Linux操作系统用户,网络相关操作以及进程相关操作

运维工程师面试整理-操作系统 以下是针对操作系统部分的一些详细内容,帮助你更好地准备面试。文件和目录管理:ls, cd, cp, mv, rm, mkdir, rmdir, find, grep, awk, sed。进程管理:ps, top, htop, kill, killall, bg, fg, jobs, nice, renice。网络管理:ifconfig, ip, netstat, ss, ping, traceroute, curl, wget。管道与重定向:|, >, >>, 2>, &>, /dev/null。 阅读详情

学习Linux系统的第三天

用户及用户组

  • whoami:
    • 作用:查看当前登录用户
    • 格式:whoami
  • /etc/passwd:
    • 说明:(cat /etc/passwd)该文件存放了系统中所有的用户,每一行的每一列如下:
    • 用户名:密码:描述:用户ID/UID:组ID/GID:用户家目录:shell
  • useradd:
    • 作用:添加(创建)用户
    • 格式:useradd 用户名
    • 选项:
      • -d:指定用户家目录
      • -u:指定用户ID,必须大于500(小于500都已被系统占用)
      • -s:指定用户执行的shell,若用户已经创建可以使用以下方式禁止登录 chsh 用户名 -s /sbin/nologin
  • userdel:
    • 作用:删除指定用户
    • 格式:userdel 用户名
    • 说明:彻底删除用户还需要删除’/home/用户名’目录和’/var/mail/用户名’目录
  • passwd:
    • 作用:设置用户密码
    • 格式:passwd [用户名]
    • 说明:
      • 修改指定用户的密码,若不能指定则修改当前登录的用户密码
      • 查看所有用户密码/etc/shadow
  • su:
    • 作用:切换用户
    • 格式:su [用户]
    • 说明:切换到指定用户,若不指定则切换到root用户
  • sudo:
    • 说明:
      • 若只想简单的执行一个超级用户的命令,不想切换用户
      • 格式是在原来的命令的前面加上sudo即可
  • 特殊标识:
    • #:超级用户
    • $:普通用户
    • ~:表示用户家目录
  • /etc/group
    • 说明:查看系统中所有的组
  • groupadd:
    • 作用:添加用户组
    • 格式:groupadd 组名
  • groupdel:
    • 作用:删除用户组
    • 格式:groupdel 组名
  • gpasswd:
    • 作用:向用户组添加或删除用户
    • 格式:gpassword [选项] 用户组 组名
    • 选项:
      • -a:将指定的用户加入指定的组
      • -d:将指定用户从指定组删除
  • chgrp:
    • 作用:设置文件所属组
    • 格式:chgrp 组名 文件名
    • 说明:修改文件所属组
  • chow:
    • 作用:设置文件的所有者
    • 格式:chow 用户[:组名] 文件名
    • 说明:修改文件的所有者[及组名1]
  • 说明:
    • 修改用户及组的时候,可以使用UID或GID
    • 加上-R参数可以递归修改子目录的用户及组

网络相关设置

  • ping:
    • 作用:通常用于检测网络设备的连通性
    • 格式:ping IP/域名
    • 选项:-c,指定方式测试数据包的次数
  • ifconfig:
    • 作用:查看设置网卡信息
    • 实列:
      • ifconfig:查看活动网卡信息
      • ifconfig eth0 down:关闭网卡,等价于ifdown eth0
      • ifconfig eth0 up:开启网卡,等价于ifup eth0
    • 服务:
      • /etc/init.d/network start|stop|restart 开启|关闭|重启 网络服务
      • service network start|stop|restart 开启|关闭|重启 网络服务
  • 网卡配置问价:/etc/sysconfig/network-scripts/ifcfg-eth0
    • DEVICE=eth0
    • HWADDR=00:1C:42:51:74:18DDR=
    • TYPE=Ethernet
    • UUID=b3de21de-5cc9-472d-ac0d-3e8198988ddd
    • ONBOOT=yes
    • NM_CONTROLLED=yes
    • BOOTPROTO= dhcp
  • 添加域名服务器(DNS)地址:/etc/resolv.conf
    • 8.8.8.8
    • 114.114.114.114
  • 添加本地域名解析服务:/etc/hosts
    • 127.0.0.1 www.hello.com

服务以及进程

  • vmstat:
  • 结果:
procs-----memory-----swap-----io-----system-----cpu-----
r bswpdfreebuff cachesi sobiboin csus syidwa st
0 0012960826768 4813400 0463761 1840 1972 0
  • 说明:
    • proces:进程
      • r 表示运行队列(就是说多少个进程真的分配到CPU)
      • b 表示阻塞的进程数
    • memory:内存
      • swpd 虚拟内存以使用的大小
      • free 空闲物理内存的大小
      • buff 用来储存,目录里面有什么内容,权限等缓存
      • cache 直接用来记忆我们打开的文件,给文件做缓冲
    • swap:交换(输入输出)
      • si 每秒从磁盘读入虚拟内存的大小
      • so 每秒虚拟内存写入磁盘的大小
    • io:块设备
      • bi:块设备每秒接收的块数量
      • bo 块设备每秒发送的块数量
    • system:系统
      • in 每秒CPU的中断次数,包括中断时间
      • cs 每秒上下文切换次数
    • cpu:中央处理器
      • us 用户CPU时间
      • sy 系统CPU时间
      • id 空闲CPU时间,一般来说,id + us = 100
      • wa 等待IO的CPU时间
      • st 虚拟机占用的时间百分比,一般不用关心
  • w:
    • 作用:
      • what的简写,当前系统在干什么
    • 结果:
      在这里插入图片描述
    • 说明:
      • 第一行:系统当前开机时间 开机持续时间 登录用户个数 平均负载(1/5/10分钟)
      • 其他行:用户|终端|来源|登录时间|空闲时间|使用时间|当前进程时间|正在做
  • top:(查看更加详细信息)
    • 使用:
      • w的详细显示,没三秒刷新一次
      • shift+m可以按照所占内存排序
      • q退出监测
    • 结果:
      在这里插入图片描述
    • 说明:
      • 第一行:功能同w
      • 第二行:任务信息
      • 第三行:cpu信息
      • 第四行:内存信息
      • 第五行:交换分区
      • 其他:
        • PID:进程号
        • USER:用户
        • PR:优先级
        • NI:NICE
        • VIRT:虚拟内存
        • RES:虚拟内存中,未被交换的物理内存
        • SHR:共享内存大小
        • S:进程状态(s 停止 r 运行)
        • %CPU:CPU占用百分比
        • %MEM:内存占用百分比
        • TIME+:CPU使用时间
        • COMMAND:进程/命令
  • free:
    • 说明:查看内存使用
    • 选项:-h人性化显示
  • ps:
    • 说明:查看进程
    • 选项:
      • a:显示控制终端所有进程
      • u:显示用户信息
      • x:显示没有控制终端的进程
    • 实例:ps aux
  • kill:
    • 说明:杀死一个进程
    • 选项:-9 ,强制结束
    • 实例:kill -9 PID

学习视频链接: 点击查看.

开关电源和线性电源Multisim电路仿真实验汇总——硬件工程师笔记 本文系统介绍了稳压电源的基础知识与应用实验。首先阐述了稳压电源的定义与类型,包括线性稳压电源(如LM7805/7905)和开关稳压电源(降压/升压/升降压式)的工作原理、参数特点及优劣势。随后详细讲解了各类稳压电源的实验设计,如线性稳压电源的电路实现、开关稳压电源的PWM控制方法等。最后汇总了硬件工程师相关的笔试面试资源,涵盖器件知识、电路仿真、企业真题等内容。全文结合理论分析与Multisim仿真,为电子工程学习者提供了稳压电源的实用技术参考。 阅读详情

相关推荐

FFmpeg流媒体开发避坑指南:avformat_open_input超时设置的那些坑

本文深入剖析了FFmpeg流媒体开发中avformat_open_input函数的超时设置难题。针对默认阻塞行为、无效的timeout参数以及不稳定的线程取消方案等常见误区,文章详细解读了官方推荐的interrupt_callback机制,并提供了健壮的超时控制器实现方案与最佳实践,帮助开发者构建稳定可靠的流媒体应用。

weixin_29239279的博客 239

Linux排查哪个进程和IP在占用网速

Linux排查哪个进程在占用网速安装NetHogs查看进程流量 本教程适用于Centos7,Centos8 安装NetHogs # 安装NetHogs。 yum install nethogs -y 查看进程流量 # 执行以下命令,查看占用内网带宽的进程。 nethogs eth0 ...

教Linux的李老师 1万+

Spring AI 实战:5 分钟搭建你的第一个 AI 应用(含完整代码)

能力关键 API适用场景基础对话简单问答、文本生成流式输出实时打字机效果@Bean模型需要调用外部工具结构化输出需要返回 Java 对象多轮对话聊天机器人场景Spring AI 让 Java 开发者可以用最熟悉的方式(Spring Boot + Maven)进入 AI 应用开发领域,不用学新语言,不用换框架,这是它最大的优势。但目前为止,我们的 AI 应用只能回答"它脑子里已有的知识"。如果让它读懂你自己的技术文档、公司内部知识库呢?这就是下一篇文章的主题——RAG(检索增强生成)实战。

qq_17204557的博客 646

【Linux】六、进程业务及网络配置实验

> 1.熟练使用Linux进程及服务查看及管理命令 > 2.熟练使用at、crontab创建计划任务 > 3.熟悉Linux系统中网络管理方法 > 4.熟练使用ifconfig、ping、hostname等命令。

慢热型网友的博客 901

人工势场法在自动驾驶避障中的实践与优化

本文深入探讨了人工势场法在自动驾驶避障中的核心原理与实践优化。通过解析引力与斥力模型,揭示了经典算法在局部最优和目标不可达等问题上的局限性,并重点介绍了改进斥力场函数、引入道路边界斥力及动态参数调整等关键优化策略,有效提升了该局部路径规划算法在复杂动态场景下的实用性与鲁棒性。

weixin_29208327的博客 929

brother的PT-9800PCN标签打印机二次开发

本来想通过esc/p指令打印标签,但是无奈能找到的资料太少,而且打电话给客服,也没有sample可以提供参考,后来客服说使用template功能的话,打印很方便。于是下载手册学习了一下, 先下载P-touch Editor软件,制作标签模板。 制作的模板就是普通的标签,不需要连接数据库之类的,模板里有3个object,分别是文本1,文本2,条形码3。这个很关键,后面的代码传送数据,就是按这...

3566

linux查看进程占用网速和流量使用情况

有三个命令vnstat、iftop、nethogs(推荐) 都需要额外安装软件 使用yum或apt-get 一、vnstat使用,查看接口统计报告 vnstat -i eth0 -l #实时流量情况 还有其他命令使用--help查看 ctrl+c结束后,会显示监控期间的流量统计结果 二、iftop使用,检查带宽使用情况 iftop可以用来监控网卡的实时流量(可以指定网段)、反向解析IP、显示...

sumengnan的博客 6万+

Codex辅助小说创作:零成本AI写作指南与实战技巧

自然语言处理技术通过深度学习模型理解语义上下文,其核心原理是基于大规模文本训练的语言模型预测能力。在创意写作领域,这项技术的价值在于突破传统写作工具的功能局限,实现从内容生成到风格模仿的智能化辅助。特别是提示词工程的应用,让创作者能够精准控制AI输出的内容和风格。在实际应用场景中,AI写作工具显著降低了小说创作门槛,适用于网络小说、奇幻科幻等多种文学类型。本文以OpenAI Codex为例,详细解析如何利用AI技术完成从故事大纲设计、章节生成到平台发布的全流程创作,其中提示词优化和内容质量把控是提升生成效果

weixin_32678995的博客 570

linux下查看网络连接、进程、服务

linux下查看网络连接、进程、服务

qdksc的博客 1万+

【搭建实战】全国天气预报看板搭建

不仅如此,码匠还一站式提供了企业内部系统常用的租户管理、细粒度的权限控制、审计日志等功能,让您快速搭建后台应用的同时,也为您的企业信息安全保驾护航。是一款国内研发的开发者友好的低代码平台,您无需了解React/Vue等框架的开发、部署等各种细节,就可以快速打通前后端,连接RESTAPI、MySQL、MongoDB等多种数据源,然后通过一套开箱即用的组件,轻松搭建功能完善的数据看板、数据洞察、Admin管理后台等多种应用。天气预报对我们的各项活动有很大的帮助,可以让我们合理安排自己的出行等活动。...

weixin_39545889的博客 429

关于爬虫源影视资源设置

本文介绍了Omnibox 2.1.3版本的爬虫脚本配置方法,重点演示了如何添加猫眼资源数据源。脚本包含完整的API请求处理、数据格式化、视频详情获取和弹幕匹配等功能模块。通过环境变量配置采集站API地址和弹幕API地址,支持视频列表获取、分类检索、详情查询和播放地址解析等功能。脚本采用模块化设计,包含完善的错误处理和日志记录机制,能够将采集站返回的数据转换为标准格式,并支持批量获取视频详情来丰富数据。同时提供了弹幕匹配功能,可根据视频文件名或播放地址自动匹配相关弹幕资源。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 4697

Linux进程的实际用户ID和有效用户ID

在Linux中,每个文件都有其所属的用户和用户组,默认情况下是文件的创建者,也可以根据chown和chgrp来修改文件所属的用户和用户组。文件的属性存放在属性结构stat中,其中有st_uid和st_gid标志着。 先举个例子。假设现在系统中有两个用户liz和hlf,有一个程序文件file的所属用户为hlf。然后使用liz用户登录系统,运行file文件,则运行进程process有一个实际

芳草源的博客 4829

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

操作系统——windows

是一个杀毒程序,可以运行在 Windows XP 和 Windows Server 2003 操作系统上,并已内置在 Windows Vista , Windows 7 , Windows 8 , Windows 8.1 , Windows 10 和 Windows 11 中。操作系统(Operating System,简称 OS)是管理和控制计算机硬件与软件资源的计算机程序,是直接运行在“裸机”上的最基本的系统软件,任何其他软件都必须在操作系统的支持下才能运行。它是操作系统进行资源分配和调度的基本单位。

m0_62908421的博客 1561

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'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('DeepLearnToolbox'));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('state',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'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',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 = 'sigm';%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, 'Too big error');```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('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';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)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';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, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% 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'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 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, 'Too big error');```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('state',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, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',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, 'Too big error');%% ex3 neural net with dropoutrand('state',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, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % 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, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % 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, 'Too big error');%% 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('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % 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, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

操作系统总结

虚拟内存地址:程序所使⽤的内存地址物理内存地址:实际存在硬件⾥⾯的空间地址。

niosei的博客 1869

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

Linux操作系统常用系统相关命令及其使用(二)

Linux操作系统常用系统相关命令及其使用

J_____Q的博客 182

Linux操作系统基础(完结)

一、Linux操作系统概述 二、Linux操作系统安装 三、Linux文件系统及文件基础 四、Linux操作系统命令使用基础 五、Linux应用程序的安装与卸载基础 五、用户及进程 六、相关信息查询 七、网络配置 八、Linux应用程序的安装与卸载基础 #一、Linux操作系统概述 ##1、发展 1991 Linus Linux 0.0.1版,代码为8K行。现在最新版本为4.1.4。Linux加入了GNU,整体基于GPL协议,允许开源、分享传播、修改。 ##2、组成 ###(1)keanel–内核: 核

qq_46175823的博客 2140

Linux 常见面试题汇总

Linux 是一种类 Unix 的开源操作系统内核,它最初由芬兰人林纳斯・托瓦兹(Linus Torvalds)开发。Linux 操作系统基于 Linux 内核,并结合了各种自由软件和工具,形成了完整的操作系统。其特点包括开源、多用户、多任务、稳定性高、安全性强等。

2202_75481735的博客 1273

Day 31-35 : 玩转Linux操作系统

Linux是一个通用操作系统。一个操作系统要负责任务调度、内存分配、处理外围设备I/O等操作。操作系统通常由内核(运行其他程序,管理像磁盘、打印机等硬件设备的核心程序)和系统程序(设备驱动、底层库、shell、服务程序等)两部分组成。Linux内核是芬兰人Linus Torvalds开发的,于1991年9月发布。而Linux操作系统作为Internet时代的产物,它是由全世界许多开发者共同合作开发的,是一个自由的操作系统(注意自由和免费并不是同一个概念,想了解二者的差别可以点击这里)。

Sumarua的博客 2015

【Linux】Linux操作的一些基本指令

Linux操作的一些基本指令标题顶部基础指令关机重启进程指令防火墙切换用户网络配置目录、文件指令目录的切换查看目录文件创建文件、目录删除文件、目录移动或复制文件、目录文件的搜索文件的编辑查看文件修改文件权限压缩、解压指令文件压缩解压缩查找指令grepfindlocatewhereiswhich服务系统服务补充:Hadoop的操作指令Hadoop集群的常用命令HDFS的常用命令 标题顶部 基础指令 关机 shutdown -h now 立刻关机 shutdown -h 5

HR的博客 1423

嵌入式linux操作系统期末复习总结。基础知识总结

是一种伪文件系统(也即虚拟文件系统),存储的是当前内核运行状态的一系列特殊文件,这个目录是一个虚拟的目录,它是系统内存的映射,我们可以通过直接访问这个目录来获取系统信息。例如,对于 C 语言的源代码文件。Shell脚本的创建与执行:你将会学习如何从零开始编写一个简单的shell脚本,比如一个列出目录和日期的脚本,并学会如何执行它。:在 Makefile 文件中,可以使用变量来存储一些常量或参数,以便在后续的规则中引用。:在 Makefile 文件中,首先需要定义要生成的目标文件,通常是可执行文件或库文件。

weixin_63006261的博客 884

base64 linux_后端程序员必备的Linux基础知识

#一-从认识操作系统开始#11-操作系统简介#12-操作系统简单分类#二-初探linux#21-linux简介#22-linux诞生简介#23-linux的分类#三-linux文件系统概览#31-linux文件系统简介#32-文件类型与目录结构#四-linux基本命令#41-目录切换命令#42-目录的操作命令增删改查#43-文件的操作命令增删改查#44-压缩文件的操作命令#45-linux的权限命...

weixin_39754915的博客 203

1.1、第一阶段 linux 操作系统

表示管道,作用是可以将前面命令的输出当做后面命令的输入,以管道的方式分页显示时不能按b回退上一页,只能按空格键显示下一页。前三个是用户权限u,中间三个是组内其他用户的权限g ,最后一部分是其他组用户的权限o,若三个组一样,则用a表示。2、多用户:可以供多个用户同时使用, 除了root用户之外的其他用户的home目录是/home/{用户名}/tar [cxtvjzf] 格式:tar [参数] [打包后的文件名] [需要打包的文件或目录]当一个目录下的文件内容太多,可以用more来分页显示。

编程界小学生的博客 588

Linux 查看系统、资源、内存、网络、磁盘、用户、进程等命令

系统: # uname -a # 查看内核/操作系统/CPU信息 # head -n 1 /etc/issue # 查看操作系统版本 lsb_release -a #这个命令适用于所有的linux,包括Redhat、SuSE、Debian、Centos等发行版。 cat /etc/redhat-release 适用于RedHat,CentOS # cat /proc/cpuinfo # 查看CPU信息 # hostname # 查看计算机名 # lspci -tv # 列出所有PCI设备 #

m0_61688531的博客 680

linux查看固件信息命令,Linux系统信息查看命令1

系统。

domen_pan的博客 844

Linux 相关基础笔记

Linux 相关基础笔记 Linux Baisc LinuxHistoryUserful link用户管理手动创建用户修改root密码LDAPldapaddldapsearchldapdeleteldappasswdldapmodifyfindC...

a84633632的博客 1029

笔记(知识点汇总)进程线程、C、网络编程、数据结构与算法、Linux

笔记(知识点汇总)进程线程、C、网络编程、数据结构与算法、Linux

weixin_56666706的博客 198
上一篇: Linux忘记Root密码怎么找回
下一篇: tp5关闭模板缓存
Tried ? ?
博客等级 码龄7年 17粉丝 17原创
评论 2
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