Hyperledger fabric 2.2.0 环境搭建
基础环境搭建
### docker 安装
如果服务器上有旧版的docker,需要先执行卸载操作。
$ sudo yum remove docker \
docker-common \
docker-selinux \
docker-engine 随后开始安装docker-ce
1 $ sudo yum install -y yum-utils device-mapper-persistent-data lvm2
2
3 $ sudo yum-config-manager \
4 --add-repo \
5 https://download.docker.com/linux/centos/docker-ce.repo
6
7 $ sudo yum-config-manager --enable docker-ce-edge
8
9 $ sudo yum-config-manager --enable docker-ce-test
10
11 $ sudo yum-config-manager --disable docker-ce-edge
12
13 $ sudo yum makecache fast
14
15 $ sudo yum install docker-ce 执行查询docker版本号,看是否安装成功
docker --version docker启动
service docker start docker开机自启(视具体情况使用)
chkconfig docker on ### docker-compose 安装
需要服务器支持 curl 功能,如果服务器不支持 curl 功能,需要手动进行安装
yum install curl 执行如下操作下载docker-compose
sudo curl -L "https://github.com/docker/compose/releases/download/1.26.2/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose 下载目录为:
/usr/local/bin/docker-compose 为其添加可执行权限:
sudo chmod +x /usr/local/bin/docker-compose 查询版本信息:
docker-compose --version ### Go语言安装
安装包下载
curl -O https://golang.google.cn/doc/install?download=go1.15.linux-amd64.tar.gz 解压缩文件包
tar -C /usr/local -xzf go1.15.linux-amd64.tar.gz 配置 go 的环境变量
修改 /etc/profile 文件使其永久生效
1 export PATH=$PATH:/usr/local/go/bin
2 export GOPATH=/opt/gopath 修改文件后,执行如下命令,应用上述参数
source /etc/profile 查看当前 go 版本信息
go version 也可通过下述命令查看是否安装成功
echo $PATH
Fabric源码及镜像文件处理
下载 fabric 源码是因为要用到源码中的例子和工具,工具编译需要用到 go 语言环境,因此需要把源码目录放到 GOPATH 下,路径设置为 /opt/gopath 可以使用 Git 命令下载源码(耗时会比较长):
cd /opt/gopath/src/github.com/hyperledger/
git clone https://github.com/hyperledger/fabric.git 如果没有 git 命令,需要先执行如下命令,构建 git 环境:
yum install git 默认Fabric源码下载版本为 2.2.0 Fabric Docker 镜像的下载:
cd /opt/gopath/src/github.com/hyperledger/fabric/scripts
./bootstrap.sh
等待下载完成即可 至此,Fabric源码,fabric-samples 源码、fabric 镜像的工作已经完成
网络环境测试
启动 Fabric 网络
cd /opt/gopath/src/github.com/hyperledger/fabric/scripts/fabric-samples/test-network
./network.sh up 建立通道
./network.sh createChannel 在通道上启动链码
./network.sh deployCC 如果链码启动失败,手动添加 go 代理
go env -w GO111MODULE=on
go env -w GOPROXY=https://goproxy.cn,direct
再次启动链码即可 在test-network 目录进行如下环境变量设置
export PATH=${PWD}/../bin:${PWD}:$PATH
export FABRIC_CFG_PATH=$PWD/../config/ 继续设置如下环境变量,允许以 peer Org1 的形式操作 CLI
# Environment variables for Org1
export CORE_PEER_TLS_ENABLED=true
export CORE_PEER_LOCALMSPID="Org1MSP"
export CORE_PEER_TLS_ROOTCERT_FILE=${PWD}/organizations/peerOrganizations/org1.example.com/peers/peer0.org1.example.com/tls/ca.crt
export CORE_PEER_MSPCONFIGPATH=${PWD}/organizations/peerOrganizations/org1.example.com/users/Admin@org1.example.com/msp
export CORE_PEER_ADDRESS=localhost:7051 完成后,source /etc/profile 获取已添加到通道分类账中的汽车列表
peer chaincode query -C mychannel -n fabcar -c '{"Args":["queryAllCars"]}'
上述命令可能会出现报错提示,如下(如果是提示某些文件不存在,我的一个解决办法是,关闭网络,启动网络前,source /etc/profile):
Error: endorsement failure during query. response: status:500 message:"make sure the chaincode fabcar has been successfully defined on channel mychannel and try again: chaincode fabcar not found"
查看报错信息,我们可以知道,链码 fabcar 没有在通道上被定义,所以我们进入对应目录,执行启动指令:
cd /opt/gopath/src/github.com/hyperledger/fabric/scripts/fabric-samples/fabcar
./startFabric.sh
等待执行结束即可 我们现在可以重新进入 test-network 目录,执行命令
peer chaincode query -C mychannel -n fabcar -c '{"Args":["queryAllCars"]}'
可以看到,正常返回结果了
[{"Key":"CAR0","Record":{"make":"Toyota","model":"Prius","colour":"blue","owner":"Tomoko"}},{"Key":"CAR1","Record":{"make":"Ford","model":"Mustang","colour":"red","owner":"Brad"}},{"Key":"CAR2","Record":{"make":"Hyundai","model":"Tucson","colour":"green","owner":"Jin Soo"}},{"Key":"CAR3","Record":{"make":"Volkswagen","model":"Passat","colour":"yellow","owner":"Max"}},{"Key":"CAR4","Record":{"make":"Tesla","model":"S","colour":"black","owner":"Adriana"}},{"Key":"CAR5","Record":{"make":"Peugeot","model":"205","colour":"purple","owner":"Michel"}},{"Key":"CAR6","Record":{"make":"Chery","model":"S22L","colour":"white","owner":"Aarav"}},{"Key":"CAR7","Record":{"make":"Fiat","model":"Punto","colour":"violet","owner":"Pari"}},{"Key":"CAR8","Record":{"make":"Tata","model":"Nano","colour":"indigo","owner":"Valeria"}},{"Key":"CAR9","Record":{"make":"Holden","model":"Barina","colour":"brown","owner":"Shotaro"}}]
上述调试工作相继完成后,我们继续如下操作(仍然在 test-network 目录下),执行关闭网络指令:
./network.sh down
接着,编辑profile文件,添加如下内容(因为资产转移链码的背书策略要求事务由 Org1 和 Org2 签名,chaincode invoke 命令需要同时针对 peer0.org1.example.com 和 peer0.org2.example.com 使用 --peeradresses 标志,而且,由于为网络启用了 TLS, 该命令还需要使用 --tlsRootCertFiles 标志为每个对等方引用 TLS 证书。):
vi /etc/profile
# Environment variables for Org2
export CORE_PEER_TLS_ENABLED=true
export CORE_PEER_LOCALMSPID="Org2MSP"
export CORE_PEER_TLS_ROOTCERT_FILE=${PWD}/organizations/peerOrganizations/org2.example.com/peers/peer0.org2.example.com/tls/ca.crt
export CORE_PEER_MSPCONFIGPATH=${PWD}/organizations/peerOrganizations/org2.example.com/users/Admin@org2.example.com/msp
export CORE_PEER_ADDRESS=localhost:9051
保存退出
source /etc/profile
启动测试网络:
./network.sh up
./network.sh createChannel
./network.sh deployCC
运行如下命令初始化资产分类账:
peer chaincode invoke -o localhost:7050 --ordererTLSHostnameOverride orderer.example.com --tls --cafile ${PWD}/organizations/ordererOrganizations/example.com/orderers/orderer.example.com/msp/tlscacerts/tlsca.example.com-cert.pem -C mychannel -n basic --peerAddresses localhost:7051 --tlsRootCertFiles ${PWD}/organizations/peerOrganizations/org1.example.com/peers/peer0.org1.example.com/tls/ca.crt --peerAddresses localhost:9051 --tlsRootCertFiles ${PWD}/organizations/peerOrganizations/org2.example.com/peers/peer0.org2.example.com/tls/ca.crt -c '{"function":"InitLedger","Args":[]}'
如果有如下报错信息,可能是链码没有在通道中被成功定义,关闭测试网络后,重新执行启动网络操作:
Error: endorsement failure during invoke. response: status:500 message:"make sure the chaincode basic has been successfully defined on channel mychannel and try again: chaincode basic not found"
上述初始化指令的执行成功返回结果信息如下:
2020-08-28 11:20:52.062 CST [chaincodeCmd] chaincodeInvokeOrQuery -> INFO 001 Chaincode invoke successful. result: status:200
运行以下命令获取添加到通道分类账的资产列表:
peer chaincode query -C mychannel -n basic -c '{"Args":["GetAllAssets"]}'
返回结果如下:
[{"ID":"asset1","color":"blue","size":5,"owner":"Tomoko","appraisedValue":300},{"ID":"asset2","color":"red","size":5,"owner":"Brad","appraisedValue":400},{"ID":"asset3","color":"green","size":10,"owner":"Jin Soo","appraisedValue":500},{"ID":"asset4","color":"yellow","size":10,"owner":"Max","appraisedValue":600},{"ID":"asset5","color":"black","size":15,"owner":"Adriana","appraisedValue":700},{"ID":"asset6","color":"white","size":15,"owner":"Michel","appraisedValue":800}]
当网络成员希望转移或更改分类账上的资产时,会调用链码。使用以下命令更改分类账上的资产所有者:
peer chaincode invoke -o localhost:7050 --ordererTLSHostnameOverride orderer.example.com --tls --cafile ${PWD}/organizations/ordererOrganizations/example.com/orderers/orderer.example.com/msp/tlscacerts/tlsca.example.com-cert.pem -C mychannel -n basic --peerAddresses localhost:7051 --tlsRootCertFiles ${PWD}/organizations/peerOrganizations/org1.example.com/peers/peer0.org1.example.com/tls/ca.crt --peerAddresses localhost:9051 --tlsRootCertFiles ${PWD}/organizations/peerOrganizations/org2.example.com/peers/peer0.org2.example.com/tls/ca.crt -c '{"function":"TransferAsset","Args":["asset6","Christopher"]}'
返回如下提示信息,即表示更改成功:
2020-08-28 11:21:29.252 CST [chaincodeCmd] chaincodeInvokeOrQuery -> INFO 001 Chaincode invoke successful. result: status:200
使用如下命令查询刚刚的转移信息:
peer chaincode query -C mychannel -n basic -c '{"Args":["ReadAsset","asset6"]}'
返回结果如下:
{"ID":"asset6","color":"white","size":15,"owner":"Christopher","appraisedValue":800}
(如果是提示某些文件不存在,我的一个解决办法是,启动网络前,source /etc/profile)
Hyperledger fabric 2.2.0 环境搭建的更多相关文章
- HyperLedger Fabric 1.4 基础环境搭建(7)
学习了前面几章理论知识后,本章开始介绍实践操作,先介绍Fabric基础环境搭建,采用的操作系统为Centos 7 64位,依次介绍Docker安装.Docker-Compose安装.GO语言环境安装. ...
- Hyperledger Fabric 1.4 快速环境搭建
自己的硕士研究方向和区块链有关,工程上一直以IBM的Hyperledger Fabric为基础进行开发,对该项目关注也有两年了.目前迎来了Hyperledger Fabric v1.4,这也是Fabr ...
- Hyperledger Fabric (1.0)环境部署 chaincode【转】
三.测试Fabric 其实我们在前面运行./network_setup.sh up的时候系统已经运行了一个Example02的ChainCode测试,部署上去的ChainCodeName是mycc,所 ...
- Centos7 HyperLedger Fabric 1.4 生产环境部署
Kafka生产环境部署案例采用三个排序(orderer)服务.四个kafka.三个zookeeper和四个节点(peer)组成,共准备八台服务器,每台服务器对应的服务如下所示: kafka案例网络拓扑 ...
- ubantu16.04+mxnet +opencv+cuda8.0 环境搭建
ubantu16.04+mxnet +opencv+cuda8.0 环境搭建 建议:环境搭建完成之后,不要更新系统(内核) 转载请注明出处: 微微苏荷 一 我的安装环境 系统:ubuntu16.04 ...
- 菜鸟学自动化测试(八)----selenium 2.0环境搭建(基于maven)
菜鸟学自动化测试(八)----selenium 2.0环境搭建(基于maven) 2012-02-04 13:11 by 虫师, 11419 阅读, 5 评论, 收藏, 编辑 之前我就讲过一种方试来搭 ...
- XNA 4.0 环境搭建和 Hello World,Windows Phone 游戏开发
XNA 4.0 环境搭建和 Hello World,Windows Phone 游戏开发 使用 Scene 类在 XNA 中创建不同的场景(八) 摘要: 平方已经开发了一些 Windows Phone ...
- (win10 64位系统中)Visual Studio 2015+OpenCV 3.3.0环境搭建,100%成功
(win10 64位系统中)Visual Studio 2015+OpenCV 3.3.0环境搭建,100%成功 1.下载opencv 官网http://opencv.org/下载windows版Op ...
- [转]OPENCV3.3+CUDA9.0 环境搭建若干错误总结
编译OpenCV设计启用OpenGL三维可视化支持和启用GPU CUDA并行加速处理的基本知识: 1.从2.4.2版本开始,OpenCV在可视化窗口中支持OpenGL,这就意味着在OpenCV中可以轻 ...
- Hyperledger Fabric(v1.2.0)代码分析1——channel创建
Hyperledger Fabric(v1.2.0)代码分析1--channel创建 0. e2e_cli Hyperledger Fabric提供了一个e2e的例子,该例中创建了一个基础的区块链网络 ...
随机推荐
- accessservice对于难定位的view如何定位
private static int tabcount = -1; private static StringBuilder sb; public static void printPacketInf ...
- 只会Jquery,后端程序员如何学会前端(webpack,react,babel,es5,es6)
写在前 希望通过短暂的学习,可以达到一下目标: 1.能看懂现在前端的工程化手段 2.知道当前前端群体中大致的解决问题的思路 3.当前的问题在哪里,技术发展趋势是什么 4.建立起自己的认知模型 文章内容 ...
- Eclipse git提交代码 覆盖问题
创建本地分支 拉取远程分支到本地 进行代码更新 然后 commit 然后将本地代码推送到远程分支 再发起合入请求 使用elipse 提交合入代码时, 注意push 提交远程分支时, 选择中 要选 ...
- 如何卸载win10自带的输入法?
如何卸载win10自带的输入法? 本来没想过卸载win10自带的微软拼音输入法,但是它和今天安装的搜狗拼音输入法不兼容,没办法,我就上网搜教程如何卸载它,教程亲试有效哦! 网址:http://www ...
- Django 之RestFramework
1. 从request先说起 在Django原生的request里,请求的数据可以从request.GET或者request.POST里面取到. 需要注意的是,如果是POST请求,request.PO ...
- 探索如何在java中执行python脚本
一个偶然的场景,笔者需要在java代码中执行某个python脚本,并且需要向脚本中传递参数,有可能的话,还要获取该脚本的某些执行结果,回到主程序中继续执行下去. 没有思路之前,狭隘的想法是,java中 ...
- goalng 将字符串转化成整数后取余
package main import ( "fmt" "github.com/google/uuid" "hash/fnv" ) func ...
- taro 学习笔记
1.Taro 是一个开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发 微信 / 京东 / 百度 / 支付宝 / 字节跳动 / QQ / 飞书 小程序 / H5 / RN ...
- 073_SFDC Limit
我们在开发的过程中,应多注意一些系统自身的限制,以及遇到此类问题的应对措施: Description Synchronous Limit Asynchronous Limit Total number ...
- pytorch学习笔记(9)--神经网络模型的保存与读取
一.网络模型的保存和加载 1.网络模型保存方法1 import torch import torchvision vgg16 = torchvision.models.vgg16(weights=Fa ...