25、磁盘分区与主机连通性监控脚本详解

磁盘分区与主机连通性监控脚本详解

1. 磁盘分区陈旧问题处理

在系统管理中,磁盘分区陈旧问题是需要重点关注的内容。我们可以通过一系列操作来处理这类问题。
- 查找含陈旧物理分区(PP)的逻辑卷(LV) :使用 grep awk 命令组合成管道操作来查找字段。将每个至少包含一个陈旧 PP 的 LV 添加到 RESYNC_LV_LIST 变量中,后续若启用重新同步功能,会使用该变量对这些 LV 进行重新同步,并在日志报告中体现。
- 处理非活动物理卷(PV)
- 首先检查 $INACTIVE_PV_LIST 变量是否为空。
- 若不为空,遍历列表中的每个 PV,向用户发出警告信息。同时,使用 tee -a 命令将这些信息追加到 $LOGFILE 中,并在屏幕上显示。
- 通知受影响的卷组(VG)、PV 和 LV :向用户提供受陈旧磁盘分区影响的每个 VG、PV 和 LV 的列表,并将通知信息记录到日志中并显示。
- 尝试重新同步镜像
- 只有当 $ATTEMPT_RESYNC 变量初始化为 TRUE 时,才会尝试重新同步。
- 若启用重新同步,执行 syncvg -l $RESYNC_LV_LIST 命令。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值