windows系统采用了那种访问控制模型_Linux-3.2 系统与硬件(下)(连载)
⑥其他目录
/boot目录:该目录包含一些系统启动时的镜像文件和链接文件,很重要
/bin和/sbin目录:这两个目录都是存放的可执行的二进制文件即命令文件。例如:ls、vi、dd等命令,基本上都是针对应用的命令
/sbin目录:s就是super user的意思,只有超级用户才能执行的命令,例如:磁盘操作命令fcsk、fdisk等,关机重启命令shutdown、reboot和系统初始化命令init等。基本上都是针对系统的命令。
/home目录:该目录是每个linux用户家目录即工作目录,一般和账户名同名。
/lib目录:该目录存放的是共享程序库和镜像文件,供大多数程序使用。通过这个共享映射文件,每个程序都不必分别保存自己的库文件。了解一下。
/root目录:该目录是linux超级用户root的家目录,普通用户无法进入。
/run目录:该目录是外在的设备默认的挂载点,在centos7以后都有这个目录,也就意味着centos7以后插入U盘就会自动挂载了,类似的有/media目录。
/mnt目录:主要用于手动挂载外在设备的目录。
/lost+found目录:该目录保存丢失的文件。异常关机和磁盘错误都会导致文件丢失,丢失的文件就会临时放在此处。
/tmp目录:临时文件目录。里面的文件可以随时删除。
Linux系统的核心构成
内存管理:内存管理主要完成的是如何合理有效地管理整个系统的物理内存,同时快速响应内核各个子系统对内存的需求。windows有虚拟内存,当然linux也有虚拟内存,即在磁盘上预留物理内存的0.5倍的虚拟内存空间,linux需要时会自动申请虚拟内存空间使用。正在运行的程序一般都在物理内存中,休眠的程序都在虚拟内存中,linux自动交换在物理内存和虚拟内存之间。
进程管理:进程管理主要是系统进程对CPU的访问控制,简单的来说CPU在同一时间只有一个进程在运行!!这一切都归功于进程调度器管理的结果。然而者并不矛盾与多任务运行,因为当某个进程的时间片用完后,调度器会选择一个新的进程继续运行,由于切换的时间是在瞬间完成的,所以用户感觉是多个程序在同时进行,调度器会根据基于优先级的调度算法来控制启动新的进程。这是多么奇妙啊!
进程间通信:主要用于控制不同进程之间在用户空间的同步、数据共享和交换。不同的用户进程拥有不同的进程空间,因此进程间通信需要借助内核的中转来完成。
虚拟文件系统:linux内核中的虚拟文件系统用一个通用的文件模型表示各种不同的文件系统,这个文件系统模型屏蔽了具体不同文件系统的差异,使得linux内核支持很多不同的文件系统。也就说明了linux系统同时支持多种文件系统共存现象。比windows仅支持NTFS、fat32等自家文件系统更加全面。
网络接口:linux提供了各种网络标准的实现和各种网络硬件的支持。网络接口分为网络协议和网络设备驱动程序。
windows系统采用了那种访问控制模型_Linux-3.2 系统与硬件(下)(连载)相关推荐
- 基于深度学习的高精度家禽猪检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度家禽猪检测识别系统可用于日常生活中或野外来检测与定位家禽猪目标,利用深度学习算法可实现图片.视频.摄像头等方式的家禽猪目标检测识别,另外支持结果可视化与图片或视频检测结果的导 ...
- 基于深度学习的高精度交警检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度交警检测识别系统可用于日常生活中检测与定位交警目标,利用深度学习算法可实现图片.视频.摄像头等方式的交警目标检测识别,另外支持结果可视化与图片或视频检测结果的导出.本系统采用 ...
- 基于深度学习的高精度水果检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度水果(苹果.皇冠梨.火龙果.榴莲.葡萄.柠檬.甜瓜.网纹甜瓜.橘子.菠萝和西瓜)检测识别系统可用于日常生活中来检测与定位水果目标,利用深度学习算法可实现图片.视频.摄像头等方 ...
- 基于深度学习的高精度塑料瓶检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度塑料瓶检测识别系统可用于日常生活中或野外来检测与定位塑料瓶目标,利用深度学习算法可实现图片.视频.摄像头等方式的塑料瓶目标检测识别,另外支持结果可视化与图片或视频检测结果的导 ...
- 基于深度学习的高精度野生动物检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度野生动物检测(水牛.犀牛.斑马和大象)识别系统可用于日常生活中或野外来检测与定位野生动物目标,利用深度学习算法可实现图片.视频.摄像头等方式的野生动物目标检测识别,另外支持结 ...
- 基于深度学习的高精度牙齿健康检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度牙齿健康检测识别系统可用于日常生活中检测牙齿健康状况,利用深度学习算法可实现图片.视频.摄像头等方式的牙齿目标检测识别,另外支持结果可视化与图片或视频检测结果的导出.本系统采 ...
- 基于深度学习的高精度奶牛检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度奶牛检测识别系统可用于日常生活中或野外来检测与定位奶牛目标,利用深度学习算法可实现图片.视频.摄像头等方式的奶牛目标检测识别,另外支持结果可视化与图片或视频检测结果的导出.本 ...
- 基于深度学习的高精度袋鼠检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度袋鼠检测识别系统可用于日常生活中或野外来检测与定位袋鼠目标,利用深度学习算法可实现图片.视频.摄像头等方式的袋鼠目标检测识别,另外支持结果可视化与图片或视频检测结果的导出.本 ...
- 基于深度学习的高精度海洋生物检测识别系统(PyTorch+Pyside6+YOLOv5模型)
摘要:基于深度学习的高精度海洋生物检测识别系统可用于日常生活中检测与定位海洋生物目标(海胆:echinus,海参:holothurian,扇贝:scallop,海星:starfish),利用深度学习算 ...
最新文章
- python day29
- 一文掌握 C 智能指针的使用
- OWASP TOP 10 1
- 五款程序员专用辅助编程工具
- [机器学习-Sklearn]决策树学习与总结 (ID3, C4.5, C5.0, CART)
- python的矩阵表示_Python 稀疏矩阵表示
- oc61--block
- Linux中DHCP主配置文件解析
- Java的8大排序的基本思想及实例解读
- 很值得学习的java 画图板源码
- 在Dart中使用FFI调用Rust函数
- Holder类的作用
- Android五子棋开发实验报告,Android五子棋游戏实验报告.doc
- Allegro-CRTL键的使用
- 强推:raw图片处理软件DxO PhotoLab
- 隐私计算之全同态加密
- 关于mysql百万100W数据查询优化
- PEP 526 – Syntax for Variable Annotations
- UG NX 12 基准平面
- 《人性的弱点》总结之一 --- 人际交往的基本技巧