Linux命令基础3

1.  计划任务:分为”一次性“ 和”长期性“

一次性任务是由atq服务/进程来实现的,计划的管理操作是at命令:

at <时间>   : 安排一次性任务

atq 或at -l : 查看任务列表

at -c 序号: 预览任务与设置环境

atrm 序号:删除任务

一般用at命令创建计划任务有交互式与非交互式: (ctrl +D保存退出)

e.g.: at 23:30

at>systemctl start httpd

at>

也可以用echo 语句将要执行的命令传送给at 命令:

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

长期可循环的计划任务要用到cron服务:

crontab -e [-u 用户名]:创建,编辑计划任务

crontab -l [-u 用户名]: 查看计划任务

crontab -r [-u 用户名]: 删除计划任务

e.g.:用cron计划任务实现的功能:”每周1,3,5的凌晨3点25分将/home/wwwroot目录打包血仇为backup.tar.gz"

crontab -e

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

2. 用户身份与能力:

root只是个名字,真正让它成为“超级用户”的是UID值:

UID0:超级用户

UID1-999:系统中系统服务由不同用户运行,更加安全,默认被限制登陆系统。

UID1000~:普通用户,用于日常工作而不能管理普通用户。

UID是不能冲突的,管理员创建的普通用户UID从1000开始,账户名称与UID保存在/etc/passwd文件中,而账户密码则保存在/etc/shadow文件中。

GID:可将多个用户加入某个组中,方便指派任务或工作。用户组名称与GID保存在/etc/group文件中。

3.文件的权限与归属:

读写执行简写即为r,w,x,也可用数字4,2,1表示

e.g.: -rw-r--r-- 1 root root   #-:表示普通文件,d:目录文件,l:链接文件,b:块设备文件, c:字符设备文件,p:管道文件, rw-r--r--:表示所有者有读写权限,所有组有读权限,其余人也仅有读权限.

4.文件的特殊权限

SUID:让执行者临时拥有属主的权限(仅对拥有执行权限的二进制程序有效)

如所有用户都可以执行passwd命令,但用户密码是保存在/etc/shadow文件中,默认权限是000,即除了root外的用户都没有权限查看或编辑该文件, 所以对passwd命令加上SUID权限位,则可以让普通用户临时获得程序所有者的身份,以root用户的身份将变更的密码写入到shadow文件中。

SGID:让执行者临时拥有属组的权限(对拥有执行权限的二进制程序设置), 如ps命令的权限被加了SGID位,这样其它用户用ps命令可以获取到系统的状态信息了。

功能2是在该目录中创建的文件自动继承此目录的用户组(只可以对目录设置),如某个部门的工作目录给予了SGID权限,这样所有人创建的文件都归相同的工作组,这样方便以后的管理

5. chmod:用于修改文件或目录的权限,格式 为"chmod [参数] 权限 文件或目录名称“

    chown:用于修改文件或目录的所属主与所属组,格式 为:”chown [参数] 所属主:所属组 文件或目录名称“

这两个命令对于 文件不加参数,遇到目录加大写的-R(递归,修改目录内所有文件的属性)

6. SBIT(Sticky Bit):只可管理自己的数据而不能删除他人文件(仅对目录有效)

如一般老师希望学生可以将作业上传到某个特定目录,但为了避免某些小破坏份子,想限制删除他人文件的话,那就要设置SBIT位了,也叫粘滞位。

7. 文件的隐藏属性:文件权限除了读写执行与SUID,SGID, SBIT外还有一种隐藏权限,例如明明有权限删除某个文件却报错了,或者公能为某个文件追加内容而不能减少内容,遇到这种很奇怪的文件,就要怀疑是文件被设置隐藏权限了。

chattr:用于设置文件的隐藏权限,格式 为”chattr [参数] 文件"

i: 将无法对文件进行修改,若对目录设置后则仅能改子文件而不能新建或删除

a:仅允许补充(追加)内容,无法覆盖/删除(Append only)

S:文件内容变量后立即同步到硬盘(sync)

s:彻底从硬盘中删除,不可恢复(用0填充原文件所在硬盘区域)

A: 不再修改这个文件的最后访问时间(atime)

b:不再修改文件或目录的存取时间

D:检查压缩文件中的错误

d:当使用dump命令备份时忽略本文件/目录

c:默认将文件或目录进行压缩

u:当删除此文件后依然保留其在硬盘中的数据,方便日后恢复

t:让文件系统支持尾部合并(tail-merging)

X:可以直接访问压缩文件的内容。

8. lsattr:用于显示文件的隐藏权限,格式 为:“lsattr [参数] 文件"

a:显示所有文件和目录

l:显示隐藏属性的全称(默认简写成一个字母)

R:递归处理,将指定目录下的所有文件及子目录一并处理

d:若目标文件为目录,请加此参数

9. su:用于变更使用者的身份(切换登陆者)

   sudo:用于给普通用户提供额外权利来完成原本超级用户才能完成的任务

10. 文件访问控制列表:

如果希望对某个指定的用户进行单独的权限设置,那么就需要用文件的访问控制列表来实现啦。

 

转载于:https://www.cnblogs.com/tongbaomami/p/9101773.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/250207.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[异步、tensorflow] - 子线程操作tensor,主线程处理tensor

参考整体流程如下图 代码 import tensorflow as tf"""模拟: 子线程不停的取数据放入队列中, 主线程从队列中取数据执行包含: 作用域的命名、把程序的图结构写入事件、多线程 """# 模拟异步存入样本. # 1、 定义一个队列,长度为1000 with tf.va…

Element

官网&#xff1a;http://element-cn.eleme.io/#/zh-CN 转载于:https://www.cnblogs.com/weibanggang/p/9995433.html

ubuntu18.04下安装Anaconda及numpy、matplotlib

为了学习深度学习&#xff0c;我需要首先掌握利用python进行科学计算的知识&#xff0c;顺便复习一下线性代数、微积分、概率论。当然&#xff0c;现在我要做的是安装Anaconda。 1、官网下载&#xff0c;linux版本&#xff1a;https://www.anaconda.com/download 2、如果太慢&a…

[tensorflow] - csv文件读取

参考 文件流程 csv读取流程 函数的流程 import tensorflow as tf import os"""tensorflow中csv文件的读取1、 先找到文件,构造一个列表2、 构造一个文件队列3、 读取(read)队列内容csv: 读取一行二进制文件: 指定一个样本的bytes读取图片文件: 按一张一张…

课程模块表结构

课程模块 我们要开始写课程模块了~~课程模块都有哪些功能呢~~ 我们的课程模块&#xff0c;包括了免费课程以及专题课程两个方向~~ 主要是课程的展示&#xff0c;点击课程进入课程详细页面~~ 课程详细页面展示&#xff0c;课程的概述&#xff0c;课程的价格策略&#xff0c;课程…

vue中computed、metfods、watch的区别

一、computed和methods 我们可以将同一函数定义为一个 method 或者一个计算属性。对于最终的结果&#xff0c;两种方式确实是相同的。 不同的是computed计算属性是基于它们的依赖进行缓存的。计算属性computed只有在它的相关依赖发生改变时才会重新求值。这就意味着只要计算依赖…

OI生涯回忆录(二)

&#xff08;二&#xff09;NOIP2016之后到HLOI2017 之后变得有点颓废&#xff0c;因为有的地方难度上来了&#xff0c;碰见不会的题我就会放挺。又或者有时候题水&#xff0c;改完了就不思进取了。到了过年前那几天连着考了几天试&#xff0c;好像是长春那边冬令营&#xff08…

[tensorflow、神经网络] - 使用tf和mnist训练一个识别手写数字模型,并测试

参考 包含: 1.层级的计算、2.训练的整体流程、3.tensorboard画图、4.保存/使用模型、5.总体代码(含详细注释) 1. 层级的计算 如上图,mnist手写数字识别的训练集提供的图片是 28 * 28 * 1的手写图像,初始识别的时候,并不知道一次要训练多少个数据,因此输入的规模为 [None, 784].…

面向过程、面向函数、面向对象的区别浅谈

Python的面向过程、面向函数、面向对象的区别浅谈 转自--猎奇古今&#xff0c;加上其他 有人之前私信问我&#xff0c;python编程有面向过程、面向函数、面向对象三种&#xff0c;那么他们区别在哪呢&#xff1f; 面向过程就是将编程当成是做一件事&#xff0c;要按步骤完成&am…

js算法初窥06(算法模式03-函数式编程)

在解释什么是函数式编程之前&#xff0c;我们先要说下什么是命令式编程&#xff0c;它们都属于编程范式的一种。命令式编程其实就是一块一块的代码&#xff0c;其中包括了我们要执行的逻辑或者判断或者一些运算。也就是按部就班的一步一步完成我们所需要的逻辑。而函数式编程则…

[mmdetection] - win10配置mmdetection(1.1和2.0) + 训练网络(faster-rcnn、mask-rcnn)

pytorch配置 - 参考 mmdetextion 配置(win10) mmdetection训练faster-rcnn (win10) mmdetection训练mask-rcnn (win10) mmdetection 2.0配置(win10) mmdetection 2.0训练Faster-RCNN&#xff08;win10) mmdetection 2.0全家桶训练&#xff08;终结版) labelme安装教程 l…

13、Spring Boot 2.x 多数据源配置

1.13 Spring Boot 2.x 多数据源配置 完整源码&#xff1a; Spring-Boot-Demos转载于:https://www.cnblogs.com/Grand-Jon/p/9999779.html

[pytorch、学习] - 3.5 图像分类数据集

参考 3.5. 图像分类数据集 在介绍shftmax回归的实现前我们先引入一个多类图像分类数据集 本章开始使用pytorch实现啦~ 本节我们将使用torchvision包,它是服务于PyTorch深度学习框架的,主要用来构建计算机视觉模型。torchvision主要由以下几部分构成: torchvision.datasets: …

python自动化第三周---文件读写

1.python文件对象提供了三个“读”方法&#xff1a; read()、readline() 和 readlines()。每种方法可以接受一个变量以限制每次读取的数据量。 read() 每次读取整个文件&#xff0c;它通常用于将文件内容放到一个字符串变量中。如果文件大于可用内存&#xff0c;为了保险起见&a…

最详细的java泛型详解

来源&#xff1a;最详细的java泛型详解 对java的泛型特性的了解仅限于表面的浅浅一层&#xff0c;直到在学习设计模式时发现有不了解的用法&#xff0c;才想起详细的记录一下。 本文参考java 泛型详解、Java中的泛型方法、 java泛型详解 1. 概述 泛型在java中有很重要的地位&a…

[pytorch、学习] - 3.6 softmax回归的从零开始实现

参考 3.6 softmax回归的从零开始实现 import torch import torchvision import numpy as np import sys sys.path.append("..") import d2lzh_pytorch as d2l3.6.1. 获取和读取数据 batch_size 256 train_iter, test_iter d2l.load_data_fashion_mnist(batch_si…

Django基础必备三件套: HttpResponse render redirect

1. HttpResponse : 它的作用是内部传入一个字符串参数, 然后发给浏览器 def index(request):return HttpResponse(ok) 2. render : 可以接收三个参数, 一是request参数, 二是待渲染的 html 模板文件, 三是保存具体数据的字典参数 def index(request):return render(request, …

React 简单实例 (React-router + webpack + Antd )

React Demo Github 地址 经过React Native 的洗礼之后&#xff0c;写了这个 demo &#xff1b;React 是为了使前端的V层更具组件化&#xff0c;能更好的复用&#xff0c;同时可以让你从操作dom中解脱出来&#xff0c;只需要操作数据就会改变相应的dom&#xff1b; 而React Nat…

[pytorch、学习] - 3.7 softmax回归的简洁实现

参考 3.7. softmax回归的简洁实现 使用pytorch实现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. 获取和读取数据 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%…