Centos 7 设置系统默认运行级别

VS2022离线安装包 - 下载安装教程 阅读详情

1. 运行级别表如下:

    

init级别systemctl target
0shutdown.target
1emergency.target
2rescure.target
3multi-user.target
4无
5graphical.target
6无

2. 设置默认运行级别,例如:

    2.1 设置系统默认运行级别为3,也就是不启动桌面,而是黑窗口

        systemctl set-default multi-user.target

    2.2 设置系统默认运行级别为5,也就是默认启动桌面

        systemctl set-default graphical.target

注:其他运行级别不要去尝试设置,消息系统无法正常启动。

3. 可以使用 init 切换系统运行级别,重启后失效,例如:

    3.1 从系统运行级别5切换到系统运行级别3

        init 3

3.2 从系统运行级别3切换到系统运行级别5

    init 5

注:重启后失效,方法二,永久有效

14、网络切片技术:原理、应用与挑战 本文详细探讨了网络切片技术的原理、应用场景及其在5G网络中的重要性。网络切片作为一种关键的网络架构技术,能够在同一物理网络上创建多个独立的逻辑网络,以满足不同应用对安全性、可靠性和性能的多样化需求。文章深入分析了网络切片在5G、SDN/NFV等技术背景下的发展与挑战,并探讨了其在制造业、交通运输、零售等多个行业的实际应用。此外,还介绍了网络切片的部署流程、未来发展趋势以及相关技术难点,为读者全面了解网络切片技术提供了有价值的参考。 阅读详情

相关推荐

告别迷茫!用ETAS RTA-OS配置你的第一个AUTOSAR OS任务(含VRTA虚拟ECU实战)

本文详细介绍了如何使用ETAS RTA-OS工具链在VRTA虚拟ECU上配置和运行第一个AUTOSAR OS任务。通过从XML配置到任务调度的全流程实战,帮助开发者快速掌握嵌入式操作系统开发的核心步骤,特别适合刚接触AUTOSAR的开发者快速上手。

weixin_42533622的博客 418

Linux运行级别5改为三重启,虚拟机更改linux初始启动5,出现无法启动现象

装好之后,配置好IP,启动后也能上网了,然后我修改了系统的启动级别(默认为3,我改为了5),意思是让他能够启动桌面。我是这么设置的:1.vi命令打开/etc/inittab文件,可以看到如下描述 2.我的默认级别为3,即标准的运行级别,也就是启动后只有命令行。此时我想把它改为桌面启动方式,于是我手动将级别改为5 3.保存退出后,reboot重启虚拟机,等待着进入CentOS那难看的桌面,结果一直无...

weixin_35515918的博客 1443

logisim计组实验八 乘法器

原理:点这里 有问题欢迎留言哦~ 文章目录五位阵列乘法器电路图时间延迟分析六位补码阵列乘法器五位无符号乘法流水线原理图电路图原码一位乘法器原理图电路图补码一位乘法器 五位阵列乘法器 电路图 此处注意:全加器FA的cout端是进位端而非输出端 使用硬件控制比循环累加的速度快得多。 但是存在串行进位链 改进版: 时间延迟分析 T是计算相加数的一级门延迟 3n–>2n 性能差别在1.5倍 ...

treblez's blog 2万+

centos7系统的七个运行级别和设置默认运行级别

0 系统停机模式,系统默认运行级别不能设置为0,否则不能正常启动,机器关的1 单用户模式,root权限,用于系统维护,禁止远程登陆,就像Windows下的安全模式登录2 多用户模式,没有NFS和网络支持3 完整的多用户文本模式,有NFS和网络,登陆后进入控制台命令行模式4 系统未使用,保留一般不用,在一些特殊情况下可以用它来做一些事情。例如在笔记本电脑的电池用尽时,可以切换到这个模式来做一些设置5 图形化模式,登陆后进入图形GUI模式,X Window系统。

风始于青萍末的博客 1372

时间序列分析:ARCH、GARCH、TGARCH与DCC-GARCH波动率模型(含代码)

关注TGARCH模型和DCC-GARCH的应用,通过在沪深300和中证500指数上应用TGARCH和DCC-GARCH模型,揭示这两个指数之间的条件异方差及动态相关性的变化规律。

celiaweiwei的博客 1万+

Java云上香云祭祀线上祭祀系统小程序源码

云上香云祭祀线上祭祀系统”,不仅是一种祭祀方式的创新,更是对传统文化的一次深情致敬。它让我们明白,无论时代如何变迁,对亲人的怀念与尊重永远不会改变。在这个特别的平台上,让我们共同守护那份跨越时空的爱与思念,让心灵得以安放,让生命之树常青。🌳。

2401_84413757的博客 803

linux运行级别<学习笔记>

Linux系统有7个运行级别(runlevel)运行级别0:系统停机状态,系统默认运行级别不能设为0,否则不能正常启动运行级别1:单用户工作状态,root权限,用于系统维护,禁止远程登陆运行级别2:多用户状态(没有NFS)运行级...

conghexian3045的博客 462

Agent驱动电商运营:从选品到售后的全链路革新

在当今竞争激烈的电商市场中,传统的电商运营模式面临着诸多挑战。从选品到售后,每个环节都需要大量的人力投入和专业知识。选品需要深入了解市场趋势和消费者需求,营销需要精准定位目标用户,客服需要24小时响应用户咨询。这些工作不仅耗时耗力,而且容易受到人为因素的影响,导致效率低下和成本高企。AI Agent是一种能够感知环境、做出决策并采取行动的智能系统。感知能力:能够获取和处理环境信息。决策能力:能够根据感知到的信息做出决策。行动能力:能够执行决策,对环境产生影响。学习能力。

AI 领航者的博客 354

runlevel的修改方法

对于Linux来说,时常会需要在runlevel:3(文本模式)和runlevel:5(图形模式)进行切换。 runlevel的修改方法有: 1.通过配置修改 修改/etc/inittab 修改 id:5:initdefault 或者 id:3:initdefault 2.使用命令 telinit 输入 telinit 3...

holy_bear 2328

实战篇(七):使用Processing和PixelFlow库创建交互式流体太极动画

类:用于配置流体运动的参数,比如圆的位置、半径、运动的角度和速度以及颜色等。类:实现了接口,用于更新流体物理仿真的状态,同时整合声音输入作为流体动态变化的一部分。my_update方法:是流体物理仿真更新的核心,它计算流体粒子的速度和位置,并且将这些数据传递给流体库来模拟流动。现在,让我们进一步分析并解释每个部分的作用以及如何操作。float x;// 圆心位置xfloat y;// 圆心位置y// 半径// 是否是顺时针// 圆周运动,弧上的点位置,以及上一帧的点位置// 角度。

帅小柏的博客 1635

【ComfyUI】Wan2.2 Animate 动作迁移重绘视频生成

本文介绍了一个基于ComfyUI的Wan2.2 Animate视频生成工作流,通过动作迁移和视频重绘技术实现高质量视频创作。该系统融合视频帧重建、动作迁移、图像重绘和音频合成等多种AI技术,核心采用Wan2.2 Animate 14B_fp8模型配合专属VAE解码器和LoRA微调模块。工作流程包含输入预处理、模型加载、特征提取、动作采样生成、解码输出和资源清理六个阶段,通过WanVideo系列节点实现从图像/视频输入到最终视频输出的完整处理。系统支持对参考图像进行视觉特征提取和嵌入生成,结合文本/动作嵌入进

Mr数据杨 2446

Linux:运行级别

运行级别说明: 0:关机 1:单用户(找回丢失密码) 2:多用户状态没有网络服务 3:多用户状态有网络服务(最常用,即多用户命令行模式 ) 4:系统未使用保留给用户 5:图形界面 6:系统重启 常用运行级别是3和5,也可以默认指定运行级别 例如:init 0,init 3 centos7之前:设置默认运行级别需要通过文件(3或5) /etc/inittab文件中 multi-user.target:analogous to runlevel 3 ...

weixin_53567386的博客 174

【YOLO26实战全攻略】19——智慧交通(一):高速抛洒物与事故检测全流程落地

在智慧交通领域,高速公路抛洒物、交通事故等突发状况常导致二次事故与大规模拥堵,传统人工监控存在响应滞后、覆盖有限等痛点。本文基于Ultralytics YOLO26算法,结合ByteTrack多目标跟踪技术,构建从数据准备、模型训练到边缘部署的全栈式智慧交通检测系统。核心内容包括:多车型专属数据集构建、抛洒物检测模型优化、ByteTrack轨迹跟踪集成、异常事件(违停/逆行/碰撞)识别逻辑实现,以及NVIDIA Jetson边缘设备部署方案。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1491

centos6 centos7 修改默认运行级别

0 — 表示关机级别(不要将默认的运行级别设置成这个值) 1 — 单用户模式 2 — 多用户模式,不带NFS(Network File Syetem) 3 — 多用户模式(纯命令行模式) 4 — 没有被使用的模式 5 — 图形化界面模式 6 — 表示重启级别(不要将默认的运行级别设置成这个值) init 3 ----切换到字符界面 init 5 ----切换到图形界面 r...

o_8_o的博客 934

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

centos7 设置当前运行级别和默认运行级别

centos6是通过修改/etc/inittab来修改默认运行级别的: <span style="color:rgba(0, 0, 0, 0.75)"><span style="color:#000000"><code>[root<span style="color:#4f4f4f !important">@localhost</span> ~]<span style="color:#880000 !important">&l...

liuwkk的博客 1322

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

CentOS7安装图形界面和修改运行级别

CentOS7系统如果用mini镜像安装或者服务器版本安装,默认是没有安装图形界面的。如果需要额外去安装图形界面,可以手动来安装CentOS Gnome GUI包。然后会总结一下,在CentOS7系统中的系统运行级别的设置以及如何切换。 命令行下安装 Gnome 包 1 yum groupinstall "GNOME Desktop" "Graphical Administration...

qq_37312838的博客 678

【CentOS】一看就明白的 CentOS 6 和 CentOS 7 运行级别的差别(超!超!超!详细!)

CentOS 6 与 CentOS 7 运行级别的差别1)管理机制2)运行级别3)系统运行级别配置文件4)修改当前运行级别(临时)5)修改默认启动级别(永久) 1)管理机制 ① CentOS 6 服务是 systemv 管理机制。 ② 从CentOS7开始,服务从原来的由 systemv 管理机制升级到了systemd。因此以前运行级别(runlevel)的概念被新的运行目标(target)所取代,target的命名类似于“multi-user.target”这种形式,比如原来的运行级别3(runleve

Martin0316的博客 2267

设置Linux(Centos6、Centos7)不启动图形界面(startx命令可启动图形界面)

1、打开配置文件/etc/inittab [root@localhost ~]# vi /etc/inittab # inittab is only used by upstart for the default runlevel. # # ADDING OTHER CONFIGURATION HERE WILL HAVE NO EFFECT ON YOUR SYSTEM. # # System initialization is started by /etc/init/rcS.conf # # In.

HaleyTiger的博客 2097

设置CentOS 7/RedHat 7的启动级别

注:CentOS 7/RedHat 7由于系统架构的变动,查看运行级别已经不能用”runlevel“了,显示结果为”unknown“ 在Rehdat6中表现形式 一 、查看当前默认的启动级别:who -r / runlevel二、切换系统运行级别—使用命令:init  0-6       0 关机。 1 单用户模式,root权限,用于系统维护,禁止远程登陆,就像Windows下的安全模式登录...

程序员-阿杰 835

linux7.4查看默认级别,CentOS7 设置运行级别

CentOS6是通过修改/etc/inittab来修改默认运行级别的:在centos7下运行vim /etc/inittab结果如下:可以看到,里面除了注释,什么也没有,并没有centos6中设置默认运行级别的方式。注释内容大意是说# multi-user.target类似于runlevel 3;# graphical.target类似于runlevel5systemctl get-default...

weixin_42131798的博客 456

centos6/7的运行级别与开机流程

linux运行级别与开机流程

2301_78056296的博客 310

Linux的运行级别/模式

前言 系统环境;CentOS7.9 我们知道,Linux中有7大运行级别,每一个运行级别都是不同,系统切换到不同的运行级别其功能是不同的,下面就介绍Linux的运行级别。 init进程 init进程是系统开机启动的第一个进程(祖宗进程),全名是initialize,init有7个运行模式,对应系统的7个运行级别,分别是:init 0-init 6, 0 关机,init 0 就表示关机 1 单用户,一般用户root用户维护系统时才切换到这个运行级别 2 多用户模式,

MssGuo的博客 855

linux6怎样查看运行级别,Centos6与Centos7的运行级别及启动流程对比

运行级别centos6run level0 关机1 单用户模式 (root忘密码时,无网络)2 多用户模式(无网络)3 完全多用户模式(有网络)4 待开发5 图形化界面6 重启centos7targetpoweroff.target 关机resuce.target 救援模式multiuser.target 多用户multiuser.target 多用户multiuser.targe...

weixin_34603814的博客 312

CentOS 7运行级别

CentOS 7运行级别 1 查看运行级别 命令:runlevel 说明: 5表示上一次运行级别; 3表示当前的运行级别; 2 切换运行级别 命令:init 3 3 查看系统默认启动运行级别 命令:systemctl get-default 4 修改默认启动运行级别(永久生效) 命令:systemctl set-default multi-user.target ...

走向未来 722

设置默认运行级别

(1).首先需要了解Linux的七个运行级别 0 系统停机魔石,系统默认运行级别不能设置为0,否则不能正常启动 1 单用户模式,root权限,用于系统维护,禁止远程登录,就像Windows下的安全模式登录 2 多用户模式,没有NFS和网络支持 3 完整的多用户文本模式,有NFS和网络,登录后进入控制台命令行模式 4 系统未使用,保留一般不用,在一些特殊情况下可以用它来做一些事情。例如...

weixin_30387423的博客 592

Centos 7运行级别切换

1、Linux默认有7种运行级别 运行级别 含 义 0 关机 1 单用户模式,可以想象为windows的安全模式,主要用于系统修复 2 不完全的命令行模式,不含NFS服务 3 完全的命令行模式,就是标准字符界面 4 系统保留 5 图形模式 6 ...

jingde528的博客 651

Linux——运行级别

Linux具有七个运行级别,分别是: 关机 单用户【找回丢失密码】 多用户状态没有网络服务 多用户状态有网络服务 未使用 保留 图形界面 系统重启 常用运行级别是3和5,可以通过指令进行用户级别的切换: init [012356] Centos6 系统的运行级别配置文件是:/etc/inittab,若需要修改默认的运行级别可修改此文件中的id...

Rong_zhe的博客 220
上一篇: Centos 7 安装配置 Kafka
下一篇: Linux 安装配置ZooKeeper集群
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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