卸载依赖包的命令(apt 卸载依赖)

卸载依赖包的命令

目前没有明确的答案来解释deb插件注入的方式，因为这个问题需要进一步的细化和明确。在软件开发中，deb插件是基于Debian和Ubuntu软件包格式的一种软件安装方式，而注入方式则通常指在软件运行时修改或者加入部分程序逻辑的方法。因此，如果我们将这两个概念结合起来来探讨，可能会牵涉到deb包的解压、修改、重打包以及安装等多个阶段，需要深入分析deb包的内容和具体注入的需求。此外，不同的操作系统、编程语言和软件版本可能会对插件注入的方式产生影响，需要根据具体情况来定制相应的方案。总的来说，注入方式是一门技术性很强的领域，需要有专业的知识和经验才能深入研究和实践。

apt 卸载依赖

1、威锋源：apt.feng.com，中文汉化的插件很多；

2、官方cydia源：apt.apple.com，更新很快，资源非常多；

3、178源：apt.178.com， 常用工具等一般就在这里面进行安装；

4、Hackulo源：cydia.hackulo.us，appsync插件就来自于这个源。

卸载依赖包的命令怎么恢复

解决办法：你的UI插件出问题了，建议重新更新一下插件，没有必要过时的插件在进入人物界面钱禁用，或者删除，在游戏内可以打/RL进行重载插件，如果用整合插件比如大脚，最好更新一下插件，是插件导致的

卸载依赖包的命令在哪

deb文件是Linux发行版debian系统的安装包格式，还有像基于debian系统的发行版ubuntu等系统就是使用的deb格式的安装包，我们可以使用dpkg命令进行安装管理这些deb安装包文件。

以ubuntu为例，从官网下载vscode的deb安装包文件，然后进行安装：

1.在文件夹右键“在终端打开”

2.使用dpkg命令进行安装

sudo dpkg -i deb文件

sudo dpkg -i code_1.29.1-1542309157_amd64.deb

3.根据经验，通常情况下会报依赖关系的错误，我们可以使用以下的命令修复安装。

sudo apt-get install -f

4.如果要卸载安装的应用，我们通过“sudo dpkg -l”查看已经安装的软件，并找到自己的安装的软件名。可以通过“grep”进行过滤。

这里找到的是code

5.最后使用

sudo dpkg -r 软件名

进行卸载

sudo dpkg -r code

可以用

sudo dpkg -r --purge 软件名

连同配置文件一起删除

tip1：

Deb软件包相关安装与卸载

安装deb软件包

命令： dpkg -i xxx.deb

删除软件包

命令： dpkg -r xxx.deb

连同配置文件一起删除

命令： dpkg -r --purge xxx.deb

查看软件包信息

命令： dpkg -info xxx.deb

查看文件拷贝详情

命令： dpkg -L xxx.deb

查看系统中已安装软件包信息

命令： dpkg -l

tip2：

apt-get是Debian系统下进行软件管理的工具，可以安装和卸载软件包。

安装软件 apt-get install softname

删除软件包，但是不删除软件的配置文件：apt-get remove softname 如果再想安装，可能会出现问题。

删除软件包，并删除相应的配置文件：apt-get remove --purge softname

apt-get autoremove softname将依赖的软件包卸载掉，这样就可以完全卸载一个软件。

可以用 softname -V来检查是否卸载完成

更新软件信息数据库 apt-get update

进行系统升级 apt-get upgrade

搜索软件包： apt-cache search

yum卸载软件及其依赖

1:如果是rpm包装的可以用yum remove tomcat移除。 2:如果是tar包编译的，直接删除安装的路径的目录就可以了，linux没有注册表之类的概念 。 3:用 yum删除要当心软体的依靠性，可能会连带其它软体一同删除。 4:ps -ef看是否有tomcat进程，也可以cat /var/log/messages看日志里面是否启动，还可以netstat -an 看端口是否开启，还可以从其他电脑telnet ip port看端口是否可链接。 Linux是一种自由和开放源代码的类UNIX操作系统。该操作系统的内核由林纳斯·托瓦兹在1991年10月5日首次发布。在加上用户空间的应用程序之后，成为Linux操作系统。Linux也是自由软件和开放源代码软件发展中最著名的例子。只要遵循GNU通用公共许可证，任何个人和机构都可以自由地使用Linux的所有底层源代码，也可以自由地修改和再发布。大多数Linux系统还包括了像提供GUI界面的X Window之类的程序。除了一部分专家之外，大多数人都是直接使用Linux发布版，而不是自己选择每一样组件或自行设置。以后借助于Internet网络，并通过全世界各地计算机爱好者的共同努力，已成为今天世界上使用最多的一种UNIX 类操作系统，并且使用人数还在迅猛增长。

linux卸载依赖包

方法/步骤您可以使用“dpkg”命令来查看您的计算机，按“Ctrl + Alt + T”的所有已安装包的列表，打开一个终端窗口。 在提示符下键入以下命令，然后按Enter键。

dpkg -- list滚动安装的软件包在终端窗口的列表中找到要卸载的。 注意包的全名。要卸载程序，使用“apt-get”命令，这是安装程序和操作安装的程序一般的命令。

例如，下面的命令卸载GIMP并删除所有的配置文件sudo apt-get -- purge remove gimp卸载过程开始，操作过程将要显示在显示器。

当被问及是否要继续，请键入“Y”，然后按“Enter”键。过程继续。

当它完成后，键入“exit”的提示，按“Enter”关闭终端窗口，或者单击窗口左上角的“X”按钮。

如果你不想删除配置文件sudo apt-get remove gimp在安装Linux程序依赖于其他包的功能。

当你卸载程序，有可能是包，该卸载程序依赖于那些不再使用。 要删除任何未使用的包，使用“的autoremove”命令，如图下面的命令。

sudo apt-get autoremove8可以结合两个命令用于去除程序使之不在相关sudo apt-get purge -- auto-remove gimp

yarn卸载依赖

一直想整理一下这块内容，既然是漫谈，就想起什么说什么吧。我一直是在互联网行业，就以互联网行业来说。先大概列一下互联网行业数据仓库、数据平台的用途：

整合公司所有业务数据，建立统一的数据中心；

提供各种报表，有给高层的，有给各个业务的；

为网站运营提供运营上的数据支持，就是通过数据，让运营及时了解网站和产品的运营效果；

为各个业务提供线上或线下的数据支持，成为公司统一的数据交换与提供平台；

分析用户行为数据，通过数据挖掘来降低投入成本，提高投入效果；比如广告定向精准投放、用户个性化推荐等；

开发数据产品，直接或间接为公司盈利；

建设开放数据平台，开放公司数据；

。。。。。。

上面列出的内容看上去和传统行业数据仓库用途差不多，并且都要求数据仓库/数据平台有很好的稳定性、可靠性；但在互联网行业，除了数据量大之外，越来越多的业务要求时效性，甚至很多是要求实时的 ，另外，互联网行业的业务变化非常快，不可能像传统行业一样，可以使用自顶向下的方法建立数据仓库，一劳永逸，它要求新的业务很快能融入数据仓库中来，老的下线的业务，能很方便的从现有的数据仓库中下线；

其实，互联网行业的数据仓库就是所谓的敏捷数据仓库，不但要求能快速的响应数据，也要求能快速的响应业务；

建设敏捷数据仓库，除了对架构技术上的要求之外，还有一个很重要的方面，就是数据建模，如果一上来就想着建立一套能兼容所有数据和业务的数据模型，那就又回到传统数据仓库的建设上了，很难满足对业务变化的快速响应。应对这种情况，一般是先将核心的持久化的业务进行深度建模（比如：基于网站日志建立的网站统计分析模型和用户浏览轨迹模型；基于公司核心用户数据建立的用户模型），其它的业务一般都采用维度+宽表的方式来建立数据模型。这块是后话。

整体架构下面的图是我们目前使用的数据平台架构图，其实大多公司应该都差不多：

逻辑上，一般都有数据采集层、数据存储与分析层、数据共享层、数据应用层。可能叫法有所不同，本质上的角色都大同小异。

我们从下往上看：

数据采集数据采集层的任务就是把数据从各种数据源中采集和存储到数据存储上，期间有可能会做一些简单的清洗。

数据源的种类比较多：

网站日志：

作为互联网行业，网站日志占的份额最大，网站日志存储在多台网站日志服务器上，

一般是在每台网站日志服务器上部署flume agent，实时的收集网站日志并存储到HDFS上；

业务数据库：

业务数据库的种类也是多种多样，有Mysql、Oracle、SqlServer等，这时候，我们迫切的需要一种能从各种数据库中将数据同步到HDFS上的工具，Sqoop是一种，但是Sqoop太过繁重，而且不管数据量大小，都需要启动MapReduce来执行，而且需要Hadoop集群的每台机器都能访问业务数据库；应对此场景，淘宝开源的DataX，是一个很好的解决方案（可参考文章 《异构数据源海量数据交换工具-Taobao DataX 下载和使用》），有资源的话，可以基于DataX之上做二次开发，就能非常好的解决，我们目前使用的DataHub也是。

当然，Flume通过配置与开发，也可以实时的从数据库中同步数据到HDFS

来自于Ftp/Http的数据源：

有可能一些合作伙伴提供的数据，需要通过Ftp/Http等定时获取，DataX也可以满足该需求;

其他数据源：

比如一些手工录入的数据，只需要提供一个接口或小程序，即可完成

数据存储与分析毋庸置疑，HDFS是大数据环境下数据仓库/数据平台最完美的数据存储解决方案。

离线数据分析与计算，也就是对实时性要求不高的部分，在我看来，Hive还是首当其冲的选择，丰富的数据类型、内置函数；压缩比非常高的ORC文件存储格式；非常方便的SQL支持，使得Hive在基于结构化数据上的统计分析远远比MapReduce要高效的多，一句SQL可以完成的需求，开发MR可能需要上百行代码；

当然，使用Hadoop框架自然而然也提供了MapReduce接口，如果真的很乐意开发Java，或者对SQL不熟，那么也可以使用MapReduce来做分析与计算；Spark是这两年非常火的，经过实践，它的性能的确比MapReduce要好很多，而且和Hive、Yarn结合的越来越好，因此，必须支持使用Spark和SparkSQL来做分析和计算。因为已经有Hadoop Yarn，使用Spark其实是非常容易的，不用单独部署Spark集群，关于Spark On Yarn的相关文章，可参考：《Spark On Yarn系列文章》

实时计算部分，后面单独说。

数据共享这里的数据共享，其实指的是前面数据分析与计算后的结果存放的地方，其实就是关系型数据库和NOSQL数据库；

前面使用Hive、MR、Spark、SparkSQL分析和计算的结果，还是在HDFS上，但大多业务和应用不可能直接从HDFS上获取数据，那么就需要一个数据共享的地方，使得各业务和产品能方便的获取数据； 和数据采集层到HDFS刚好相反，这里需要一个从HDFS将数据同步至其他目标数据源的工具，同样，DataX也可以满足。

另外，一些实时计算的结果数据可能由实时计算模块直接写入数据共享。

数据应用

业务产品

业务产品所使用的数据，已经存在于数据共享层，他们直接从数据共享层访问即可；

报表

同业务产品，报表所使用的数据，一般也是已经统计汇总好的，存放于数据共享层；

即席查询

即席查询的用户有很多，有可能是数据开发人员、网站和产品运营人员、数据分析人员、甚至是部门老大，他们都有即席查询数据的需求；

这种即席查询通常是现有的报表和数据共享层的数据并不能满足他们的需求，需要从数据存储层直接查询。

即席查询一般是通过SQL完成，最大的难度在于响应速度上，使用Hive有点慢，目前我的解决方案是SparkSQL，它的响应速度较Hive快很多，而且能很好的与Hive兼容。

当然，你也可以使用Impala，如果不在乎平台中再多一个框架的话。

OLAP

目前，很多的OLAP工具不能很好的支持从HDFS上直接获取数据，都是通过将需要的数据同步到关系型数据库中做OLAP，但如果数据量巨大的话，关系型数据库显然不行；

这时候，需要做相应的开发，从HDFS或者HBase中获取数据，完成OLAP的功能；

比如：根据用户在界面上选择的不定的维度和指标，通过开发接口，从HBase中获取数据来展示。

其它数据接口

这种接口有通用的，有定制的。比如：一个从Redis中获取用户属性的接口是通用的，所有的业务都可以调用这个接口来获取用户属性。

实时计算现在业务对数据仓库实时性的需求越来越多，比如：实时的了解网站的整体流量；实时的获取一个广告的曝光和点击；在海量数据下，依靠传统数据库和传统实现方法基本完成不了，需要的是一种分布式的、高吞吐量的、延时低的、高可靠的实时计算框架；Storm在这块是比较成熟了，但我选择Spark Streaming，原因很简单，不想多引入一个框架到平台中，另外，Spark Streaming比Storm延时性高那么一点点，那对于我们的需要可以忽略。

我们目前使用Spark Streaming实现了实时的网站流量统计、实时的广告效果统计两块功能。

做法也很简单，由Flume在前端日志服务器上收集网站日志和广告日志，实时的发送给Spark Streaming，由Spark Streaming完成统计，将数据存储至Redis，业务通过访问Redis实时获取。

任务调度与监控在数据仓库/数据平台中，有各种各样非常多的程序和任务，比如：数据采集任务、数据同步任务、数据分析任务等；

这些任务除了定时调度，还存在非常复杂的任务依赖关系，比如：数据分析任务必须等相应的数据采集任务完成后才能开始；数据同步任务需要等数据分析任务完成后才能开始； 这就需要一个非常完善的任务调度与监控系统，它作为数据仓库/数据平台的中枢，负责调度和监控所有任务的分配与运行。

前面有写过文章，《大数据平台中的任务调度与监控》,这里不再累赘。

总结在我看来架构并不是技术越多越新越好，而是在可以满足需求的情况下，越简单越稳定越好。目前在我们的数据平台中，开发更多的是关注业务，而不是技术，他们把业务和需求搞清楚了，基本上只需要做简单的SQL开发，然后配置到调度系统就可以了，如果任务异常，会收到告警。这样，可以使更多的资源专注于业务之上。