我的第一次ECS使用体验

简介: 我的第一次ECS使用体验

我是一名软件专业的学生,平时喜欢研究课程外的相关知识,此次在知乎上看到相关文章了解到“飞天加速计划·高校学生在家实践”活动

阿里云ECS在使用部署环境上还是碰到了一些问题,先讲一下准备工作。

第一步当然是下载工具软件,图形操作界面和拖拽复制文件的操作会更熟悉,下载xftp和xshell,个人使用是免费的。在阿里云管理平台中测试远程连接可以成功后,我们就可以使用工具连接了。

第二步配置要的环境,我个人使用的centOS8,阿里云的教程确实是非常完善,但还是会有一点小坑,我查看的教程是手动部署LNMP环境(CentOS 8),要安装mysql5.7版本的话,要看一下centos7的教程,出问题百度一下也就可以了。
还有就是远程连接,以及后台有使用端口的话,要在安全组中开放权限,这个我一直不知道,百度了很久才看到一篇相关文章,最后才解决。

第三步就是把自己写好的项目发布上去,使用的是nginx,改一改配置就好,配置完成后,访问公网ip就可以看到自己的项目。

总结一下,一直以来做Java后端开发都是在本地部署项目,没有发布过,这次暑期在家就想先熟悉试用一下,学生可以免费领两个半月的云主机,白嫖真香!

作品是个半成品,这次主要就是学习一下发布流程,后续完善会重新发布
http://47.113.190.141/

相关实践学习
2分钟自动化部署人生模拟器
本场景将带你借助云效流水线Flow实现人生模拟器小游戏的自动化部署
7天玩转云服务器
云服务器ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,可降低 IT 成本,提升运维效率。本课程手把手带你了解ECS、掌握基本操作、动手实操快照管理、镜像管理等。了解产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
弹性计算 运维 负载均衡
ecs使用体验
ECS(Elastic Compute Service)是阿里云提供的一种基础设施即服务(IaaS)服务,它允许用户在云端创建和管理虚拟
|
弹性计算 安全 Linux
ECS使用体验
很高兴在这里发表一篇文章来跟大家分享我最近使用ECS的体验感受。我是一名南京邮电大学通达学院光电专业的一名学生,因为目前学习的内容我需要一台稳定安全的服务器,所以我迫切的想要入手一台服务器。我找到了ecs。并且在这款服务器里使用着我所学习的一些技术,并且通过这款服务器使用着ecs。在这款服务器里面使用ecs,我学习了Linux安装docker并使用docker实现项目的环境搭建。
71 0
|
弹性计算 负载均衡 固态存储
ECS 使用体验
ECS 挺好用啊
|
弹性计算 运维 Java
关于ECS使用体验
云服务ECS服务是一种弹性的可伸缩的云计算服务,能够大大减少我们的IT成本,提高运维的效率,让我们学生能更加专注核心技术的研究,大大提高我们的工作效率。
|
6天前
|
存储 运维 安全
云上金融量化策略回测方案与最佳实践
2024年11月29日,阿里云在上海举办金融量化策略回测Workshop,汇聚多位行业专家,围绕量化投资的最佳实践、数据隐私安全、量化策略回测方案等议题进行深入探讨。活动特别设计了动手实践环节,帮助参会者亲身体验阿里云产品功能,涵盖EHPC量化回测和Argo Workflows量化回测两大主题,旨在提升量化投研效率与安全性。
云上金融量化策略回测方案与最佳实践
|
8天前
|
人工智能 自然语言处理 前端开发
从0开始打造一款APP:前端+搭建本机服务,定制暖冬卫衣先到先得
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。
8023 19
|
11天前
|
Cloud Native Apache 流计算
资料合集|Flink Forward Asia 2024 上海站
Apache Flink 年度技术盛会聚焦“回顾过去,展望未来”,涵盖流式湖仓、流批一体、Data+AI 等八大核心议题,近百家厂商参与,深入探讨前沿技术发展。小松鼠为大家整理了 FFA 2024 演讲 PPT ,可在线阅读和下载。
4361 10
资料合集|Flink Forward Asia 2024 上海站
|
19天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
12天前
|
自然语言处理 数据可视化 API
Qwen系列模型+GraphRAG/LightRAG/Kotaemon从0开始构建中医方剂大模型知识图谱问答
本文详细记录了作者在短时间内尝试构建中医药知识图谱的过程,涵盖了GraphRAG、LightRAG和Kotaemon三种图RAG架构的对比与应用。通过实际操作,作者不仅展示了如何利用这些工具构建知识图谱,还指出了每种工具的优势和局限性。尽管初步构建的知识图谱在数据处理、实体识别和关系抽取等方面存在不足,但为后续的优化和改进提供了宝贵的经验和方向。此外,文章强调了知识图谱构建不仅仅是技术问题,还需要深入整合领域知识和满足用户需求,体现了跨学科合作的重要性。