WedX - журнал о программировании и компьютерных науках

ошибка: java.lang.IllegalArgumentException: не знаю о O=PartyB, L=Нью-Йорк, C=США

Я сталкиваюсь с ошибкой при запуске потока в образце Cordapp IOU против корпоративной пробной версии 4.0 и Azure SQL в качестве узла db.

**error: java.lang.IllegalArgumentException: Don't know about O=PartyB, L=New York, C=US** 

Я выполнил «run networkMapSnapshot» и увидел «party b», как показано ниже:

addresses:
  "localhost:10008"
  legalIdentitiesAndCerts:
   "O=PartyB, L=New York, C=US"
  platformVersion: 4
  serial: 1560174116122
11.06.2019

  • Когда вы говорите о запуске, вы развернули узлы и запустили поток или запускаете модульные тесты? 11.06.2019
  • да, узлы развернуты, и я получаю эту ошибку, когда выдаю этот оператор из узла PartyA: start IOUFlow iouValue: 99, otherParty: O=PartyB,L=New York,C=US 12.06.2019
  • Я пробовал то же самое с локальным экземпляром сервера sql, и он отлично работает, но не с azure sql. 13.06.2019

Ответы:


1

Я думаю, что это, скорее всего, не проблема лазури или SQL.

Я бы еще раз взглянул на это и посмотрел, можете ли вы поделиться с нами дополнительной информацией о конфигурации узла и разрешениях между узлами, которые вы создаете. При локальном запуске узлов существует множество различных барьеров, которые снимаются по сравнению с облачным провайдером.

Если вы можете запустить одну и ту же конфигурацию потока/узла как на локальном компьютере, так и в облаке с одной и той же конфигурацией узла; то я бы потратил некоторое время на то, чтобы подумать, какие параметры конфигурации настроены в облачном провайдере.

10.06.2020
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]