博客
关于我
CentOS中配置本地Yum源
阅读量:773 次
发布时间:2019-03-24

本文共 893 字,大约阅读时间需要 2 分钟。

配置本地Yum源详细指南

在安装和管理rpm包时,本地配置Yum源是一个高效且可靠的方式。下面将为您详细介绍如何在 CentOS 或类似系统上完成本地Yum源的配置。


1. 启用虚拟机中的本地镜像

在进入配置阶段之前,请先:

  • 右键点击虚拟机,进入“虚拟机设置”,
  • 选择“CD/DVD(IDE)”,
  • 选择安装时使用的镜像文件,4.勾选“启动时连接”,
  • 确定。
  • 这样可以确保系统能够挂载到镜像文件,并从本地源下载所需软件包。


    2. 配置本地Yum源的具体操作步骤

    按照以下步骤配置本地Yum源:

  • 创建挂载点:
  • # mkdir /media/cdrom# mount /dev/cdrom /media/cdrom
    1. 进入Yum源配置目录:
    2. # cd /etc/yum.repos.d
      1. 保存当前配置文件:
      2. # ls# mkdir bak# mv *.repo bak/
        1. 复制镜像源文件:
        2. # cp -p bak/CentOS-Media.repo .
          1. 启用本地镜像源:
          2. # vi CentOS-Media.repo# 修改enabled=0为enabled=1
            1. 更新Yum缓存:
            2. # yum clean all# yum makecache
              1. 验证配置是否成功:
              2. # yum list | wc -l

                3. 额外操作:安装常用工具

                为了便于开发和管理,可以安装以下工具:

                # yum install -y make cmake gcc gcc-c++# yum install -y automake autoconf libtool perl# yum install -y unzip zip# yum install -y vim*# yum install -y ntpdate# ntpdate -u asia.pool.ntp.org

                注意事项

                • 确保挂载点正确,并且镜像文件可读。
                • 配置完成后,用yum clean all清理缓存,加苍使时间更新镜像。
                • 如果网络源被切断,复制备份文件后需手动更新源。

                通过以上步骤,您已经成功配置了本地Yum源。希望这些信息能为您的开发工作带来方便。


    转载地址:http://uyekk.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>