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
    opencv4-图像操作
    查看>>
    opencv5-图像混合
    查看>>
    opencv6-调整图像亮度和对比度
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV_ cv2.imshow()
    查看>>
    opencv——图像缩放1(resize)
    查看>>
    Opencv——模块介绍
    查看>>
    OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>