linux磁盘知识,Linux磁盘知识,分区与文件系统

硬件设备在Linux系统中的表现

设备文件

I/O Ports: I/O设备地址

一切皆文件:

open(), read(), write(), close()

设备类型:

块设备: block,存取单位“块”,磁盘

字符设备: char,存取单位“字符”,键盘

设备文件:关联至一个设备驱动程序,进而能够跟与之对应硬件设备进行通信

设备号码:

主设备号: major number, 标识设备类型

次设备号: minor number, 标识同一类型下的不同设备

硬盘接口类型

并行:

IDE: 133MB/s

SCSI: 640MB/s

串口:

SATA: 6Gbps

SAS: 6Gbps

USB: 480MB/s

rpm: rotations per minute(转速)

设备文件

磁盘设备的设备文件命名: /dev/DEV_FILE

IDE: /dev/hd

SCSI, SATA, SAS, USB: /dev/sd

不同设备: a-z

/dev/sda, /dev/sdb, ...

同一设备上的不同分区: 1,2, ...

/dev/sda1, /dev/sda5

硬盘物理结构

硬盘存储术语

head:磁头

track:磁道

cylinder: 柱面

secotr: 扇区, 512bytes

使用分区空间

设备识别

设备分区

创建文件系统

标记文件系统

在/etc/fstab文件中创建条目

挂载新的文件系统

磁盘分区

为什么是分区?

优化I/O性能

实现磁盘空间配额限制

提高修复速度

隔离系统和程序

安装多个OS

硬盘分区

为什么是分区?

优化I/O性能

实现磁盘空间配额限制

提高修复速度

隔离系统和程序

安装多个OS

分区

两种分区方式: MBR, GPT

MBR: Master Boot Record, 1982年, 使用32位表示扇区数,分区不超过2T

如何分区:按柱面

0磁道0扇区: 512bytes

446bytes: boot loader

64bytes:分区表

16bytes: 标识一个分区

2bytes: 55AA

4个主分区; 3主分区+1扩展(N个逻辑分区)

MBR分区结构

GPT分区

GPT:GUID patition table 支持128个分区,使用64位,支

持8Z(512Byte/block ) 64Z (4096Byte/block)

使用128位UUID 表示磁盘和分区 GPT分区表自动备份在头

和尾两份,并有CRC校验位

UEFI (统一扩展固件接口)硬件支持GPT

GPT分区结构

EFI部分又可以分为4个区域: EFI信息区(GPT头)、分区表、 GPT分区、备份区域

管理分区

列出块设备

blkid

创建分区使用:

fdisk 创建MBR分区,也支持GPT,对于一块硬盘,最多只能管理15分区

gdisk 创建GPT分区

GNU parted 高级分区操作(创建、复制、调整大小等等)

partprobe-重新设置内存中的内核分区表版本

fdisk /dev/sdb

gfisk /dev/sdb

# fdisk -l [-u] [device...]

子命令:

p 分区列表

t 更改分区类型

n 创建新分区

d 删除分区

w 保存并退出

q 不保存并退出

分区工具fdisk和gdisk

同步分区表

查看内核是否已经识别新的分区:

# cat /proc/partations

通知内核重新读取硬盘分区表

新增分区用

partx -a -n M:N /dev/DEVICE

kpartx -a /dev/DEVICE -f: force

删除分区用

partx -d -n M:N /dev/DEVICE

centos6: –nr N-M

CentOS 5, 7: 使用partprobe

partprobe [/dev/DEVICE]

parted命令

parted的操作都是实时生效的,小心使用

用法: parted [选项]... [设备 [命令 [参数]...]...]

parted /dev/sdb mklabel gpt|msdos

parted /dev/sdb print

parted /dev/sdb mkpart primary 1 200 (默认M)

parted /dev/sdb rm 1

parted -l

文件系统

文件系统是操作系统用于明确存储设备或分区上的文件的方

法和数据结构;即在存储设备上组织文件的方法。操作系统

中负责管理和存储文件信息的软件结构称为文件管理系统,

简称文件系统。

从系统角度来看,文件系统是对文件存储设备的空间进行组

织和分配,负责文件存储并对存入的文件进行保护和检索的

系统。具体地说,它负责为用户建立文件,存入、读出、修

改、转储文件,控制文件的存取,安全控制,日志,压缩,

加密等。

文件系统类型

Linux文件系统: ext2, ext3, ext4, xfs( SGI) , btrfs(

Oracle) , reiserfs, jfs( AIX) , swap

swap: 交换分区

光盘: iso9660

Windows: fat32, ntfs

Unix: FFS( fast) , UFS( unix) , JFS2

网络文件系统: NFS, CIFS

集群文件系统: GFS2, OCFS2( oracle)

分布式文件系统: ceph, moosefs, mogilefs, glusterfs,Lustre

RAW:未经处理或者未经格式化产生的文件系统

文件系统分类

根据其是否支持"journal"功能:

日志型文件系统: ext3, ext4, xfs, ...

非日志型文件系统: ext2, vfat

文件系统的组成部分:

内核中的模块: ext4, xfs, vfat

用户空间的管理工具: mkfs.ext4, mkfs.xfs,mkfs.vfat

Linux的虚拟文件系统: VFS

查前支持的文件系统: cat /proc/filesystems

创建文件系统

mkfs命令:

(1) # mkfs.FS_TYPE /dev/DEVICE

ext4

xfs

btrfs

vfat

(2) # mkfs -t FS_TYPE /dev/DEVICE

-L ‘LABEL‘: 设定卷标

创建ext文件系统

mke2fs: ext系列文件系统专用管理工具

-t {ext2|ext3|ext4}

-b {1024|2048|4096}

&nbs

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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