本篇是整理了搭建hadoop环境需要的一些配置和步骤，其中有些配置是完全分布式的时候才用的，这里注意需要注意。
linux系统设置
1，配置或者搭建集群过程中，全部用root账户登入
2，修改主机名方法
1）暂时修改机器名：hostname
hostname命令可以临时修改机器名，但是机器重启之后就会恢复原来的值
hostname 查看机器名
hostname -i //查看本机器对应的ip地址
2）永久修改机器名：修改系统配置文件
修改/etc/sysconfig/network,修改系统配置文件，才能有效改变机器名，修改主机名
HOSTNAME=hadoop1
3，windos和linux域名解析
1）windows下的域名解析路径为：C:\Windows\System32\drivers\etc\hosts
192.168.9.103 hadoop1
192.168.9.104 hadoop2
2)linux的域名解析，路径为/etc/hosts
192.168.9.103 hadoop1
192.168.9.104 hadoop2
4，关闭防火墙
5，配置ssh免密登入
客户端生成秘钥：
ssh-keygen -t rsa
把公钥复制给要登入的目标主机，目标主机上将这个公钥加入到授权列表：
Cat id rsa.pub >> authorized keys
目标主机还要将这个授权列表文件权限修改为：600
chmod 600 authorized keys
在用户目录下执行5步：
rm -rf .ssh/
ssh-keygen -t rsa
cat .ssh/id_rsa.pub >> .ssh/authorized_keys
chmod 700 .ssh
chmod 600 .ssh/authorized keys
6，jdk环境配置
7，所有的hadoop的节点需要配置NTP服务，进行时间同步
集群中所有的主机必须保持时间同步，如果时间相差较大会引起各种问题。master节点作为NTP服务器与外界的对时中心同步时间，随后，对所有DataNode节点提供时间同步服务。所有DataNode节点以master节点为基础同步时间。
所有节点安装相关组件：
yum install ntp
完成后，配置开机启动：
chkconfig ntpd on
检查是否设置成功：
chkconfig --list ntpd
1)主节点配置
在配置之前，先使用ntpdate手动同步一下时间，免得本机与对时中心时间差距太大，使用ntpd不能正常同步。这里选用127.127.1.0作为对时中心：
ntpdate -u 127.127.1.0
NTP服务只有一个配置文件/etc/ntp.conf
有用的配置如下：
driftfile /var/lib/ntp/drift
restrict 127.0.0.1
restrict -6 ::1
restrict default nomodify notrap
server 127.127.1.0 prefer
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys
2）配置NTP客户端（所有DataNode节点）
DataNode的NTP配置如下：
driftfile /var/lib/ntp/drift
restrict 127.0.0.1
restrict -6 ::1
restrict default kod nomodify notrap nopeer noquery
restrict -6 default kod nomodify notrap nopeer noquery
#这里是主节点的主机名或者ip
server hadoop1
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys
启动NTP服务：
service ntpd start
登入master机器执行命令：
ntpdate -u127.127.1.0
登入所有的slave机器，同步主节点执行命令：
ntpdate -u hadoop1
检查是否成功，查看命令：
watch nepq -p
上面的步骤都是hadoop的基础环境的配置，有些是实际的分布式搭建的时候需要用到的，比如时间同步ntp，单机的时间基本一样，关系不大，
下面进行具体的hadoop伪分布式的搭建：
1，下载hadoop
2，下载jdk，安装好jdk环境
3，配置免密登入
如果输入：ssh localhost，需要密码登入，则免密登入没配置好，需要进行配置免密登入，步骤如下：
[root@izbp1dmlbagds9s70r8luxz ~]# cd ~/.ssh/
[root@izbp1dmlbagds9s70r8luxz .ssh]# ls
authorized_keys known_hosts
[root@izbp1dmlbagds9s70r8luxz .ssh]# ss
[root@izbp1dmlbagds9s70r8luxz .ssh]# cd ~/.ssh/
[root@izbp1dmlbagds9s70r8luxz .ssh]# ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa):
Enter passphrase (empty for no passphrase):
Enter same passphrase again:
Your identification has been saved in /root/.ssh/id_rsa.
Your public key has been saved in /root/.ssh/id_rsa.pub.
The key fingerprint is:
SHA256:24Af7GQnrJ9ylyyhtzfkZWmomcJQtYWJHzav3oxV60g root@izbp1dmlbagds9s70r8luxz
The key's randomart image is:
+---[RSA 2048]----+
| . o |
| . B . |
| + * |
| .+o . . |
| .. S..o o |
| . *oBE * |
| o.o+#.B |
| =.X.@ . |
| =+= . |
+----[SHA256]-----+
[root@izbp1dmlbagds9s70r8luxz .ssh]# ls
authorized_keys id_rsa id_rsa.pub known_hosts
[root@izbp1dmlbagds9s70r8luxz .ssh]# cat id_rsa.pub >>authorized_keys
[root@izbp1dmlbagds9s70r8luxz .ssh]# ll
total 16
-rw------- 1 root root 410 Apr 5 21:47 authorized_keys
-rw------- 1 root root 1679 Apr 5 21:46 id_rsa
-rw-r--r-- 1 root root 410 Apr 5 21:46 id_rsa.pub
-rw-r--r-- 1 root root 171 Apr 5 21:41 known_hosts
[root@izbp1dmlbagds9s70r8luxz .ssh]# chmod 600 authorized_keys
[root@izbp1dmlbagds9s70r8luxz .ssh]#
上面是整个执行流程的代码，其实只有简单的几步：
cd ~/.ssh/
ssh-keygen -t rsa #一直回车
cat id_rsa.pub >>authorized_keys
chmod 700 .ssh #给文件夹授权
chmod 600 authorized_keys
经过上面的步骤，在次登入，可以免密登入了：
[root@izbp1dmlbagds9s70r8luxz .ssh]# ssh localhost
Last login: Thu Apr 5 21:44:33 2018 from 127.0.0.1
Welcome to Alibaba Cloud Elastic Compute Service !
[root@izbp1dmlbagds9s70r8luxz ~]#
执行的是ssh localhost命令。
4，解压hadoop到相应的目录下
比如：/usr/local/hadoop2.7.5
5，配置hadoop的环境变量
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]# vi /etc/profile
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]# source /etc/profile
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]#
配置文件的部分参数如下：
export HADOOP_HOME=/usr/local/hadoop2.7.5
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin:/usr/local/mysql5.7.21/bin:$NGINX_HOME:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
6，配置hadoop-env.sh文件，修改JAVA_HOME
/usr/local/hadoop2.7.5/etc/hadoop
# The java implementation to use.
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/local/jdk1.8.0_162
7,执行测试命令
# bin/hadoop # 执行hadoop指令，测试
结果如下：
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]# bin/hadoop
Usage: hadoop [--config confdir] [COMMAND | CLASSNAME]
CLASSNAME run the class named CLASSNAME
or
where COMMAND is one of:
fs run a generic filesystem user client
version print the version
jar <jar> run a jar file
note: please use "yarn jar" to launch
YARN applications, not this command.
checknative [-a|-h] check native hadoop and compression libraries availability
distcp <srcurl> <desturl> copy file or directories recursively
archive -archiveName NAME -p <parent path> <src>* <dest> create a hadoop archive
classpath prints the class path needed to get the
credential interact with credential providers
Hadoop jar and the required libraries
daemonlog get/set the log level for each daemon
trace view and modify Hadoop tracing settings
Most commands print help when invoked w/o parameters.
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]#
8，配置slaves文件，增加slave节点
/usr/local/hadoop2.7.5/etc/hadoop
文件内容：
localhost
如果有多个节点，可以配置如下：
hadoop1
hadoop2
hadoop3
上面的hadoop1，hadoop2，hadoop3是主机名，由于这里是单机的伪分布式，所以默认采用localhost就行了，不需要做其他配置。
9，配置core-site文件
core-site.xml：
<configuration>
<!--这里的路径默认是NameNode，DataNode，JournalNode等存放数据的公共目录。用户也可以自己单独指定这三类节点的目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop2.7.5/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<!--这里的值指的是默认的HDFS路径，当有多个HDFS集群同时工作时，集群名称在这里指定！该值来自于hdfs-site.xml中的配置 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://172.16.2.243:9000</value>
</property>
<!--这里是zookeeper集群的地址和端口，注意，数量一定是奇数，且不少于三个节点，这里配置的是集群的hostname:端口,这里用的是zookeeper的伪集群 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>izbp1dmlbagds9s70r8luxz:2181,izbp1dmlbagds9s70r8luxz:2182,izbp1dmlbagds9s70r8luxz:2183</value>
</property>
</configuration>
10，配置hdfs-site.xml
hdfs-site.xml:
<configuration>
<!--指定DataNode存储block的副本数量。默认值是3个，这里因为是伪集群，配置一个就好 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!--使用federation时，HDFS集群别名。名字可以随便起，多个集群时互相不重复即可
<property>
<name>dfs.nameservice</name>
<value>ns1</value>
</property>-->
<!--指定该集群的namenode的机器
<property>
<name>dfs.ha.namenodes.ns1</name>
<value>nn1,nn2</value>
</property>
-->
<!--指定hadoop1的RPC地址
<property>
<name>dfs.namenode.rpc-address.ns1.nn1</name>
<value>hadoop1:9000</value>
</property> -->
<!--指定hadoop1的http地址
<property>
<name>dfs.namenode.http-address.ns1.nn1</name>
<value>hadoop1:50070</value>
</property>-->
<!--指定hadoop2的RPC地址
<property>
<name>dfs.namenode.rpc-address.ns1.nn2</name>
<value>hadoop2:9000</value>
</property> -->
<!--指定hadoop2的http地址
<property>
<name>dfs.namenode.http-address.ns1.nn2</name>
<value>hadoop2:50070</value>
</property>-->
<!--指定该集群的两个NameNode共享edits文件目录时，使用JournalNode集群信息
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/ns1</value>
</property>-->
<!--指定该集群是否启动自动故障恢复，即当NameNode出故障时，是否自动切换到另一台NameNode
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/usr/local/hadoop2.7.5/journaldata</value>
</property>-->
<!--指定该集群出故障时，哪个实现类负责执行故障切换
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>-->
<!--client的failover代理配置
<property>
<name>dfs.client.failover.proxy.provider.ns1</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>-->
<!--一旦需要NameNode切换，使用ssh方式进行操作
<property>
<name>dfs.ha.fencing.methods</name>
<value>sshfence</value>
</property>-->
<!--如果使用ssh进行故障切换，使用ssh通信时用的秘钥存储的位置
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>-->
<!--connect-timeout连接超时
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>-->
<!--namenode名字的位置 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop2.7.5/tmp/dfs/name</value>
</property>
<!--namenode数据目录 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop2.7.5/tmp/dfs/data</value>
</property>
<!--是否在HDFS中开启权限检查。 -->
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>
上面很多都注释掉了，这是因为这些参数在做真正的分布式搭建的时候需要配置的，这里就只用了几个，其他的有一个印象就好了。
11，配置mapred-site.xml文件
mapred-stie.xml,解压包里面是没有这个文件的，拷贝mapred-site.xml.template文件进行修改：
<configuration>
<!--指定运行mapreduce的环境是yarn，与hadoop1截然不同的地方 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
12，配置yarn-site.xml文件
yarn-site.xml：
<configuration>
<!-- Site specific YARN configuration properties -->
<!--默认配置 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!--启动HA高可用
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>-->
<!--指定resourcemanager的名字
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yrc</value>
</property>-->
<!--使用两个resourcemanager，分别指定resourcemanager的地址
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>-->
<!--自定ResourceManager1的地址
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>hadoop1</value>
</property>-->
<!--自定ResourceManager2的地址
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>hadoop2</value>
</property>-->
<!--自定zookeeper的机器的地址，这里zookeeper用的是单机集群
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>hadoop1:2181,hadoop1:2182,hadoop3:2183</value>
</property>-->
</configuration>
13，如果是搭建分布式集群，需要将配置好的hadoop文件复制到另一台slave机器上
命令： scp -r 目录 远程机器用户名(root)@ip（或者hostname）:远程机器目录(/usr/local)
伪分布式，不需要这一步操作
14,启动journalnode(分别在hadoop1，hadoop2，hadoop3上执行，分布式环境)
cd 到hadoop安装目录
sbin/hadoop-daemon.sh start journalnode
运行jps命令，查看journalnode进程
这里还用不到这一步，先记录下，后面会用到的
15，格式化HDFS
在hadoop的bin目录下执行命令：
hdfs namenode -format
格式化后根据core-site.xml中的hadoop.tmp.dir配置生成文件，然后使用scp -r命令把生成的文件拷贝到其他的机器上（集群模式）
16，格式化ZKFC
ZooKeeper格式化命令：hdfs zkfc -formatZK
17，启动HDFS
启动HDFS命令：sbin/start-dfs.sh
18，启动YARN
sbin/start-yarn.sh
19,验证HDFS HA
查看HDFS: http://ip:50070/
查看RM: http://hadoop:8088
20，向HDFS上传一个文件
文件上传：hadoop fs -put /etc/profile /
上传文件查看命令：
hdfs dfs -ls /
Found 1 items
-rw-r--r-- 1 root supergroup 2096 2018-04-07 10:20 /profile
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]#
启动NameNode命令：
sbin/hadoop-daemon.sh start namenode
21，验证YARN
运行一下hadoop提供个demo中的WordCount程序：
命令：
hadoop jar /usr/local/hadoop2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount /profile /out
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]# hadoop jar /usr/local/hadoop2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount /profile /out
18/04/07 10:34:31 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032
18/04/07 10:34:33 INFO input.FileInputFormat: Total input paths to process : 1
18/04/07 10:34:33 INFO mapreduce.JobSubmitter: number of splits:1
18/04/07 10:34:33 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1523068042585_0001
18/04/07 10:34:33 INFO impl.YarnClientImpl: Submitted application application_1523068042585_0001
18/04/07 10:34:34 INFO mapreduce.Job: The url to track the job: http://izbp1dmlbagds9s70r8luxz:8088/proxy/application_1523068042585_0001/
18/04/07 10:34:34 INFO mapreduce.Job: Running job: job_1523068042585_0001
18/04/07 10:34:46 INFO mapreduce.Job: Job job_1523068042585_0001 running in uber mode : false
18/04/07 10:34:46 INFO mapreduce.Job: map 0% reduce 0%
18/04/07 10:34:53 INFO mapreduce.Job: map 100% reduce 0%
18/04/07 10:35:00 INFO mapreduce.Job: map 100% reduce 100%
18/04/07 10:35:01 INFO mapreduce.Job: Job job_1523068042585_0001 completed successfully
18/04/07 10:35:02 INFO mapreduce.Job: Counters: 49
File System Counters
FILE: Number of bytes read=2366
FILE: Number of bytes written=248633
FILE: Number of read operations=0
FILE: Number of large read operations=0
FILE: Number of write operations=0
HDFS: Number of bytes read=2193
HDFS: Number of bytes written=1725
HDFS: Number of read operations=6
HDFS: Number of large read operations=0
HDFS: Number of write operations=2
Job Counters
Launched map tasks=1
Launched reduce tasks=1
Data-local map tasks=1
Total time spent by all maps in occupied slots (ms)=4424
Total time spent by all reduces in occupied slots (ms)=5308
Total time spent by all map tasks (ms)=4424
Total time spent by all reduce tasks (ms)=5308
Total vcore-milliseconds taken by all map tasks=4424
Total vcore-milliseconds taken by all reduce tasks=5308
Total megabyte-milliseconds taken by all map tasks=4530176
Total megabyte-milliseconds taken by all reduce tasks=5435392
Map-Reduce Framework
Map input records=86
Map output records=262
Map output bytes=2891
Map output materialized bytes=2366
Input split bytes=97
Combine input records=262
Combine output records=159
Reduce input groups=159
Reduce shuffle bytes=2366
Reduce input records=159
Reduce output records=159
Spilled Records=318
Shuffled Maps =1
Failed Shuffles=0
Merged Map outputs=1
GC time elapsed (ms)=197
CPU time spent (ms)=1370
Physical memory (bytes) snapshot=312586240
Virtual memory (bytes) snapshot=4208975872
Total committed heap usage (bytes)=165810176
Shuffle Errors
BAD_ID=0
CONNECTION=0
IO_ERROR=0
WRONG_LENGTH=0
WRONG_MAP=0
WRONG_REDUCE=0
File Input Format Counters
Bytes Read=2096
File Output Format Counters
Bytes Written=1725
[root@izbp1dmlbagds9s70r8luxz hadoop2.7.5]#
总结：花了很多时间，爬过一些坑，把单机的伪分布式的hadoop环境搭建起来了，这里没有详细介绍每一个步骤和每个步骤的详细说明，只是提纲挈领的列出了搭建环境过程中的一些主要步骤和配置。在使用云服务器的时候，出现了一些问题，要考虑服务器的的端口拦截规则，否则不能通过外网访问。万事开头难，后面会深入学些总结一些hadoop相关的东西。

欢迎加群：331227121学习交流

hadoop伪分布式环境的搭建配置整理相关推荐

  1. 构建Hadoop伪分布式环境

    构建Hadoop伪分布式环境 这篇文章介绍Hadoop伪分布式环境的搭建过程与原理,是个人的学习总结,以纪念在各个步骤中遇到的麻烦.踩过的坑! 这篇笔记包含这样几个内容: 配置伪分布式环境 运行一个简 ...

  2. Windows 7 64位系统上搭建Hadoop伪分布式环境（很详细）

    在开始配置前,我们先了解Hadoop的三种运行模式. Hadoop的三种运行模式 独立(或本地)模式:无需运行任何守护进程,所有程序都在同一个JVM上执行.在独立模式下测试和调试MapReduce程序 ...

  3. 搭建 Hadoop 伪分布式环境

    软硬件环境 CentOS 7.2 64 位 OpenJDK- 1.8 Hadoop- 2.7 关于本教程的说明 云实验室云主机自动使用 root 账户登录系统,因此本教程中所有的操作都是以 root ...

  4. 本地搭建Hadoop伪分布式环境之一：虚拟机的安装

    作者:GISer_Leo 好久没有写技术文档了,最近都在做项目:今日抽空搭建下Hadoop伪分布式环境: 个人笔记本:win8.1系统,内存32G,i7,硬盘1.5T: 准备软件:1.VMware-w ...

  5. HADOOP 伪分布式集群搭建

    一 linux 环境的搭建 由于笔者这里使用的是vmware 虚拟机 采用centos7 linux 操作系统进行搭建,所以一下示例均以centos7进行示例 1.  搭建vmware 虚拟机 (1) ...

  6. Hadoop学习总结（3）——Hadoop伪分布式环境搭建

    一.Hadoop运行模式 Local (Standalone) Mode 本地模式 适用于开发人员测试Debug 使用本地文件系统 Pseudo-Distributed Mode 伪分布式模式 适用于 ...

  7. 本地搭建Hadoop伪分布式环境之四：开启搭建Hadoop2.4.0之旅

    1.准备软件  64位下载包下载:     hadoop-2.4.0-64bit.tar.gz 百度网盘: 链接: http://pan.baidu.com/s/1hqEDe2S password: ...

  8. Hadoop伪分布式环境搭建

    前期准备 必须得准备好jdk,且配置好环境变量(点击查看jdk的安装与配置). 设置sshd免密钥登录 1.执行命令,生成密钥: [root@node1 .ssh]# ssh-keygen -t ds ...

  9. Hadoop伪分布式配置和搭建，hadoop单机安装，wordcount实例测试，hadoop安装java目录怎么找，问题及问题解决方法

    Hadoop伪分布式配置和搭建,hadoop单机安装,wordcount实例测试,hadoop安装java目录怎么找,问题及问题解决方法 环境说明 系统:ubuntu18.04 主机名:test1 用 ...

最新文章

  1. 数据分析之机器学习(整理笔记）
  2. 拿着35W年薪，混的却不如实习生
  3. Java使用String.format（）实现补零
  4. python0表示剪刀_石头，纸，剪刀Python代码。帮助简化
  5. 【学亮IT手记】angularJS select2多选下拉框实例
  6. 关于禁止svn客户端长驻内存的方法
  7. 阅读英文论文的方法总结（三遍法）
  8. roc曲线怎么绘制_ROC曲线和PR曲线
  9. 生活：小孩的世界很简单
  10. 机器学习与计算机视觉（darknet编译）
  11. 风之大陆电脑版要下载c语言,风之大陆电脑版
  12. oracle执行plus时跳出,oracle – 从shell脚本运行sqlplus时管理错误处理
  13. oracle财务官方文档,oracle财务软件简明操作.docx
  14. mac用什么软件测试硬盘好坏,Mac怎么测试硬盘速度?
  15. ELK基于ElastAlert实现日志的微信报警
  16. emule最新服务器地址,关于emule 服务器列表
  17. Ubuntu 20 更新后突然无法获取IP
  18. 数据库常考题型（2）——求候选键（候选码）
  19. QT学习笔记（六）——QT弹出对话框并在主窗口调用对话框的信息
  20. 瘟疫期间整理出万有引力的牛顿都做了哪些贡献？

热门文章

  1. 历年来的诺贝尔文学奖得主及作品，哪些最受欢迎？
  2. tzhsoj1589 set
  3. 功能测试与项目实战之测试需求分析与测试用例设计（重中之重）
  4. Leetcode 逆波兰式表达式求值
  5. 2012系统sntp服务器,如何设置SNTP服务器，实现同步PLC时钟
  6. Python入门-运算符
  7. TAF（Total Application Framework） TarsCPP
  8. 服务器维修功夫全明星,《功夫全明星》新服开启时间表
  9. c语言10个评委给n个选手打分,在歌星大奖赛中，有10个评委为参赛选手打分，分数为1到100分。...
  10. JAVA学习笔记(五十七)- 常用设计模式