Assuming you have already follow the [geneal guide on thin image on the cvmfs documentation.][graph-driver-doc]
Hence, we are assuming that the docker daemon is running with the graph-driver plugin installed.
After the plugin is installed you should be able to run thin-images in your local docker.
This page show first how to mount the CVMFS repository that backs the thin images and then how to obtain the thin images themselves.
| Hi All, | |
| I am facing a quite interesting problem. | |
| I am trying to implement a new virtual table, everything seems alright, I receive SQLITE_OK code on the registration but as soon as I try to use the vtab that I just created I only get an error: "no such module: $NAME_VTAB" | |
| It seems to me that I followed the documentation quite closely, moreover, I am not doing weird cast or particular alchemy with the code, with the exception that it is rust code and not plain C. | |
| What I do is quite simple, I just call `sqlite3_create_module_v2` passing all the parameter. |
| Last login: Tue Apr 17 20:40:55 2018 from 90.41.4.210 | |
| ubuntu@ip-172-31-14-12:~$ | |
| ubuntu@ip-172-31-14-12:~$ | |
| ubuntu@ip-172-31-14-12:~$ cd redis-4.0.9/src/ | |
| ubuntu@ip-172-31-14-12:~/redis-4.0.9/src$ ./redis-cli | |
| 127.0.0.1:6379> REDISQL.CREATE_DB DB | |
| OK | |
| 127.0.0.1:6379> REDISQL.EXEC DB "create table test(a int, b int);" | |
| 1) DONE |
| #include <stdio.h> | |
| #include <stdlib.h> | |
| #include "hiredis.h" | |
| int main() { | |
| redisContext *c; | |
| redisReply *reply; | |
| /* automatically generated by rust-bindgen */ | |
| #[repr(C)] | |
| pub struct __BindgenUnionField<T>(::std::marker::PhantomData<T>); | |
| impl <T> __BindgenUnionField<T> { | |
| #[inline] | |
| pub fn new() -> Self { __BindgenUnionField(::std::marker::PhantomData) } | |
| #[inline] | |
| pub unsafe fn as_ref(&self) -> &T { ::std::mem::transmute(self) } | |
| #[inline] |
| extern crate rusqlite; | |
| extern crate libsqlite3_sys as sqlite3; | |
| use std::io::{self, Read}; | |
| use std::path::Path; | |
| use std::mem; | |
| use std::ptr; | |
| use std::ffi::{CString, CStr}; | |
| use rusqlite::Connection; |
| | exp IF exp ELSE exp { | |
| if ($3.expression_type == IMMEDIATE){ | |
| if ($3.value) { | |
| $$ = $1; | |
| } else { | |
| $$ = $5; | |
| } | |
| } else { | |
| t_axe_label* exit = newLabel(program); | |
| t_axe_label* else_branch = newLabel(program); |
| === REDIS BUG REPORT START: Cut & paste starting from here === | |
| 5867:M 28 Nov 13:28:29.432 # Redis 999.999.999 crashed by signal: 11 | |
| 5867:M 28 Nov 13:28:29.432 # Crashed running the instuction at: 0x4bf5bc | |
| 5867:M 28 Nov 13:28:29.432 # Accessing address: 0x200400640 | |
| 5867:M 28 Nov 13:28:29.432 # Failed assertion: <no assertion failed> (<no file>:0) | |
| ------ STACK TRACE ------ | |
| EIP: | |
| ./redis-server *:6379(je_malloc_usable_size+0x3c)[0x4bf5bc] |
| sig License{} | |
| sig Credential{} | |
| sig User { | |
| drivingLicense: one License, | |
| credential: lone Credential | |
| } | |
| fact oneLicenseForUser { | |
| no l: License, u, u': User | u != u' and l in u.drivingLicense and l in u'.drivingLicense |
| \section*{Abstract} | |
| L'esplosione di internet ha portato alla raccolta di un quantitativo di dati mai visto prima; la necessità di analizzare e trarre valore da questa grande quantità di dati ha reso fondamentale l'uso di applicazioni distribuite su più macchine. | |
| L'uso di applicazioni distribuite rende però molto difficile stimare il tempo di completamento dei task sottomessi, metrica che invece è di estremo interesse sia per gli utilizzatori del cluster che per chi lo gestisce. | |
| In questo lavoro ci siamo concentrati nella analisi del tempo di completamento di job MapReduce eseguiti su Hadoop usando il framework MARC. | |
| I risultati ottenuti sono incoraggianti, ma non ancora utilizzabili per ottenere stime reali di tempi di completamento. | |
| \section{Introduzione} | |
| L'esplosione di internet ha portato alla raccolta di un quantitativo di dati mai visto prima; la necessità di analizzare e trarre valore da questa grande quantità di dati ha reso fondamentale l'uso di applicazioni distribuite su più macchine. |