新闻详情

新闻详情

首页 / 资讯中心 / 详情

VMware — Ubuntu 扩展系统盘

发布时间:2026/11/14 14:53:18来源:尧图网络
VMware — Ubuntu 扩展系统盘
环境Windows 11 VMware Workstation Ubuntu 22.04/24.04场景根分区/空间不足扩大系统盘本文按无 LVM编写Ubuntu Desktop 默认有 LVM 见附录 A三层模型扩容要穿透三层每层有各自独立的大小记录① 虚拟磁盘 .vmdk ← VMware 里点「扩展」改这层 ② 分区表里的分区条目 ← growpart 改这层 ③ 文件系统自己的元数据 ← resize2fs 改这层层 ① 变大后②③ 不会自动跟上 ——必须逐层扩。所以会出现lsblk显示 50G 但df -h还是 20G的中间状态。前提检查lsblkdf-h/要确认三件事/是不是最后一个分区——growpart把分区往后推只有最后一个分区后面才有空间可推。中间的分区扩不了。有没有 LVM—— 看/所在分区下面还有没有子项# 无 LVM直接挂载 # 有 LVM多一层缩进 sda sda ├─sda1 └─sda3 └─sda2 / └─ubuntu--vg-ubuntu--lv /剩余空间—— 确认确实需要扩第一步VMware 侧扩盘1. 关机sudopoweroff2. 扩展虚拟磁盘虚拟机设置 → 选中系统盘→扩展→ 填新容量 → 确定⚠️有快照时「扩展」按钮是灰的先删除或合并快照⚠️只能变大不能变小不勾「立即分配」时新容量在宿主机上是按需增长的3. 开机第二步Ubuntu 侧扩分区和文件系统sudogrowpart /dev/sda2# 注意设备名 空格 分区号sudoresize2fs /dev/sda2growpart /dev/sda 2把分区的结束位置推到磁盘末尾把新加的空间圈进来。参数是整块磁盘分区号空格分隔—— 改的是盘的分区表不是分区自身跑完lsblk里分区变大了但df -h还没变在线操作不需要卸载/没装的话sudo apt install cloud-guest-utilsresize2fs /dev/sda2把 ext4 文件系统元数据里记的大小改成和分区一致。参数直接给分区设备路径ext4 支持在线扩容/挂着也能跑扩展只能往大缩容风险高不用e2fsprogs自带一般不用装两条必须都跑只跑一条的话lsblk和df -h会对不上。验证df-h/# / 应显示新容量lsblk# sda2 应显示新容量两者数字一致
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉