 7

热门文章

最新文章