新闻详情

新闻详情

首页 / 资讯中心 / 详情

LVM实操案例和ARID理论

发布时间:2026/11/5 9:03:50来源:尧图网络
LVM实操案例和ARID理论
作业一LVM 实操 企业需求 服务器新增 3 块 20G 硬盘使用 LVM 创建 40G 逻辑卷挂载到指定业务目录。 需求1使用 3 块 20G 新硬盘创建 LVM。1.点击设置2.点击cd、dvd 点击添加 3次20G内存的磁盘 添加完成 点击确定3.查看是否创建好 3个新的磁盘4.设置硬盘类型linux LVM 8e 以此方法 设置 sdc sdd5.创建PV 和查看PV6.创建VG 查看VG7.创建LV 查看LV结果2创建 40G 逻辑卷并挂载到 /data。1.格式化2.挂载/data3配置开机自动挂载。1.设置开机自启2.验证4在 /data 中创建测试文件验证读写正常。1.创建文件2.查看结果5模拟磁盘空间不足再新增 20G 硬盘将 LVM 扩容 20G。6扩容后验证 /data 容量是否增加。作业二RAID 理论 企业场景 公司服务器需要根据不同业务对性能、数据安全、磁盘利用率的要求选择合适的 RAID 级别。 需求分别用自己的语言说明以下 RAID RAID 0 RAID 1 RAID 5 RAID 10 每种 RAID 必须回答 4 个问题1基本概念它是怎么工作的RAID0: 最少需要2个硬盘 交替写入 更快RAID1:2个硬盘 相互存储相同的数据 较慢RAID5:最少3个硬盘 交替写入 但是会检查 检查结果不会出现在一个硬盘内RAID10: RAID0和RAID1的结合 现做镜像 在做条带化2优点解决了什么问题RAID0:读写速度更快RAID1:比较安全 一块磁盘坏了 数据不会丢失RAID5:坏一块硬盘数据不会丢机器还能接着跑换上新盘能把数据恢复回来不像 RAID1要浪费一半硬盘空间。只拿一块盘的空间存校验信息更省钱RAID10:写的速度快 还不怕硬盘坏3缺点有什么不足RAID0:没有备份 硬盘坏了 数据彻底丢失RAID1:利用率只有50% 成本高RAID5:坏盘之后重建的时候压力特别大如果这时候再坏第二块盘数据直接全没 不适合高强度的业务RAID10:成本高 最少也需要四块硬盘4企业场景适合用在什么业务环境RAID0:游戏 临时缓存的地方RAID1:重要数据 数据库系统 服务器系统RAID5:公司的文件服务器RAID10:有钱的公司 非非常重要的科研 的地方最后增加一项 总结如果你是一名企业运维人员在不同生产环境中你会如何选择 RAID 0、1、5、10为什么RAID0:适合测试环境、临时缓存。读写速度最快但无容错一块硬盘损坏数据全部丢失不能存放重要业务数据。RAID1:多用于服务器系统盘。两块盘互为镜像坏一块盘数据仍保留安全性高磁盘利用率只有 50%适合数据量不大、读写压力小、看重安全的场景。RAID5:适合读多写少的文件存储预算有限场景。至少 3 块盘允许坏 1 块硬盘空间利用率较高大量写入性能较差盘重建风险高不适合高写入核心业务。RAID10:用于数据库、交易这类核心业务。兼顾高性能与数据安全可承受部分硬盘损坏磁盘利用率 50% 硬件成本高适合业务重要、预算充足的生产环境。
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 2026/11/4 15:56:54

【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 2026/11/4 22:55:41

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 2026/11/4 17:01:23

【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 ... 2026/11/4 12:33:12

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 2026/11/5 4:24:57

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 2026/11/5 4:24:57

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
📞 ✉