lv逻辑卷(虚拟磁盘)及配额实操

、LVM

1.LVM概念

LVM逻辑卷管理(Logical Volume Manager):LVM 适合于管理大存储设备,并允许用户动态调整磁盘容量大小,提高磁盘管理的灵活性。LVM的快照功能可以帮助我们快速备份数据。

2.LVM对比磁盘分区的优点

1.足够灵活

在不重新分区或重新格式化的情况下,动态的调整逻辑卷的大小,扩展卷组的存储容量,提高了磁盘管理的灵活性,逻辑卷解决了分区无法扩容的问题

2.保护数据

拥有数据快照功能,可以创建卷的快照备份,以便在需要时还原文件系统到之前的状态

3.故障恢复

LVM可以使用热插拔的方式添加或移除磁盘,从而可以在系统运行时进行故障恢复和替换

3.LVM的结构

1.PV物理卷(Physical Volume):先确定可以使用的磁盘或分区,然后将硬盘拆分成一个个小的块(PE)(块大小默认为4M),就是真正的物理硬盘或分区

2.VG卷组(Volume Group):这些块(PE)组成一个集合,将多个物理卷合起来就组成了卷组。组成同一个卷组的物理卷可以是同一块硬盘的不同分区,也可以是不同硬盘上的不同分区。我们可以把卷组想象为一块逻辑硬盘。

3.LV逻辑卷(Logical Volume):从这个集合中取块(PE)(取空间)。卷组是一块逻辑硬盘,硬盘必须分区之后才能使用,我们把这个分区称作逻辑卷。逻辑卷可以被格式化和写入数据。我们可以把逻辑卷想象为分区。

4.PE物理扩展(Physical Extend):PE 是用来保存数据的最小单元,我们的数据实际上都是写入 PE 当中的。PE 的大小是可以配置的,默认是 4MB。

注:/boot分区用于存放引导文件,不能基于LVM创建

二、LVM主要命令

物理卷管理(PV)卷组管理(VG)逻辑卷管理(LV)功能
pvscanvgscanlvscanScan扫描
pvcreatevgcreatelvcreateCreate建立
pvdisplayvgdisplaylvdisplayDisplay显示
pvremovevgremovelvremoveRemove删除
vgextendlvextendExtend扩展
vgreducelvreduceReduce减少

三、实操新建逻辑卷

1.将分区类型改成Linux LVM类型

fdisk /dev/sdb

2.创建物理卷:pvcreate   分区名   整块磁盘名

pvcreate   /dev/sdb1   /dev/sdc

3.建立eva卷组:vgcreate  卷组名(自定义)  分区   整块磁盘

vgcreate   eva  /dev/sdb1  /dev/sdc

4.在逻辑卷组eva中创建名为es的逻辑卷,大小为15GB:

lvcreate  -n  es  -L  +15G  eva

5.格式化逻辑卷,安装文件系统xfs:

mkfs.xfs  /dev/mapper/eva-es

6.临时挂载:

mount  /dev/mapper/eva-es   /mnt

7.逻辑卷完成,可以使用

8.扩容逻辑卷eva,将sdd硬盘扩容到eva卷组(实现逻辑卷的空间扩展):

vgextent   eva   /dev/sdd

9.实现文件系统的扩展:lvextend   大小  加10GB   加哪个磁盘分区

lvextend   -L  +10G   /dev/eva/es

注:一定要加加号,不加+号就会让该卷组变成这个容量大小

10.给扩展的空间部分也装上xfs文件系统(同步文件系统):

xfs系统用xfs_growfs

让新加的扩容逻辑卷同步文件系统:xfs_growfs   逻辑卷名称

xfs_growfs   /dev/eva/es

三、磁盘配额

磁盘配额的前提条件:内核必须支持磁盘配额,

需要linux内核支持

安装xfsprogs与quota软件包

Linux磁盘限额的特点

作用范围:针对指定的文件系统(分区)

限制对象:用户账户、组账号

限制类型:磁盘容量、文件数量

限制方法:软限制、硬限制

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:/a/533138.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

IP查询在追踪网络攻击源头中的应用

随着网络攻击事件的不断增加,追踪攻击源头成为网络安全领域的重要任务之一。IP查询技术通过分析网络流量中的IP地址,可以帮助确定攻击的来源。本文将探讨IP查询在追踪网络攻击源头中的应用,包括其原理、方法以及实际案例分析。 IP地址查询&a…

git学习 1

打开自己想要存放git仓库的文件夹,右键打开git bush,用git init命令建立仓库 用 ls -a(表示全都要看,包括隐藏的)可以看到git仓库 也可以用 git clone 接github链接(点code选项里面会给链接,结尾是git的那个&#xf…

LeetCode - 1702. 修改后的最大二进制字符串

文章目录 解析AC CODE 题目链接:LeetCode - 1702. 修改后的最大二进制字符串 解析 详细题解:贪心,简洁写法(Python/Java/C/Go/JS/Rust) 思路很牛b。 简单来说我们需要想办法将0配对,将其变为10&#xff0…

AI日报:GPT-4-Turbo正式版自带读图能力;Gemini1.5Pro开放API;SD3将于4月中旬发布;抖音宫崎骏AI特效爆火

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。 新鲜AI产品点击了解:AIbase - 智能匹配最适合您的AI产品和网站 &#x1f4f…

机器人路径规划:基于Q-learning算法的移动机器人路径规划(可以更改地图,起点,终点),MATLAB代码

一、Q-learning算法 Q-learning算法是强化学习算法中的一种,该算法主要包含:Agent、状态、动作、环境、回报和惩罚。Q-learning算法通过机器人与环境不断地交换信息,来实现自我学习。Q-learning算法中的Q表是机器人与环境交互后的结果&#…

Redis中的集群(五)

集群 在集群中执行命令 MOVED错误。 当节点发现键所在的槽并非由自己负责处理的时候&#xff0c;节点就会向客户端返回一个MOVED错误&#xff0c;指引客户端转向至正在负责槽的节点&#xff0c;MOVED错误的格式为: MOVED <slot> <ip>:<port>其中slot为键…

EEG Conformer:Convolutional Transformer for EEG Decoding and Visualization

原文链接&#xff1a;EEG Conformer 代码链接&#xff1a;EEG Conformer 背景 当前已经开发了各种模式识别方法来解码来自嘈杂的脑电图信号的有用信息。这些方法提取特征并针对不同的任务执行分类。例如&#xff1a;通用空间模式 &#xff08;CSP&#xff09; 用于增强运动图…

机器学习和深度学习-- 李宏毅(笔记与个人理解)Day10

Day 10 Genaral GUidance training Loss 不够的case Loss on Testing data over fitting 为什么over fitting 留到下下周哦~~ 期待 solve CNN卷积神经网络 Bias-Conplexiy Trade off cross Validation how to split? N-fold Cross Validation mismatch 这节课总体听下来比较…

云原生__K8S

createrepo --update /var/localrepo/# 禁用 firewall 和 swap [rootmaster ~]# sed /swap/d -i /etc/fstab [rootmaster ~]# swapoff -a [rootmaster ~]# dnf remove -y firewalld-*[rootmaster ~]# vim /etc/hosts 192.168.1.30 harbor 192.168.1.50 master 192.168.1.…

力扣19. 删除链表的倒数第 N 个结点

Problem: 19. 删除链表的倒数第 N 个结点 文章目录 题目描述思路及解法复杂度Code 题目描述 思路及解法 1.创建虚拟头节点dummy指向并将其next指向head&#xff1b;指针fast、slow指向dummy&#xff1b; 2.遍历链表获取其长度len&#xff1b; 3.先使fast走n 1步&#xff0c;再…

Mac安装配置ElasticSearch和Kibana 8.13.2

系统环境&#xff1a;Mac M1 (MacOS Sonoma 14.3.1) 一、准备 从Elasticsearch&#xff1a;官方分布式搜索和分析引擎 | Elastic上下载ElasticSearch和Kibana 笔者下载的是 elasticsearch-8.13.2-darwin-aarch64.tar.gz kibana-8.13.2-darwin-aarch64.tar.gz 并放置到个人…

图像生成:Pytorch实现一个简单的对抗生成网络模型

图像生成&#xff1a;Pytorch实现一个简单的对抗生成网络模型 前言相关介绍具体步骤准备并读取数据集定义生成器定义判别器定义损失函数定义优化器开始训练完整代码 训练生成的图片 前言 由于本人水平有限&#xff0c;难免出现错漏&#xff0c;敬请批评改正。更多精彩内容&…

【网站项目】校园失物招领小程序

&#x1f64a;作者简介&#xff1a;拥有多年开发工作经验&#xff0c;分享技术代码帮助学生学习&#xff0c;独立完成自己的项目或者毕业设计。 代码可以私聊博主获取。&#x1f339;赠送计算机毕业设计600个选题excel文件&#xff0c;帮助大学选题。赠送开题报告模板&#xff…

java数据结构与算法刷题-----LeetCode210. 课程表 II

java数据结构与算法刷题目录&#xff08;剑指Offer、LeetCode、ACM&#xff09;-----主目录-----持续更新(进不去说明我没写完)&#xff1a;https://blog.csdn.net/grd_java/article/details/123063846 文章目录 深度优先遍历但不进行逆拓扑排序&#xff08;不用栈&#xff09;…

三年Android开发经验面试经历分享

最近&#xff0c;参加了多家公司的面试&#xff0c;下面是我所经历的一些面试问题及自己的回答思路。 一、京东面试 一面&#xff1a; 项目内容&#xff1a;主要讲述了在实习期间参与的项目&#xff0c;以及在项目中负责的工作和取得的成果。MVP模式&#xff1a;解释了MVP模…

特征融合篇 | YOLOv8改进之将Neck网络更换为多级特征融合金字塔HS-FPN | 助力小目标检测

前言:Hello大家好,我是小哥谈。HS-FPN(Hierarchical Scale Feature Pyramid Network)是一种用于目标检测任务的网络结构。它是在传统的Feature Pyramid Network(FPN)基础上进行改进的。HS-FPN的主要目标是解决目标检测中存在的多尺度问题。在传统的FPN中,通过在不同层级…

机器学习实训 Day1

线性回归练习 Day1 手搓线性回归 随机初始数据 import numpy as np x np.array([56, 72, 69, 88, 102, 86, 76, 79, 94, 74]) y np.array([92, 102, 86, 110, 130, 99, 96, 102, 105, 92])from matplotlib import pyplot as plt # 内嵌显示 %matplotlib inlineplt.scatter…

Android自定义控件ScrollView实现上下滑动功能

本文实例为大家分享了Android ScrollView实现上下滑动功能的具体代码&#xff0c;供大家参考&#xff0c;具体内容如下 package com.example.zhuang; import android.content.Context; import android.util.AttributeSet; import android.util.DisplayMetrics; import android…

什么是生成式AI?有哪些特征类型

生成式AI是人类一种人工智能技术&#xff0c;可以生成各种类型的内容&#xff0c;包括文本、图像、音频和合成数据。那么什么是人工智能&#xff1f;人工智能和机器学习之间的区别是什么&#xff1f;有哪些技术特征&#xff1f; 人工智能是一门学科&#xff0c;是计算机科学的一…

日志监控思路分享,只监控日志内容,不存储

有一个这样的需求&#xff0c;就是实时监控日志文件的内容&#xff0c;不需要存储&#xff0c;仅当某行日志内容触发某个规则时调用一段业务逻辑就行了。比如用户触发限流规则&#xff0c;就将其封禁并发送钉钉通知到运维群。 看到这个需求首先想到的就是日志采集工具&#xff…