Linux命令基礎3

1.? 計劃任務:分為”一次性“ 和”長期性“

一次性任務是由atq服務/進程來實現的,計劃的管理操作是at命令:

at <時間>?? : 安排一次性任務

atq 或at -l : 查看任務列表

at -c 序號: 預覽任務與設置環境

atrm 序號:刪除任務

一般用at命令創建計劃任務有交互式與非交互式: (ctrl +D保存退出)

e.g.: at 23:30

at>systemctl start httpd

at>

也可以用echo 語句將要執行的命令傳送給at 命令:

e.g.: echo "systemctl start httpd" | at 23:30

長期可循環的計劃任務要用到cron服務:

crontab -e [-u 用戶名]:創建,編輯計劃任務

crontab -l [-u 用戶名]: 查看計劃任務

crontab -r [-u 用戶名]: 刪除計劃任務

e.g.:用cron計劃任務實現的功能:”每周1,3,5的凌晨3點25分將/home/wwwroot目錄打包血仇為backup.tar.gz"

crontab -e

25 3 * * 1,3,5 /usr/bin/tar -czvf backup.tar.gz /home/wwwroot? #25是分鐘,3是小時,*是日期,*是月份,1,3,5是星期

2. 用戶身份與能力:

root只是個名字,真正讓它成為“超級用戶”的是UID值:

UID0:超級用戶

UID1-999:系統中系統服務由不同用戶運行,更加安全,默認被限制登陸系統。

UID1000~:普通用戶,用于日常工作而不能管理普通用戶。

UID是不能沖突的,管理員創建的普通用戶UID從1000開始,賬戶名稱與UID保存在/etc/passwd文件中,而賬戶密碼則保存在/etc/shadow文件中。

GID:可將多個用戶加入某個組中,方便指派任務或工作。用戶組名稱與GID保存在/etc/group文件中。

3.文件的權限與歸屬:

讀寫執行簡寫即為r,w,x,也可用數字4,2,1表示

e.g.: -rw-r--r-- 1 root root?? #-:表示普通文件,d:目錄文件,l:鏈接文件,b:塊設備文件, c:字符設備文件,p:管道文件, rw-r--r--:表示所有者有讀寫權限,所有組有讀權限,其余人也僅有讀權限.

4.文件的特殊權限

SUID:讓執行者臨時擁有屬主的權限(僅對擁有執行權限的二進制程序有效)

如所有用戶都可以執行passwd命令,但用戶密碼是保存在/etc/shadow文件中,默認權限是000,即除了root外的用戶都沒有權限查看或編輯該文件, 所以對passwd命令加上SUID權限位,則可以讓普通用戶臨時獲得程序所有者的身份,以root用戶的身份將變更的密碼寫入到shadow文件中。

SGID:讓執行者臨時擁有屬組的權限(對擁有執行權限的二進制程序設置), 如ps命令的權限被加了SGID位,這樣其它用戶用ps命令可以獲取到系統的狀態信息了。

功能2是在該目錄中創建的文件自動繼承此目錄的用戶組(只可以對目錄設置),如某個部門的工作目錄給予了SGID權限,這樣所有人創建的文件都歸相同的工作組,這樣方便以后的管理

5. chmod:用于修改文件或目錄的權限,格式 為"chmod [參數] 權限 文件或目錄名稱“

??? chown:用于修改文件或目錄的所屬主與所屬組,格式 為:”chown [參數] 所屬主:所屬組 文件或目錄名稱“

這兩個命令對于 文件不加參數,遇到目錄加大寫的-R(遞歸,修改目錄內所有文件的屬性)

6. SBIT(Sticky Bit):只可管理自己的數據而不能刪除他人文件(僅對目錄有效)

如一般老師希望學生可以將作業上傳到某個特定目錄,但為了避免某些小破壞份子,想限制刪除他人文件的話,那就要設置SBIT位了,也叫粘滯位。

7. 文件的隱藏屬性:文件權限除了讀寫執行與SUID,SGID, SBIT外還有一種隱藏權限,例如明明有權限刪除某個文件卻報錯了,或者公能為某個文件追加內容而不能減少內容,遇到這種很奇怪的文件,就要懷疑是文件被設置隱藏權限了。

chattr:用于設置文件的隱藏權限,格式 為”chattr [參數] 文件"

i: 將無法對文件進行修改,若對目錄設置后則僅能改子文件而不能新建或刪除

a:僅允許補充(追加)內容,無法覆蓋/刪除(Append only)

S:文件內容變量后立即同步到硬盤(sync)

s:徹底從硬盤中刪除,不可恢復(用0填充原文件所在硬盤區域)

A: 不再修改這個文件的最后訪問時間(atime)

b:不再修改文件或目錄的存取時間

D:檢查壓縮文件中的錯誤

d:當使用dump命令備份時忽略本文件/目錄

c:默認將文件或目錄進行壓縮

u:當刪除此文件后依然保留其在硬盤中的數據,方便日后恢復

t:讓文件系統支持尾部合并(tail-merging)

X:可以直接訪問壓縮文件的內容。

8. lsattr:用于顯示文件的隱藏權限,格式 為:“lsattr [參數] 文件"

a:顯示所有文件和目錄

l:顯示隱藏屬性的全稱(默認簡寫成一個字母)

R:遞歸處理,將指定目錄下的所有文件及子目錄一并處理

d:若目標文件為目錄,請加此參數

9. su:用于變更使用者的身份(切換登陸者)

?? sudo:用于給普通用戶提供額外權利來完成原本超級用戶才能完成的任務

10. 文件訪問控制列表:

如果希望對某個指定的用戶進行單獨的權限設置,那么就需要用文件的訪問控制列表來實現啦。

?

轉載于:https://www.cnblogs.com/tongbaomami/p/9101773.html

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/250207.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/250207.shtml
英文地址,請注明出處:http://en.pswp.cn/news/250207.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

[異步、tensorflow] - 子線程操作tensor,主線程處理tensor

參考整體流程如下圖 代碼 import tensorflow as tf"""模擬: 子線程不停的取數據放入隊列中, 主線程從隊列中取數據執行包含: 作用域的命名、把程序的圖結構寫入事件、多線程 """# 模擬異步存入樣本. # 1、 定義一個隊列,長度為1000 with tf.va…

Element

官網&#xff1a;http://element-cn.eleme.io/#/zh-CN 轉載于:https://www.cnblogs.com/weibanggang/p/9995433.html

ubuntu18.04下安裝Anaconda及numpy、matplotlib

為了學習深度學習&#xff0c;我需要首先掌握利用python進行科學計算的知識&#xff0c;順便復習一下線性代數、微積分、概率論。當然&#xff0c;現在我要做的是安裝Anaconda。 1、官網下載&#xff0c;linux版本&#xff1a;https://www.anaconda.com/download 2、如果太慢&a…

[tensorflow] - csv文件讀取

參考 文件流程 csv讀取流程 函數的流程 import tensorflow as tf import os"""tensorflow中csv文件的讀取1、 先找到文件,構造一個列表2、 構造一個文件隊列3、 讀取(read)隊列內容csv: 讀取一行二進制文件: 指定一個樣本的bytes讀取圖片文件: 按一張一張…

課程模塊表結構

課程模塊 我們要開始寫課程模塊了~~課程模塊都有哪些功能呢~~ 我們的課程模塊&#xff0c;包括了免費課程以及專題課程兩個方向~~ 主要是課程的展示&#xff0c;點擊課程進入課程詳細頁面~~ 課程詳細頁面展示&#xff0c;課程的概述&#xff0c;課程的價格策略&#xff0c;課程…

vue中computed、metfods、watch的區別

一、computed和methods 我們可以將同一函數定義為一個 method 或者一個計算屬性。對于最終的結果&#xff0c;兩種方式確實是相同的。 不同的是computed計算屬性是基于它們的依賴進行緩存的。計算屬性computed只有在它的相關依賴發生改變時才會重新求值。這就意味著只要計算依賴…

OI生涯回憶錄(二)

&#xff08;二&#xff09;NOIP2016之后到HLOI2017 之后變得有點頹廢&#xff0c;因為有的地方難度上來了&#xff0c;碰見不會的題我就會放挺。又或者有時候題水&#xff0c;改完了就不思進取了。到了過年前那幾天連著考了幾天試&#xff0c;好像是長春那邊冬令營&#xff08…

[tensorflow、神經網絡] - 使用tf和mnist訓練一個識別手寫數字模型,并測試

參考 包含: 1.層級的計算、2.訓練的整體流程、3.tensorboard畫圖、4.保存/使用模型、5.總體代碼(含詳細注釋) 1. 層級的計算 如上圖,mnist手寫數字識別的訓練集提供的圖片是 28 * 28 * 1的手寫圖像,初始識別的時候,并不知道一次要訓練多少個數據,因此輸入的規模為 [None, 784].…

面向過程、面向函數、面向對象的區別淺談

Python的面向過程、面向函數、面向對象的區別淺談 轉自--獵奇古今&#xff0c;加上其他 有人之前私信問我&#xff0c;python編程有面向過程、面向函數、面向對象三種&#xff0c;那么他們區別在哪呢&#xff1f; 面向過程就是將編程當成是做一件事&#xff0c;要按步驟完成&am…

js算法初窺06(算法模式03-函數式編程)

在解釋什么是函數式編程之前&#xff0c;我們先要說下什么是命令式編程&#xff0c;它們都屬于編程范式的一種。命令式編程其實就是一塊一塊的代碼&#xff0c;其中包括了我們要執行的邏輯或者判斷或者一些運算。也就是按部就班的一步一步完成我們所需要的邏輯。而函數式編程則…

[mmdetection] - win10配置mmdetection(1.1和2.0) + 訓練網絡(faster-rcnn、mask-rcnn)

pytorch配置 - 參考 mmdetextion 配置(win10) mmdetection訓練faster-rcnn (win10) mmdetection訓練mask-rcnn (win10) mmdetection 2.0配置(win10) mmdetection 2.0訓練Faster-RCNN&#xff08;win10) mmdetection 2.0全家桶訓練&#xff08;終結版) labelme安裝教程 l…

13、Spring Boot 2.x 多數據源配置

1.13 Spring Boot 2.x 多數據源配置 完整源碼&#xff1a; Spring-Boot-Demos轉載于:https://www.cnblogs.com/Grand-Jon/p/9999779.html

[pytorch、學習] - 3.5 圖像分類數據集

參考 3.5. 圖像分類數據集 在介紹shftmax回歸的實現前我們先引入一個多類圖像分類數據集 本章開始使用pytorch實現啦~ 本節我們將使用torchvision包,它是服務于PyTorch深度學習框架的,主要用來構建計算機視覺模型。torchvision主要由以下幾部分構成: torchvision.datasets: …

python自動化第三周---文件讀寫

1.python文件對象提供了三個“讀”方法&#xff1a; read()、readline() 和 readlines()。每種方法可以接受一個變量以限制每次讀取的數據量。 read() 每次讀取整個文件&#xff0c;它通常用于將文件內容放到一個字符串變量中。如果文件大于可用內存&#xff0c;為了保險起見&a…

最詳細的java泛型詳解

來源&#xff1a;最詳細的java泛型詳解 對java的泛型特性的了解僅限于表面的淺淺一層&#xff0c;直到在學習設計模式時發現有不了解的用法&#xff0c;才想起詳細的記錄一下。 本文參考java 泛型詳解、Java中的泛型方法、 java泛型詳解 1. 概述 泛型在java中有很重要的地位&a…

[pytorch、學習] - 3.6 softmax回歸的從零開始實現

參考 3.6 softmax回歸的從零開始實現 import torch import torchvision import numpy as np import sys sys.path.append("..") import d2lzh_pytorch as d2l3.6.1. 獲取和讀取數據 batch_size 256 train_iter, test_iter d2l.load_data_fashion_mnist(batch_si…

Django基礎必備三件套: HttpResponse render redirect

1. HttpResponse : 它的作用是內部傳入一個字符串參數, 然后發給瀏覽器 def index(request):return HttpResponse(ok) 2. render : 可以接收三個參數, 一是request參數, 二是待渲染的 html 模板文件, 三是保存具體數據的字典參數 def index(request):return render(request, …

React 簡單實例 (React-router + webpack + Antd )

React Demo Github 地址 經過React Native 的洗禮之后&#xff0c;寫了這個 demo &#xff1b;React 是為了使前端的V層更具組件化&#xff0c;能更好的復用&#xff0c;同時可以讓你從操作dom中解脫出來&#xff0c;只需要操作數據就會改變相應的dom&#xff1b; 而React Nat…

[pytorch、學習] - 3.7 softmax回歸的簡潔實現

參考 3.7. softmax回歸的簡潔實現 使用pytorch實現softmax import torch from torch import nn from torch.nn import init import numpy as np import sys sys.path.append("..") import d2lzh_pytorch as d2l3.7.1. 獲取和讀取數據 batch_size 256 train_iter…

【模板】NTT

NTT模板 #include<bits/stdc.h> using namespace std; #define LL long long const int MAXL22; const int MAXN1<<MAXL; const int Mod998244353; int rev[MAXN],A[MAXN],B[MAXN],C[MAXN]; int fast_pow(int a,int b){int ans1;while(b){if(b&1)ans1ll*ans*a%…