53、Linux 系统标准与开发要点解析

Linux 系统标准与开发要点解析

1. 初始化脚本标准

在 Linux 系统中,LSB 3.1 规定初始化脚本的位置为 /etc/init.d ,不过也允许将其设置为指向其他位置的链接。该目录下的每个脚本名称都与它所提供的服务相关。由于这是所有 Linux 服务共享的公共命名空间,所以脚本名称必须唯一。例如,如果 MySQL 和 PostgreSQL 都将其脚本命名为 “database”,就会引发冲突。为避免此类冲突,有一个名为 The Linux Assigned Names And Numbers Authority (LANANA) 的组织,其官网为 http://www.lanana.org/ ,它维护着脚本和软件包的注册名称列表,方便 Linux 系统用户。

初始化脚本必须接受一个参数来控制其操作,定义的参数及含义如下:
| 参数 | 含义 |
| — | — |
| start | 启动(或重启)服务 |
| stop | 停止服务 |
| restart | 重启服务,通常先停止服务再启动 |
| reload | 重置服务,重新加载参数,但不停止服务。并非所有服务都支持此选项,有些脚本可能不接受该参数,或者接受但无实际效果 |
| force - reload | 若服务支持则尝试重新加载,否则重启服务 |
| status | 打印服务状态的文本消息,并返回用于确定服务状态的状态码 |

所有命令执行成功返回 0,失败则返回指示失败原因的错误码。对于 status 参数,若服务正在运行返回 0,其他代码表示服务因某种原因未

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值