linux常用命令——3.文件打包压缩

什么是打包和压缩:

打包是指将一大堆文件或目录变成一个总的文件;

压缩则是将一个大的文件通过一些压缩算法变成一个小文件。


在Linux中很多压缩程序只能针对一个文件进行压缩,这样当你想要压缩一大堆文件时,你得先将这一大堆文件先打成一个包(tar命令),然后再用压缩程序进行压缩(gzip bzip2命令)。


linux下最常用的打包,压缩程序就是tar和gzip了,使用tar程序打出来的包我们常称为tar包,tar包文件的命令通常都是以.tar结尾的。生成tar包后,就可以用其它的程序来进行压缩。压缩文件一是可以减少存储空间,二是通过网络传输文件时,可以减少传输的时间。gzip不仅可以用来压缩大的、较少使用的文件以节省磁盘空间,还可以和tar命令一起构成Linux操作系统中比较流行的压缩文件格式。


一、tar命令

命令格式:

tar[必要参数][选择参数][文件]


命令功能:

用来压缩和解压文件。tar本身不具有压缩功能,他是调用压缩功能实现的。


命令参数:
必要参数有如下:
-c 建立新的压缩文件
-r 添加文件到已经压缩的文件    
-x 从压缩的文件中提取文件       
-t 显示压缩文件的内容
-z 支持gzip解压文件
-j 支持bzip2解压文件
-Z 支持compress解压文件
-v 显示操作过程
-k 保留原有文件不覆盖
-m 保留文件不被覆盖
可选参数如下:
-C 切换到指定目录

-f 指定压缩文件


常见解压/压缩命令
tar
解包:tar xvf FileName.tar
打包:tar cvf FileName.tar DirName
.gz
解压2:gzip -d FileName.gz
压缩:gzip FileName


使用实例

实例1:将文件打包成tar包
[root@localhost test]# ls
log2017.log
[root@localhost test]# tar -cvf log.tar log2017.log            仅打包,不压缩!
[root@localhost test]# tar -zcvf log.tar.gz log2017.log        打包后,以 gzip 压缩
[root@localhost test]# ls 
log2017.log
log.tar
log.tar.gz
说明:
参数 f 后的文件名是自己取的,通常用 .tar 来作为辨识。如果加 z 参数,则以 .tar.gz 或 .tgz 代表 gzip 压缩过的 tar包。


实例2:查阅 tar包内文件

[root@localhost test]# tar -ztvf log.tar.gz
---xrw-r-- root/root    3021123 2017-02-15 08:03:25 log2017.log
说明:
由于我们使用 gzip 压缩的log.tar.gz,所以要查阅log.tar.gz包内的文件时,就得要加上 z 这个参数了。


实例3:将tar 包解压缩

[root@localhost test3]# ll
总计 0[root@localhost test3]# tar -zxvf /opt/soft/test/log.tar.gz
log2017.log
[root@localhost test3]# ls
log2017.log

二、gzip命令

命令格式:

gzip[参数][文件或者目录]


命令功能:

gzip是个使用广泛的压缩程序,文件经它压缩过后,其名称后面会多出".gz"的扩展名。


命令参数:
-a或--ascii  使用ASCII文字模式。
-c或--stdout或--to-stdout  把压缩后的文件输出到标准输出设备,不去更动原始文件。
-d或--decompress或----uncompress 解开压缩文件。
-f或--force  强行压缩文件。不理会文件名称或硬连接是否存在以及该文件是否为符号连接。
-l或--list  列出压缩文件的相关信息。 
-r或--recursive  递归处理,将指定目录下的所有文件及子目录一并处理。 
-v或--verbose  显示指令执行过程。 


使用实例:

实例1:压缩文件
[root@localhost test6]# ls
log2017.log
[root@localhost test6]# gzip log2017.log
[root@localhost test6]# ls
log2017.log.gz


实例2:文件解压

[root@localhost test6]# ls
log2017.log.gz
[root@localhost test6]# gzip -dvlog2017.log.gz
log2017.log.gz:   0.0% -- replaced with log2017.log
[root@localhost test6]# ls
log2017.log


实例3:压缩一个tar备份文件,此时压缩文件的扩展名为.tar.gz

[root@localhost test]# ls
log.tar
[root@localhost test]# gzip -r log.tar
[root@localhost test]# ls
log.tar.gz


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于强化学习的五子棋强化学习(Reinforcement Learning, RL),又称再励学习、评价学习或增强学习,是机器学习的范式和方法论之一。它主要用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习的特点在于没有监督数据,只有奖励信号。 强化学习的常见模型是标准的马尔可夫决策过程(Markov Decision Process, MDP)。按给定条件,强化学习可分为基于模式的强化学习(model-based RL)和无模式强化学习(model-free RL),以及主动强化学习(active RL)和被动强化学习(passive RL)。强化学习的变体包括逆向强化学习、阶层强化学习和部分可观测系统的强化学习。求解强化学习问题所使用的算法可分为策略搜索算法和值函数(value function)算法两类。 强化学习理论受到行为主义心理学启发,侧重在线学习并试图在探索-利用(exploration-exploitation)间保持平衡。不同于监督学习和非监督学习,强化学习不要求预先给定任何数据,而是通过接收环境对动作的奖励(反馈)获得学习信息并更新模型参数。强化学习问题在信息论、博弈论、自动控制等领域有得到讨论,被用于解释有限理性条件下的平衡态、设计推荐系统和机器人交互系统。一些复杂的强化学习算法在一定程度上具备解决复杂问题的通用智能,可以在围棋和电子游戏中达到人类水平。 强化学习在工程领域的应用也相当广泛。例如,Facebook提出了开源强化学习平台Horizon,该平台利用强化学习来优化大规模生产系统。在医疗保健领域,RL系统能够为患者提供治疗策略,该系统能够利用以往的经验找到最优的策略,而无需生物系统的数学模型等先验信息,这使得基于RL的系统具有更广泛的适用性。 总的来说,强化学习是一种通过智能体与环境交互,以最大化累积奖励为目标的学习过程。它在许多领域都展现出了强大的应用潜力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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