linux文件权限

Linux文件权限详解
本文详细介绍了Linux系统中文件的所有权和权限概念,包括用户、组和文件的关系,以及如何通过命令来管理和设置文件的归属及权限。通过实例展示了如何根据实际需求配置文件权限。
linux中一个用户会在一个或多个组中,一个组会拥有一个或多个用户

linux 中的文件都会有一个所属人,即是哪个帐号拥有该文件。
linux 中的文件也都会有一个所属组(组是多个帐号的集合),即是哪个组(哪几个帐号的集合)拥有该文件。
一个文件只有一个所属人和一个所属的组

在对这个文件操作时文件自身的9个属性会限制当前用户它的操作,即文件拥有者是否可读写执行,文件拥有组是否可读写执行,其他任何人是否可读写执行
注意的是:一个文件的拥有人不一定要在文件的拥有组中

情景举例 两个开发团(TeamA,TeamB),一个总项目经理(PM1)

TeamA:TAP1,TAP2,TAP3
TeamB:TBP1,TBP2,TBP3
=============================================================================
#groupadd TeamA
#groupadd TeaMB
#useradd -g TeamA TAP1
#useradd -g TeamA TAP2
#useradd -g TeamA TAP3
#useradd -g TeamB TBP1
#useradd -g TeamB TBP2
#useradd -g TeamB TBP3
#useradd -g TeamA -G TeamA TeamB PM1
#cd opt
#mkdir A B
#chown -R PM1:TeamA A
#chown -R PM1:TeamB B
#chmod 770 A
#chmod 770 B
再新创建A B下的文件全部设置为750
如果要在TeamA上加一个帐号 #useradd -g TeamA TAP4
如果要在TeamB上加一个帐号 #useradd -g TeamB TBP4
如果要在TeamA TeamB再上加一个管理者帐号 #useradd -g TeamA -G TeamA TeamB PM2
结论:要一个人可以管理一个文件时要么将他改成文件拥有者,要么将他放入文件原来的组中,要么开放文件的读写执行权限
先有组,再往组加人,再往人和组加文件,再加人或文件到组


文件r表示该文件是否可被程序读取(即使没有wx也行)如 #less filname , #vi filename
文件w表示该文件是否可被程序写入(即使没有rx也行)如 #echo "xxxx" >> filename
文件x表示该文件是否可执行(要同时具有r才能真正执行,要读二进制嘛)

目录r表示是否可列出该目录底下的文件或目录(要同时具有x) ,即能否执行#ls dir
目录w表示是否可在目录底下crud文件(要同时具有x),即可否在目录下mkdir mv cp 之类操作
目录x表示1.是否进入这个目录2.与w合用限制是否能在目录底下操作

一般文件创建后rw-r--r--(644),所有人可读,所属人才能写,所有人不能执行
一般目录创建后rwxr-xr-x(755),所有人可读该目录的子文件或目录列表,所属人才能往里加文件或目录,所有人都可自由进出目录

文件关系自身,目录关系底下文件。这是一个树状结构

特殊的:x完全限制了文件是否单独可执行对root也有此限制,即要想执行无论在什么用户下面要文件的x存在才能执行
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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