解决VMware6.5 以上版本安装RHEL 5的自动安装的问题
生活随笔
收集整理的這篇文章主要介紹了
解决VMware6.5 以上版本安装RHEL 5的自动安装的问题
小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
解決VMware6.5 以上版本安裝RHEL 5的自動(dòng)安裝的問題 記得在學(xué)習(xí) RHEL5的時(shí)候,教室里用的VMware5.5.3的版本,在教室里安裝的時(shí)候是很正常的有步驟的那種,回到寢室后,用我的VMware6.5 安裝的時(shí)候卻發(fā)現(xiàn),完全變成了自動(dòng)安裝,你說自動(dòng)安裝就自動(dòng)安裝吧,裝完了還是一個(gè)英文版,最最郁悶的是居然中文不可以正常的顯示,全是小方塊 為此之前還特地的做了一個(gè)解決辦法 http://yuzeying.blog.51cto.com/644976/150986 原本以為是VMware的版本問題,以為升級(jí)為最新的版本后會(huì)解決這個(gè)問題的 ,可是我的VMware版本升級(jí)到了6.5.2 問題依舊如故 按理說來高版本的軟件怎么會(huì)連低版本的軟件性能都不如呢 解決這個(gè)問題,實(shí)屬偶然 借此機(jī)會(huì)和大家分享一下 希望遇到此困擾的同志多一個(gè)解決辦法 一般我們?cè)趆ome頁 選擇新建虛擬機(jī) 選擇自定義安裝 下一步 以前就算我選擇低版本的也不行的 下一步 我們選擇用鏡像文件進(jìn)行安裝 瀏覽到鏡像的位置 下一步 與之前版本不同的是 這里先要輸入一下 用戶名 密碼 下一步 選擇存放的位置 下一步 選擇處理器個(gè)數(shù) 下一步 選擇 內(nèi)存大小 下一步 選擇網(wǎng)卡的模式 這里我選擇橋接 下一步 選擇I/O接口類型 下一步 創(chuàng)建一個(gè)新的磁盤 下一步 選擇硬盤類型 選擇硬盤大小 這里我就默認(rèn)了 這里呢 不要勾選這個(gè)勾 完成 這里我們選擇編輯虛擬機(jī)的設(shè)置 真正的鏡像文件時(shí)第二個(gè)光驅(qū)在讀的 這里呢 你會(huì)發(fā)現(xiàn) 有兩個(gè)CD/DVD 我們選擇上面的一個(gè) 會(huì)發(fā)現(xiàn) 有一個(gè)autoinst.iso 的鏡像是默認(rèn)選中的,而造成VMware 6.5中l(wèi)inux 自動(dòng)安裝的就是他在搗亂 我們這里選擇 用物理光驅(qū) 或者直接 選擇勾掉電源 選擇ok 這個(gè)時(shí)候我們?cè)谶x擇打開電源啟動(dòng)虛擬機(jī) 這里直接回車即可 檢測(cè)光盤這里用tab鍵切換 選擇skip 跳過 選擇next 選擇簡(jiǎn)體中文 下一步 美式鍵盤 下一步 跳過輸入安裝號(hào)碼 選擇跳過 是 下一步 選擇時(shí)區(qū) 下一步 輸入根口令 現(xiàn)在 定制軟件 下一步 對(duì)于服務(wù)器上用的各種服務(wù) 習(xí)慣上是用哪個(gè)裝哪個(gè) 下一步 下一步 系統(tǒng)安裝過程中 請(qǐng)稍等 個(gè)人感覺這個(gè)過程還是較快的 選擇重新引導(dǎo) 老五的成長(zhǎng)記錄 前進(jìn) 同意許可協(xié)議 選擇關(guān)閉防火墻 是 設(shè)置時(shí)間 不注冊(cè)系統(tǒng) 以后注冊(cè) 創(chuàng)建一個(gè)普通用戶 測(cè)試聲卡 選擇完成 久違的漢字 終于回來了 安裝VMware tools的方法 參考 http://yuzeying.blog.51cto.com/644976/147610
VMware 6.0 由于沒有實(shí)驗(yàn)環(huán)境,就沒有試,如果6.0也有類似的問題,也請(qǐng)這樣試試,看行不行
VMware 6.0 由于沒有實(shí)驗(yàn)環(huán)境,就沒有試,如果6.0也有類似的問題,也請(qǐng)這樣試試,看行不行
?
?
?
?摘自:http://yuzeying.blog.51cto.com/644976/192900
?
?
?
?
?
?
?
?
?
?
?
?
轉(zhuǎn)載于:https://www.cnblogs.com/xiaochaohuashengmi/archive/2011/03/15/1985047.html
總結(jié)
以上是生活随笔為你收集整理的解决VMware6.5 以上版本安装RHEL 5的自动安装的问题的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: Multisim14.0的详细安装步骤
- 下一篇: Pytorch 多GPU数据并行(Dat