DISTCC(分布式编译)(方法2)

简介:

DISTCC安装配置步骤(方法2)

服务器端(计算机名为:zhimingubtpc.local):

$ sudo useradd distcc

$ sudo apt-get install python-dev

$ sudo tar zxfv distcc-3.2rc1.tar.gz

$ cd distcc—3.2rc1

$ sh ./autogen.sh

$ ./configure –prefix=/usr/local/distcc

$ make

$ sudo make install

$ sudo mkdir /usr/local/distcc/log

$ sudo touch /usr/local/distcc/log/distcc.log

$ sudo chown –R distcc:adm/usr/local/distcc/log

$ echo "alias distccd='/usr/local/distcc/bin/distccd --daemon --allow 10.0.1.0/24 --jobs 20 --log-file=/usr/local/distcc/log/distcc.log'" >> ~/.bashrc

$ source ~/.bashrc

--jobs 20表示可接受的最大job数

开启distcc:

$ sudo distccd

关闭distcc:

$ sudo killall distccd

客户端:

$ sudo useradd distcc

$ $ sudo apt-get install python-dev

$ sudo tar zxfv distcc-3.2rc1.tar.gz

$ cd distcc—3.2rc1

$ sh ./autogen.sh

$ ./configure –prefix=/usr/local/distcc

$ make

$ sudo make install

$ sudo ln –s /usr/local/distcc/bin/distcc/usr/local/distcc/bin/cc

$ sudo ln –s /usr/local/distcc/bin/distcc/usr/local/distcc/bin/gcc

$ sudo ln –s /usr/local/distcc/bin/distcc/usr/local/distcc/bin/g++

$ sudo mkdir /usr/local/distcc/log

$ sudo touch/usr/local/distcc/log/distcc.log

$ sudo chown –R distcc:adm/usr/local/distcc/log

$ echo "alias distccd='/usr/local/distcc/bin/distccd --daemon --allow 10.0.1.0/24 --jobs 5 --log-file=/usr/local/distcc/log/distcc.log'" >> ~/.bashrc

$ source ~/.bashrc

如果不想本机承担太多job,可将本机的--jobs 数设的小点,(jobs数范围1-200)

开启distcc:

$ sudo distccd

关闭distcc:

$ sudo killall distccd

$ vi ~/.bashrc (在最后添加)
按a或i进入编辑模式

export DISTCC_HOSTS='--randomize localhost/2 zhimingubtpc.local/8'

export PATH=/usr/local/distcc/bin:/usr/bin:/bin
按Esc键退出编辑模式
:wq (保存并退出)

--randomize表示按照主机列表前后优先分配任务

/2表示分配job为2

$ source ~/.bashrc

查看下gcc路径:

$ which gcc  (如果显示/usr/lib/distcc/gcc则是说明环境变量生效了)


命令行查看任务分配情况的工具为:$ distccmon-text 2

图形化查看任务分配情况的工具为:distccmon-gnome

本文转自linux博客51CTO博客,原文链接http://blog.51cto.com/yangzhiming/1354218如需转载请自行联系原作者

yangzhimingg
相关文章
|
3月前
|
机器学习/深度学习 监控 算法
分布式光伏储能系统的优化配置方法(Matlab代码实现)
分布式光伏储能系统的优化配置方法(Matlab代码实现)
143 1
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
ICLR 2025 | EDiT:一种基于 Local SGD 策略的大模型高效分布式训练方法
蚂蚁 AI Infra 团队在深度学习最核心之一的训练框架方向上持续投入与创新,实现了提升资源利用率、加速训练、提升训练稳定性等目标。我们提出的 EDiT 方法,即为其中一项工作。
|
3月前
|
机器学习/深度学习 算法 安全
新型电力系统下多分布式电源接入配电网承载力评估方法研究(Matlab代码实现)
新型电力系统下多分布式电源接入配电网承载力评估方法研究(Matlab代码实现)
135 3
|
3月前
|
算法 Python
【EI复现】考虑网络动态重构的分布式电源选址定容优化方法(Matlab代码实现)
【EI复现】考虑网络动态重构的分布式电源选址定容优化方法(Matlab代码实现)
|
消息中间件 Java Kafka
在Java中实现分布式事务的常用框架和方法
总之,选择合适的分布式事务框架和方法需要综合考虑业务需求、性能、复杂度等因素。不同的框架和方法都有其特点和适用场景,需要根据具体情况进行评估和选择。同时,随着技术的不断发展,分布式事务的解决方案也在不断更新和完善,以更好地满足业务的需求。你还可以进一步深入研究和了解这些框架和方法,以便在实际应用中更好地实现分布式事务管理。
|
Docker 容器 关系型数据库
【PolarDB-X从入门到精通】 第四讲:PolarDB分布式版安装部署(源码编译部署)
本期课程将于4月11日19:00开始直播,内容包括源码编译基础知识和实践操作,课程目标是使学员掌握源码编译部署技能,为未来发展奠定基础,期待大家在课程中取得丰富的学习成果!
【PolarDB-X从入门到精通】 第四讲:PolarDB分布式版安装部署(源码编译部署)
|
机器学习/深度学习 分布式计算 算法
联邦学习是保障数据隐私的分布式机器学习方法
【6月更文挑战第13天】联邦学习是保障数据隐私的分布式机器学习方法,它在不暴露数据的情况下,通过在各设备上本地训练并由中心服务器协调,实现全局模型构建。联邦学习的优势在于保护隐私、提高训练效率和增强模型泛化。已应用于医疗、金融和物联网等领域。未来趋势包括更高效的数据隐私保护、提升可解释性和可靠性,以及与其他技术融合,有望在更多场景发挥潜力,推动机器学习发展。
473 4
|
存储 缓存 监控
解决分布式系统演进过程中数据一致性问题的方法
【10月更文挑战第24天】解决分布式系统演进过程中数据一致性问题是一个复杂而又重要的任务。需要综合运用多种方法和技术,根据具体的系统需求和场景,选择合适的解决方案。同时,不断地进行优化和改进,以适应不断变化的分布式系统环境。
621 47
|
调度
考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)
考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)
270 0
互动环境下分布式电源与电动汽车充电站的优化配置方法研究-全文复现matlab
互动环境下分布式电源与电动汽车充电站的优化配置方法研究-全文复现matlab

热门文章

最新文章