Apache Spark1.1.0部署与开发环境搭建

共计 13652 个字符，预计需要花费 35 分钟才能阅读完成。

Spark 是 Apache 公司推出的一种基于 Hadoop Distributed File System(HDFS)的并行计算架构。与 MapReduce 不同，Spark 并不局限于编写 map 和 reduce 两个方法，其提供了更为强大的内存计算 (in-memory computing) 模型，使得用户可以通过编程将数据读取到集群的内存当中，并且可以方便用户快速地重复查询，非常适合用于实现机器学习算法。本文将介绍 Apache Spark1.1.0 部署与开发环境搭建。

更多 Spark 相关教程见以下内容：

CentOS 7.0 下安装并配置 Spark http://www.linuxidc.com/Linux/2015-08/122284.htm

Spark1.0.0 部署指南 http://www.linuxidc.com/Linux/2014-07/104304.htm

CentOS 6.2(64 位)下安装 Spark0.8.0 详细记录 http://www.linuxidc.com/Linux/2014-06/102583.htm

Spark 简介及其在 Ubuntu 下的安装使用 http://www.linuxidc.com/Linux/2013-08/88606.htm

安装 Spark 集群(在 CentOS 上) http://www.linuxidc.com/Linux/2013-08/88599.htm

Hadoop vs Spark 性能对比 http://www.linuxidc.com/Linux/2013-08/88597.htm

Spark 安装与学习 http://www.linuxidc.com/Linux/2013-08/88596.htm

Spark 并行计算模型 http://www.linuxidc.com/Linux/2012-12/76490.htm

0. 准备

出于学习目的，本文将 Spark 部署在虚拟机中，虚拟机选择 VMware WorkStation。在虚拟机中，需要安装以下软件：

Ubuntu 14.04.1 LTS 64 位桌面版
hadoop-2.4.0.tar.gz
jdk-7u67-linux-x64.tar.gz
scala-2.10.4.tgz
spark-1.1.0-bin-hadoop2.4.tgz

Spark 的开发环境，本文选择 Windows7 平台，IDE 选择 IntelliJ IDEA。在 Windows 中，需要安装以下软件：

IntelliJ IDEA 13.1.4 Community Edition
apache-maven-3.2.3-bin.zip(安装过程比较简单，请读者自行安装)

1. 安装 JDK

解压 jdk 安装包到 /usr/lib 目录：

1 sudo cp jdk-7u67-linux-x64.gz /usr/lib
2 cd /usr/lib
3 sudo tar -xvzf jdk-7u67-linux-x64.gz
4 sudo gedit /etc/profile

在 /etc/profile 文件的末尾添加环境变量：

1 export JAVA_HOME=/usr/lib/jdk1.7.0_67
2 export JRE_HOME=/usr/lib/jdk1.7.0_67/jre
3 export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
4 export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

保存并更新 /etc/profile：

1 source /etc/profile

测试 jdk 是否安装成功：

1 java -version

Apache Spark1.1.0 部署与开发环境搭建

2. 安装及配置 SSH

1 sudo apt-get update
2 sudo apt-get install openssh-server
3 sudo /etc/init.d/ssh start

生成并添加密钥：

1 ssh-keygen -t rsa -P ""  
2 cd /home/hduser/.ssh 
3 cat id_rsa.pub >> authorized_keys

ssh 登录：

1 ssh localhost

Apache Spark1.1.0 部署与开发环境搭建

3. 安装 hadoop2.4.0

采用伪分布模式安装 hadoop2.4.0。解压 hadoop2.4.0 到 /usr/local 目录：

1 sudo cp hadoop-2.4.0.tar.gz /usr/local/
2 sudo tar -xzvf hadoop-2.4.0.tar.gz

在 /etc/profile 文件的末尾添加环境变量：

1 export HADOOP_HOME=/usr/local/hadoop-2.4.0
2 export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
3 
4 export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
5 export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

保存并更新 /etc/profile：

1 source /etc/profile

在位于 /usr/local/hadoop-2.4.0/etc/hadoop 的 hadoop-env.sh 和 yarn-env.sh 文件中修改 jdk 路径：

1 cd /usr/local/hadoop-2.4.0/etc/hadoop
2 sudo gedit hadoop-env.sh
3 sudo gedit yarn-evn.sh

hadoop-env.sh：

Apache Spark1.1.0 部署与开发环境搭建

yarn-env.sh：

Apache Spark1.1.0 部署与开发环境搭建

修改 core-site.xml：

1 sudo gedit core-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2   <name>fs.default.name</name>
3   <value>hdfs://localhost:9000</value>
4 </property>
5 
6 <property>
7   <name>hadoop.tmp.dir</name>
8   <value>/app/hadoop/tmp</value>
9 </property>

修改 hdfs-site.xml：

1 sudo gedit hdfs-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2 <name>dfs.namenode.name.dir</name>
3 <value>/app/hadoop/dfs/nn</value>
4 </property>
5
6 <property>
7 <name>dfs.namenode.data.dir</name>
8 <value>/app/hadoop/dfs/dn</value>
9 </property>
10
11 <property>
12 <name>dfs.replication</name>
13 <value>1</value>
14 </property>

修改 yarn-site.xml：

1 sudo gedit yarn-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2   <name>mapreduce.framework.name</name>
3   <value>yarn</value>
4 </property>
5 
6 <property>
7   <name>yarn.nodemanager.aux-services</name>
8   <value>mapreduce_shuffle</value>
9 </property>

复制并重命名 mapred-site.xml.template 为 mapred-site.xml：

1 sudo cp mapred-site.xml.template mapred-site.xml
2 sudo gedit mapred-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2   <name>mapreduce.jobtracker.address </name>
3   <value>hdfs://localhost:9001</value>
4 </property>

在启动 hadoop 之前，为防止可能出现无法写入 log 的问题，记得为 /app 目录设置权限：

1 sudo mkdir /app
2 sudo chmod -R hduser:hduser /app

格式化 hadoop：

1 hadoop namenode -format

启动 hdfs 和 yarn。在开发 Spark 时，仅需要启动 hdfs：

1 sbin/start-dfs.sh  
2 sbin/start-yarn.sh

在浏览器中打开地址 http://localhost:50070/ 可以查看 hdfs 状态信息：

Apache Spark1.1.0 部署与开发环境搭建

4. 安装 scala

1 sudo cp /home/hduser/Download/scala-2.9.3.tgz /usr/local
2 sudo tar -xvzf scala-2.9.3.tgz

在 /etc/profile 文件的末尾添加环境变量：

1 export SCALA_HOME=/usr/local/scala-2.9.3
2 export PATH=$SCALA_HOME/bin:$PATH

保存并更新 /etc/profile：

1 source /etc/profile

测试 scala 是否安装成功：

1 scala -version

5. 安装 Spark

1 sudo cp spark-1.1.0-bin-hadoop2.4.tgz /usr/local
2 sudo tar -xvzf spark-1.1.0-bin-hadoop2.4.tgz

在 /etc/profile 文件的末尾添加环境变量：

1 export SPARK_HOME=/usr/local/spark-1.1.0-bin-hadoop2.4
2 export PATH=$SPARK_HOME/bin:$PATH

保存并更新 /etc/profile：

1 source /etc/profile

复制并重命名 spark-env.sh.template 为 spark-env.sh：

1 sudo cp spark-env.sh.template spark-env.sh
2 sudo gedit spark-env.sh

在 spark-env.sh 中添加：

1 export SCALA_HOME=/usr/local/scala-2.9.3
2 export JAVA_HOME=/usr/lib/jdk1.7.0_67
3 export SPARK_MASTER_IP=localhost
4 export SPARK_WORKER_MEMORY=1000m

启动 Spark：

1 cd /usr/local/spark-1.1.0-bin-hadoop2.4
2 sbin/start-all.sh

测试 Spark 是否安装成功：

1 cd /usr/local/spark-1.1.0-bin-hadoop2.4
2 bin/run-example SparkPi

Apache Spark1.1.0 部署与开发环境搭建

6. 搭建 Spark 开发环境

本文开发 Spark 的 IDE 推荐 IntelliJ IDEA，当然也可以选择 Eclipse。在使用 IntelliJ IDEA 之前，需要安装 scala 的插件。点击 Configure：

Apache Spark1.1.0 部署与开发环境搭建

点击 Plugins：

Apache Spark1.1.0 部署与开发环境搭建

点击 Browse repositories…：

Apache Spark1.1.0 部署与开发环境搭建

在搜索框内输入 scala，选择 Scala 插件进行安装。由于已经安装了这个插件，下图没有显示安装选项：

Apache Spark1.1.0 部署与开发环境搭建

安装完成后，IntelliJ IDEA 会要求重启。

更多详情见请继续阅读下一页的精彩内容：http://www.linuxidc.com/Linux/2016-01/127856p2.htm

重启后，点击 Create New Project：

Apache Spark1.1.0 部署与开发环境搭建

Project SDK 选择 jdk 安装目录，建议开发环境中的 jdk 版本与 Spark 集群上的 jdk 版本保持一致。点击左侧的 Maven，勾选 Create from archetype，选择 org.scala-tools.archetypes:scala-archetype-simple：

Apache Spark1.1.0 部署与开发环境搭建

点击 Next 后，可根据需求自行填写 GroupId，ArtifactId 和 Version：

Apache Spark1.1.0 部署与开发环境搭建

点击 Next 后，如果本机没有安装 maven 会报错，请保证之前已经安装 maven：

Apache Spark1.1.0 部署与开发环境搭建

点击 Next 后，输入文件名，完成 New Project 的最后一步：

Apache Spark1.1.0 部署与开发环境搭建

点击 Finish 后，maven 会自动生成 pom.xml 和下载依赖包。我们需要修改 pom.xml 中 scala 的版本：

1 <properties>
2   <scala.version>2.10.4</scala.version>
3 </properties>

在 <dependencies></dependencies> 之间添加配置：

 1 <!-- Spark -->
 2 <dependency>
 3   <groupId>org.apache.spark</groupId>
 4   <artifactId>spark-core_2.10</artifactId>
 5   <version>1.1.0</version>
 6 </dependency>
 7 
 8 <!-- HDFS -->
 9 <dependency>
10   <groupId>org.apache.Hadoop</groupId>
11   <artifactId>hadoop-client</artifactId>
12   <version>2.4.0</version>
13 </dependency>

在 <build><plugins></plugins></build> 之间添加配置：

 1 <plugin>
 2             <groupId>org.apache.maven.plugins</groupId>
 3             <artifactId>maven-shade-plugin</artifactId>
 4             <version>2.2</version>
 5             <executions>
 6                 <execution>
 7                     <phase>package</phase>
 8                     <goals>
 9                         <goal>shade</goal>
10                     </goals>
11                     <configuration>
12                         <filters>
13                             <filter>
14                                 <artifact>*:*</artifact>
15                                 <excludes>
16                                     <exclude>META-INF/*SF</exclude>
17                                     <exclude>META-INF/*.DSA</exclude>
18                                     <exclude>META-INF/*.RSA</exclude>
19                                 </excludes>
20                             </filter>
21                         </filters>
22                         <transformers>
23                             <transformer
24                                     implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
25                                 <mainClass>mark.lin.App</mainClass> // 记得修改成你的 mainClass 
26                             </transformer>
27                             <transformer
28                                     implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
29                                 <resource>reference.conf</resource>
30                             </transformer>
31                         </transformers>
32                         <shadedArtifactAttached>true</shadedArtifactAttached>
33                         <shadedClassifierName>executable</shadedClassifierName>
34                     </configuration>
35                 </execution>
36             </executions>
37         </plugin>

Spark 的开发环境至此搭建完成。One more thing，wordcount 的示例代码：

 1 package mark.lin //别忘了修改 package
 2 
 3 import org.apache.spark.{SparkConf, SparkContext}
 4 import org.apache.spark.SparkContext._
 5 
 6 import scala.collection.mutable.ListBuffer
 7 
 8 /**
 9  * Hello world!
10  *
11  */
12 object App{13   def main(args: Array[String]) {14     if (args.length != 1) {15       println("Usage: java -jar code.jar dependencies.jar")
16       System.exit(0)
17     }
18     val jars = ListBuffer[String]()
19     args(0).split(",").map(jars += _)
20 
21     val conf = new SparkConf()
22     conf.setMaster("spark://localhost:7077").setAppName("wordcount").set("spark.executor.memory", "128m").setJars(jars)
23 
24     val sc = new SparkContext(conf)
25 
26     val file = sc.textFile("hdfs://localhost:9000/hduser/wordcount/input/input.csv")
27     val count = file.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_+_)
28     println(count)
29     count.saveAsTextFile("hdfs://localhost:9000/hduser/wordcount/output/")
30     sc.stop()
31   }
32 }

7. 编译 & 运行

使用 maven 编译源代码。点击左下角，点击右侧 package，点击绿色三角形，开始编译。

Apache Spark1.1.0 部署与开发环境搭建

在 target 目录下，可以看到 maven 生成的 jar 包。其中，hellworld-1.0-SNAPSHOT-executable.jar 是我们需要放到 Spark 集群上运行的。

Apache Spark1.1.0 部署与开发环境搭建

在运行 jar 包之前，保证 hadoop 和 Spark 处于运行状态：

Apache Spark1.1.0 部署与开发环境搭建

将 jar 包拷贝到 Ubuntu 的本地文件系统上，输入以下命令运行 jar 包：

1 java -jar helloworld-1.0-SNAPSHOT-executable.jar helloworld-1.0-SNAPSHOT-executable.jar

在浏览器中输入地址 http://localhost:8080/ 可以查看任务运行情况：

Apache Spark1.1.0 部署与开发环境搭建

8. Q&A

Q：在 Spark 集群上运行 jar 包，抛出异常“No FileSystem for scheme: hdfs”：

Apache Spark1.1.0 部署与开发环境搭建

A：这是由于 hadoop-common-2.4.0.jar 中的 core-default.xml 缺少 hfds 的相关配置属性引起的异常。在 maven 仓库目录下找到hadoop-common-2.4.0.jar，以 rar 的打开方式打开：

将 core-default.xml 拖出，并添加配置：

1 <property>
2   <name>fs.hdfs.impl</name>
3   <value>org.apache.hadoop.hdfs.DistributedFileSystem</value>
4   <description>The FileSystem for hdfs: uris.</description>
5 </property>

再将修改后的 core-default.xml 替换 hadoop-common-2.4.0.jar 中的 core-default.xml，重新编译生成 jar 包。

Q：在 Spark 集群上运行 jar 包，抛出异常“Failed on local exception”：

A：检查你的代码，一般是由于 hdfs 路径错误引起。

Q:在 Spark 集群上运行 jar 包，重复提示“Connecting to master spark”：

A: 检查你的代码，一般是由于 setMaster 路径错误引起。

Q：在 Spark 集群上运行 jar 包，重复提示“Initial job has not accepted any resource; check your cluster UI to ensure that workers are registered and have sufficient memory”：

A：检查你的代码，一般是由于内存设置不合理引起。此外，还需要检查 Spark 安装目录下的 conf/spark-env.sh 对 worker 内存的设置。

Q：maven 报错：error: org.specs.Specification does not have a constructor

A: 删除 test 目录下的文件，重新编译。

9. 参考资料

[1] Spark Documentation from Apache. [Link]

Spark 的详细介绍：请点这里
Spark 的下载地址：请点这里

本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-01/127856.htm

更多 Spark 相关教程见以下内容：

CentOS 7.0 下安装并配置 Spark http://www.linuxidc.com/Linux/2015-08/122284.htm

Spark1.0.0 部署指南 http://www.linuxidc.com/Linux/2014-07/104304.htm

CentOS 6.2(64 位)下安装 Spark0.8.0 详细记录 http://www.linuxidc.com/Linux/2014-06/102583.htm

Spark 简介及其在 Ubuntu 下的安装使用 http://www.linuxidc.com/Linux/2013-08/88606.htm

安装 Spark 集群(在 CentOS 上) http://www.linuxidc.com/Linux/2013-08/88599.htm

Hadoop vs Spark 性能对比 http://www.linuxidc.com/Linux/2013-08/88597.htm

Spark 安装与学习 http://www.linuxidc.com/Linux/2013-08/88596.htm

Spark 并行计算模型 http://www.linuxidc.com/Linux/2012-12/76490.htm

0. 准备

出于学习目的，本文将 Spark 部署在虚拟机中，虚拟机选择 VMware WorkStation。在虚拟机中，需要安装以下软件：

Ubuntu 14.04.1 LTS 64 位桌面版
hadoop-2.4.0.tar.gz
jdk-7u67-linux-x64.tar.gz
scala-2.10.4.tgz
spark-1.1.0-bin-hadoop2.4.tgz

Spark 的开发环境，本文选择 Windows7 平台，IDE 选择 IntelliJ IDEA。在 Windows 中，需要安装以下软件：

IntelliJ IDEA 13.1.4 Community Edition
apache-maven-3.2.3-bin.zip(安装过程比较简单，请读者自行安装)

1. 安装 JDK

解压 jdk 安装包到 /usr/lib 目录：

1 sudo cp jdk-7u67-linux-x64.gz /usr/lib
2 cd /usr/lib
3 sudo tar -xvzf jdk-7u67-linux-x64.gz
4 sudo gedit /etc/profile

在 /etc/profile 文件的末尾添加环境变量：

1 export JAVA_HOME=/usr/lib/jdk1.7.0_67
2 export JRE_HOME=/usr/lib/jdk1.7.0_67/jre
3 export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
4 export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

保存并更新 /etc/profile：

1 source /etc/profile

测试 jdk 是否安装成功：

1 java -version

Apache Spark1.1.0 部署与开发环境搭建

2. 安装及配置 SSH

1 sudo apt-get update
2 sudo apt-get install openssh-server
3 sudo /etc/init.d/ssh start

生成并添加密钥：

1 ssh-keygen -t rsa -P ""  
2 cd /home/hduser/.ssh 
3 cat id_rsa.pub >> authorized_keys

ssh 登录：

1 ssh localhost

Apache Spark1.1.0 部署与开发环境搭建

3. 安装 hadoop2.4.0

采用伪分布模式安装 hadoop2.4.0。解压 hadoop2.4.0 到 /usr/local 目录：

1 sudo cp hadoop-2.4.0.tar.gz /usr/local/
2 sudo tar -xzvf hadoop-2.4.0.tar.gz

在 /etc/profile 文件的末尾添加环境变量：

1 export HADOOP_HOME=/usr/local/hadoop-2.4.0
2 export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
3 
4 export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
5 export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

保存并更新 /etc/profile：

1 source /etc/profile

在位于 /usr/local/hadoop-2.4.0/etc/hadoop 的 hadoop-env.sh 和 yarn-env.sh 文件中修改 jdk 路径：

1 cd /usr/local/hadoop-2.4.0/etc/hadoop
2 sudo gedit hadoop-env.sh
3 sudo gedit yarn-evn.sh

hadoop-env.sh：

Apache Spark1.1.0 部署与开发环境搭建

yarn-env.sh：

Apache Spark1.1.0 部署与开发环境搭建

修改 core-site.xml：

1 sudo gedit core-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2   <name>fs.default.name</name>
3   <value>hdfs://localhost:9000</value>
4 </property>
5 
6 <property>
7   <name>hadoop.tmp.dir</name>
8   <value>/app/hadoop/tmp</value>
9 </property>

修改 hdfs-site.xml：

1 sudo gedit hdfs-site.xml

在 <configuration></configuration> 之间添加：

修改 yarn-site.xml：

1 sudo gedit yarn-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2   <name>mapreduce.framework.name</name>
3   <value>yarn</value>
4 </property>
5 
6 <property>
7   <name>yarn.nodemanager.aux-services</name>
8   <value>mapreduce_shuffle</value>
9 </property>

复制并重命名 mapred-site.xml.template 为 mapred-site.xml：

1 sudo cp mapred-site.xml.template mapred-site.xml
2 sudo gedit mapred-site.xml

在 <configuration></configuration> 之间添加：

1 <property>
2   <name>mapreduce.jobtracker.address </name>
3   <value>hdfs://localhost:9001</value>
4 </property>

在启动 hadoop 之前，为防止可能出现无法写入 log 的问题，记得为 /app 目录设置权限：

1 sudo mkdir /app
2 sudo chmod -R hduser:hduser /app

格式化 hadoop：

1 hadoop namenode -format

启动 hdfs 和 yarn。在开发 Spark 时，仅需要启动 hdfs：

1 sbin/start-dfs.sh  
2 sbin/start-yarn.sh

在浏览器中打开地址 http://localhost:50070/ 可以查看 hdfs 状态信息：

Apache Spark1.1.0 部署与开发环境搭建

4. 安装 scala

1 sudo cp /home/hduser/Download/scala-2.9.3.tgz /usr/local
2 sudo tar -xvzf scala-2.9.3.tgz

在 /etc/profile 文件的末尾添加环境变量：

1 export SCALA_HOME=/usr/local/scala-2.9.3
2 export PATH=$SCALA_HOME/bin:$PATH

保存并更新 /etc/profile：

1 source /etc/profile

测试 scala 是否安装成功：

1 scala -version

5. 安装 Spark

1 sudo cp spark-1.1.0-bin-hadoop2.4.tgz /usr/local
2 sudo tar -xvzf spark-1.1.0-bin-hadoop2.4.tgz

在 /etc/profile 文件的末尾添加环境变量：

1 export SPARK_HOME=/usr/local/spark-1.1.0-bin-hadoop2.4
2 export PATH=$SPARK_HOME/bin:$PATH

保存并更新 /etc/profile：

1 source /etc/profile

复制并重命名 spark-env.sh.template 为 spark-env.sh：

1 sudo cp spark-env.sh.template spark-env.sh
2 sudo gedit spark-env.sh

在 spark-env.sh 中添加：

1 export SCALA_HOME=/usr/local/scala-2.9.3
2 export JAVA_HOME=/usr/lib/jdk1.7.0_67
3 export SPARK_MASTER_IP=localhost
4 export SPARK_WORKER_MEMORY=1000m

启动 Spark：

1 cd /usr/local/spark-1.1.0-bin-hadoop2.4
2 sbin/start-all.sh

测试 Spark 是否安装成功：

1 cd /usr/local/spark-1.1.0-bin-hadoop2.4
2 bin/run-example SparkPi

Apache Spark1.1.0 部署与开发环境搭建

6. 搭建 Spark 开发环境

本文开发 Spark 的 IDE 推荐 IntelliJ IDEA，当然也可以选择 Eclipse。在使用 IntelliJ IDEA 之前，需要安装 scala 的插件。点击 Configure：

Apache Spark1.1.0 部署与开发环境搭建

点击 Plugins：

Apache Spark1.1.0 部署与开发环境搭建

点击 Browse repositories…：

Apache Spark1.1.0 部署与开发环境搭建

在搜索框内输入 scala，选择 Scala 插件进行安装。由于已经安装了这个插件，下图没有显示安装选项：

Apache Spark1.1.0 部署与开发环境搭建

安装完成后，IntelliJ IDEA 会要求重启。

更多详情见请继续阅读下一页的精彩内容：http://www.linuxidc.com/Linux/2016-01/127856p2.htm

Apache Spark1.1.0部署与开发环境搭建

历史往往不是由问题决定的，而是由对问题的应对方式决定的【转】

阿里云2核4G4M轻量应用服务器_297元/年【优惠购买入口】

阿里云免费SSL证书有效期从1年缩短至3个月！

企业邮箱给谷歌Gmail报错550-5.7.25解决方案

宝塔面板网站安装SSL证书

阿里云免费SSL证书申请方法步骤白嫖指南（20张免费SSL证书）

阿里云服务器公网带宽“按固定带宽”计费价格表_每M报价

[限时免费正版] 老黄历专业版 for iOS – 手机查节气/节假日/阴历/农历应用APP

阿里云SSL证书问题解答售前售后人工客服钉钉群

「喜+1」全面战争：战锤 – 奇幻中古世界背景的优秀战略策略游戏