it智能运维万能命令（智能运维app）

本篇文章给大家谈谈it智能运维万能命令，以及智能运维app对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享it智能运维万能命令的知识，其中也会对智能运维app进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、linux运维需要掌握哪些命令
• 2、IT运维平台算法背后的两大“神助攻”
• 3、IT管理员常用的管理，运维工具有哪些

linux运维需要掌握哪些命令

Linux运维人员必会的120个命令
跟老男孩学Linux运维：核心系统命令实战
前言
第1章 Linux命令行简介 / 1
1.1Linux命令行概述 / 1
1.2在Linux命令行下查看命令帮助 / 4
1.3Linux shutdown reboot halt / 9
关机：
shutdown -h now
halt
init 0
第2章 文件和目录操作命令 / 13
2.1pwd：显示当前所在的位置 / 13
2.2cd：切换目录 / 16
2.3tree：以树形结构显示目录下的内容 / 18
2.4mkdir：创建目录 / 22
2.5touch：创建空文件或改变文件的时间戳属性 / 27
2.6ls：显示目录下的内容及相关属性信息 / 30
2.7cp：复制文件或目录 / 39
2.8mv：移动或重命名文件 / 42
2.9rm：删除文件或目录 / 45
2.10rmdir：删除空目录 / 48
2.11ln：硬链接与软链接 / 49
2.12readlink：查看符号链接文件的内容 / 54
2.13find：查找目录下的文件 / 55
2.14xargs：将标准输入转换成命令行参数 / 68
2.15rename：重命名文件 / 71
2.16basename：显示文件名或目录名 / 72
2.17dirname：显示文件或目录路径 / 72
2.18chattr：改变文件的扩展属性 / 73
2.19lsattr：查看文件扩展属性 / 75
2.20file：显示文件的类型 / 76
2.21md5sum：计算和校验文件的MD5值 / 77
2.22chown：改变文件或目录的用户和用户组 / 80
2.23chmod：改变文件或目录权限 / 81
2.24chgrp：更改文件用户组 / 85
2.25umask：显示或设置权限掩码 / 86
2.26老男孩从新手成为技术大牛的心法 / 90
第3章 文件过滤及内容编辑处理命令 / 91
3.1cat：合并文件或查看文件内容 / 91
3.2tac：反向显示文件内容 / 103
3.3more：分页显示文件内容 / 104
3.4less：分页显示文件内容 / 107
3.5head：显示文件内容头部 / 109
3.6tail：显示文件内容尾部 / 111
3.7tailf：跟踪日志文件 / 114
3.8cut：从文本中提取一段文字并输出 / 115
3.9split：分割文件 / 117
3.10paste：合并文件 / 118
3.11sort：文本排序 / 123
3.12join：按两个文件的相同字段合并 / 127
3.13uniq：去除重复行 / 129
3.14wc：统计文件的行数、单词数或字节数 / 131
3.15iconv：转换文件的编码格式 / 133
3.16dos2unix：将DOS格式文件转换成UNIX格式 / 134
3.17diff：比较两个文件的不同 / 135
3.18vimdiff：可视化比较工具 / 138
3.19rev：反向输出文件内容 / 139
3.20tr：替换或删除字符 / 140
3.21od：按不同进制显示文件 / 143
3.22tee：多重定向 / 145
3.23vi/vim：纯文本编辑器 / 147
3.24老男孩逆袭思想：做Linux运维的多个好处 / 152
第4章 文本处理三剑客 / 153
4.1grep：文本过滤工具 / 153
4.2sed：字符流编辑器 / 159
4.3awk基础入门 / 165
第5章 Linux信息显示与搜索文件命令 / 176
5.1uname：显示系统信息 / 176
5.2hostname：显示或设置系统的主机名 / 178
5.3dmesg：系统启动异常诊断 / 179
5.4stat：显示文件或文件系统状态 / 181
5.5du：统计磁盘空间使用情况 / 183
5.6date：显示与设置系统时间 / 186
5.7echo：显示一行文本 / 190
5.8watch：监视命令执行情况 / 193
5.9which：显示命令的全路径 / 195
5.10whereis：显示命令及其相关文件全路径 / 196
5.11locate：快速定位文件路径 / 197
5.12updatedb：更新mlocate数据库 / 199
5.13老男孩逆袭思想：新手在工作中如何问问题不会被鄙视 / 200
第6章 文件备份与压缩命令 / 201
6.1tar：打包备份 / 201
6.2gzip：压缩或解压文件 / 208
6.3zip：打包和压缩文件 / 211
6.4unzip：解压zip文件 / 212
6.5scp：远程文件复制 / 214
6.6rsync：文件同步工具 / 216
6.7老男孩逆袭思想：新手如何高效地提问 / 220
第7章 Linux用户管理及用户信息查询命令 / 222
7.1 useradd：创建用户 / 222
7.2usermod：修改用户信息 / 227
7.3userdel：删除用户 / 229
7.4groupadd：创建新的用户组 / 230
7.5groupdel：删除用户组 / 231
7.6passwd：修改用户密码 / 232
7.7chage:修改用户密码有效期 / 237
7.8chpasswd：批量更新用户密码 / 238
7.9su：切换用户 / 240
7.10visudo：编辑sudoers文件 / 242
7.11sudo：以另一个用户身份执行命令 / 244
7.12id：显示用户与用户组的信息 / 248
7.13w：显示已登录用户信息 / 249
7.14who：显示已登录用户信息 / 250
7.15users：显示已登录用户 / 252
7.16whoami：显示当前登录的用户名 / 253
7.17last：显示用户登录列表 / 253
7.18lastb：显示用户登录失败的记录 / 254
7.19lastlog：显示所有用户的最近登录记录 / 255
第8章 Linux磁盘与文件系统管理命令 / 257
8.1fdisk：磁盘分区工具 / 257
8.2partprobe：更新内核的硬盘分区表信息 / 265
8.3tune2fs：调整ext2/ext3/ext4文件系统参数 / 266
8.4parted：磁盘分区工具 / 268
8.5mkfs：创建Linux文件系统 / 272
8.6dumpe2fs：导出ext2/ext3/ext4文件系统信息 / 274
8.7resize2fs：调整ext2/ext3/ext4文件系统大小 / 275
8.8fsck：检查并修复Linux文件系统 / 278
8.9dd：转换或复制文件 / 281
8.10mount：挂载文件系统 / 284
8.11umount：卸载文件系统 / 288
8.12df：报告文件系统磁盘空间的使用情况 / 289
8.13mkswap：创建交换分区 / 293
8.14swapon：激活交换分区 / 294
8.15swapoff：关闭交换分区 / 295
8.16sync：刷新文件系统缓冲区 / 296
第9章 Linux进程管理命令 / 298
9.1ps：查看进程 / 298
9.2pstree：显示进程状态树 / 305
9.3pgrep：查找匹配条件的进程 / 306
9.4kill：终止进程 / 307
9.5killall：通过进程名终止进程 / 310
9.6pkill：通过进程名终止进程 / 311
9.7top：实时显示系统中各个进程的资源占用状况 / 313
9.8nice：调整程序运行时的优先级 / 320
9.9renice：调整运行中的进程的优先级 / 323
9.10nohup：用户退出系统进程继续工作 / 324
9.11strace：跟踪进程的系统调用 / 325
9.12ltrace：跟踪进程调用库函数 / 332
9.13runlevel：输出当前运行级别 / 334
9.14init：初始化Linux进程 / 335
9.15service：管理系统服务 / 335
第10章 Linux网络管理命令 / 338
10.1ifconfig：配置或显示网络接口信息 / 338
10.2ifup：激活网络接口 / 343
ifup eth0
10.3ifdown：禁用网络接口 / 343
ifdown eth0
service network restart（/etc/init.d/network restart） 激活整个网络，所有网卡。
10.4route：显示或管理路由表 / 344
10.5arp：管理系统的arp缓存 / 350
10.6ip：网络配置工具 / 351
10.7netstat：查看网络状态 / 358
10.8ss：查看网络状态 / 362
10.9ping：测试主机之间网络的连通性 / 363
10.10traceroute：追踪数据传输路由状况 / 366
10.11arping：发送arp请求 / 367
10.12telnet：远程登录主机 / 369
10.13nc：多功能网络工具 / 370
10.14ssh：安全地远程登录主机 / 373
10.15wget：命令行下载工具 / 376
10.16mailq：显示邮件传输队列 / 379
10.17mail：发送和接收邮件 / 381
10.18nslookup：域名查询工具 / 386
10.19dig：域名查询工具 / 389
10.20host：域名查询工具 / 393
10.21nmap：网络探测工具和安全/端口扫描器 / 394
10.22tcpdump：监听网络流量 / 398
第11章 Linux系统管理命令 / 407
11.1lsof：查看进程打开的文件 / 407
11.2uptime：显示系统的运行时间及负载 / 411
11.3free：查看系统内存信息 / 411
11.4iftop：动态显示网络接口流量信息 / 413
11.5vmstat：虚拟内存统计 / 415
11.6mpstat：CPU信息统计 / 419
11.7iostat：I/O信息统计 / 420
11.8iotop：动态显示磁盘I/O统计信息 / 423
11.9sar：收集系统信息 / 425
11.10chkconfig：管理开机服务 / 430
11.11ntsysv：管理开机服务 / 433
11.12 setup：系统管理工具 / 434
11.13ethtool：查询网卡参数 / 436
11.14mii-tool：管理网络接口的状态 / 437
11.19rpm：RPM包管理器 / 443
11.20yum：自动化RPM包管理工具 / 446
top命令
第12章 Linux系统常用内置命令 / 450
12.1Linux内置命令概述 / 450
12.2Linux内置命令简介 / 450
12.3Linux常用内置命令实例 / 452

IT运维平台算法背后的两大“神助攻”

智能运维(AIops)是目前 IT 运维领域最火热的词汇，全称是 Algorithmic IT operations platforms，正规翻译是『基于算法的 IT 运维平台』，直观可见算法是智能运维的核心要素之一。
本文主要谈算法对运维的作用，涉及异常检测和归因分析两方面，围绕运维系统Kale 中 skyline、Oculus 模块、Opprentice 系统、Granger causality（格兰杰因果关系）、FastDTW 算法等细节展开。

一、异常检测

异常检测，是运维工程师们最先可能接触的地方了。毕竟监控告警是所有运维工作的基础。设定告警阈值是一项耗时耗力的工作，需要运维人员在充分了解业务的前提下才能进行，还得考虑业务是不是平稳发展状态，否则一两周改动一次，运维工程师绝对是要发疯的。

如果能将这部分工作交给算法来解决，无疑是推翻一座大山。这件事情，机器学习当然可以做到。但是不用机器学习，基于数学统计的算法，同样可以，而且效果也不差。

异常检测之Skyline异常检测模块

2013年，Etsy 开源了一个内部的运维系统，叫 Kale。其中的 skyline 部分，就是做异常检测的模块， 它提供了 9 种异常检测算法 ：

first_hour_average、

simple_stddev_from_moving_average、

stddev_from_moving_average、

mean_subtraction_cumulation、

least_squares

histogram_bins、

grubbs、

median_absolute_deviation、

Kolmogorov-Smirnov_test

简要的概括来说，这9种算法分为两类：

从正态分布入手：假设数据服从高斯分布，可以通过标准差来确定绝大多数数据点的区间；或者根据分布的直方图，落在过少直方里的数据就是异常；或者根据箱体图分析来避免造成长尾影响。

从样本校验入手：采用 Kolmogorov-Smirnov、Shapiro-Wilk、Lilliefor 等非参数校验方法。

这些都是统计学上的算法，而不是机器学习的事情。当然，Etsy 这个 Skyline 项目并不是异常检测的全部。

首先，这里只考虑了一个指标自己的状态，从纵向的时序角度做异常检测。而没有考虑业务的复杂性导致的横向异常。其次，提供了这么多种算法，到底一个指标在哪种算法下判断的更准？这又是一个很难判断的事情。

问题一： 实现上的抉择。同样的样本校验算法，可以用来对比一个指标的当前和历史情况，也可以用来对比多个指标里哪个跟别的指标不一样。

问题二： Skyline 其实自己采用了一种特别朴实和简单的办法来做补充——9 个算法每人一票，投票达到阈值就算数。至于这个阈值，一般算 6 或者 7 这样，即占到大多数即可。

异常检测之Opprentice系统

作为对比，面对相同的问题，百度 SRE 的智能运维是怎么处理的。在去年的 APMcon 上，百度工程师描述 Opprentice 系统的主要思想时，用了这么一张图：

Opprentice 系统的主体流程为：

KPI 数据经过各式 detector 计算得到每个点的诸多 feature；

通过专门的交互工具，由运维人员标记 KPI 数据的异常时间段；

采用随机森林算法做异常分类。

其中 detector 有14种异常检测算法，如下图：

我们可以看到其中很多算法在 Etsy 的 Skyline 里同样存在。不过，为避免给这么多算法调配参数，直接采用的办法是：每个参数的取值范围均等分一下——反正随机森林不要求什么特征工程。如，用 holt-winters 做为一类 detector。holt-winters 有α，β，γ 三个参数，取值范围都是 [0, 1]。那么它就采样为 (0.2, 0.4, 0.6, 0.8)，也就是 4 ** 3 = 64 个可能。那么每个点就此得到  64  个特征值。

异常检测之

Opprentice 系统与 Skyline 很相似

Opprentice 系统整个流程跟 skyline 的思想相似之处在于先通过不同的统计学上的算法来尝试发现异常，然后通过一个多数同意的方式/算法来确定最终的判定结果。

只不过这里百度采用了一个随机森林的算法，来更靠谱一点的投票。而 Etsy 呢？在 skyline 开源几个月后，他们内部又实现了新版本，叫 Thyme。利用了小波分解、傅里叶变换、Mann-whitney 检测等等技术。

另外，社区在 Skyline 上同样做了后续更新，Earthgecko 利用 Tsfresh 模块来提取时序数据的特征值，以此做多时序之间的异常检测。我们可以看到，后续发展的两种 Skyline，依然都没有使用机器学习，而是进一步深度挖掘和调整时序相关的统计学算法。

开源社区除了 Etsy，还有诸多巨头也开源过各式其他的时序异常检测算法库，大多是在 2015 年开始的。列举如下：

Yahoo! 在去年开源的 egads 库。(Java)

Twitter 在去年开源的 anomalydetection 库。(R)

Netflix 在 2015 年开源的 Surus 库。(Pig，基于PCA)

其中 Twitter 这个库还被 port 到 Python 社区，有兴趣的读者也可以试试。

二、归因分析

归因分析是运维工作的下一大块内容，就是收到报警以后的排障。对于简单故障，应对方案一般也很简单，采用 service restart engineering~ 但是在大规模 IT 环境下，通常一个故障会触发或导致大面积的告警发生。如果能从大面积的告警中，找到最紧迫最要紧的那个，肯定能大大的缩短故障恢复时间(MTTR)。

这个故障定位的需求，通常被归类为根因分析（RCA，Root Cause Analysis）。当然，RCA 可不止故障定位一个用途，性能优化的过程通常也是 RCA 的一种。

归因分析之 Oculus 模块

和异常检测一样，做 RCA 同样是可以统计学和机器学习方法并行的~我们还是从统计学的角度开始。依然是 Etsy 的 kale 系统，其中除了做异常检测的 skyline 以外，还有另外一部分，叫 Oculus。而且在 Etsy 重构 kale 2.0 的时候，Oculus 被认为是1.0 最成功的部分，完整保留下来了。

Oculus 的思路，用一句话描述，就是：如果一个监控指标的时间趋势图走势，跟另一个监控指标的趋势图长得比较像，那它们很可能是被同一个根因影响的。那么，如果整体 IT 环境内的时间同步是可靠的，且监控指标的颗粒度比较细的情况下，我们就可能近似的推断：跟一个告警比较像的最早的那个监控指标，应该就是需要重点关注的根因了。

Oculus 截图如下：

这部分使用的 计算方式有两种：

欧式距离，就是不同时序数据，在相同时刻做对比。假如0分0秒，a和b相差1000，0分5秒，也相差1000，依次类推。

FastDTW，则加了一层偏移量，0分0秒的a和0分5秒的b相差1000，0分5秒的a和0分10秒的b也相差1000，依次类推。当然，算法在这个简单假设背后，是有很多降低计算复杂度的具体实现的，这里就不谈了。

唯一可惜的是 Etsy 当初实现 Oculus 是基于 ES 的 0.20 版本，后来该版本一直没有更新。现在停留在这么老版本的 ES 用户应该很少了。除了 Oculus，还有很多其他产品，采用不同的统计学原理，达到类似的效果。

归因分析之 Granger causality

Granger causality（格兰杰因果关系）是一种算法，简单来说它通过比较“已知上一时刻所有信息，这一时刻 X 的概率分布情况”和“已知上一时刻除 Y 以外的所有信息，这一时刻 X 的概率分布情况”，来判断 Y 对 X 是否存在因果关系。

可能有了解过一点机器学习信息的读者会很诧异了：不是说机器只能反应相关性，不能反应因果性的么？需要说明一下，这里的因果，是统计学意义上的因果，不是我们通常哲学意义上的因果。

统计学上的因果定义是：『在宇宙中所有其他事件的发生情况固定不变的条件下，如果一个事件 A 的发生与不发生对于另一个事件 B 的发生的概率有影响，并且这两个事件在时间上有先后顺序（A 前 B 后），那么我们便可以说 A 是 B 的原因。』

归因分析之皮尔逊系数

另一个常用的算法是皮尔逊系数。下图是某 ITOM 软件的实现：

我们可以看到，其主要元素和采用 FastDTW 算法的 Oculus 类似：correlation 表示相关性的评分、lead/lag 表示不同时序数据在时间轴上的偏移量。

皮尔逊系数在 R 语言里可以特别简单的做到。比如我们拿到同时间段的访问量和服务器 CPU 使用率：

然后运行如下命令：

acc_count<-scale(acc$acc_count,center=T,scale=T)

cpu<-scale(acc$cpuload5,center=T,scale=T)

cor.test(acc_count,cpu)

可以看到如下结果输出：

对应的可视化图形如下：

这就说明网站数据访问量和 CPU 存在弱相关，同时从散点图上看两者为非线性关系。因此访问量上升不一定会真正影响 CPU 消耗。

其实 R 语言不太适合嵌入到现有的运维系统中。那这时候使用 Elasticsearch 的工程师就有福了。ES 在大家常用的 metric aggregation、bucket aggregation、pipeline aggregation 之外，还提供了一种 matrix aggregation，目前唯一支持的 matrix_stats 就是采用了皮尔逊系数的计算，接口文档见：

https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-matrix-stats-aggregation.html

唯一需要注意的就是，要求计算相关性的两个字段必须同时存在于一个 event 里。所以没法直接从现成的 ES 数据中请求不同的 date_histogram，然后计算，需要自己手动整理一遍，转储回 ES 再计算。

饶琛琳，目前就职日志易，有十年运维工作经验。在微博担任系统架构师期间，负责带领11人的SRE团队。著有《网站运维技术与实践》、《ELKstack权威指南》，合译有《Puppet 3 Cookbook》、《Learning Puppet 4》。在众多技术大会上分享过自动化运维与数据分析相关主题。

IT管理员常用的管理，运维工具有哪些

网络监控及运维自动化 ：
1、系统安装自动化：kickstart，cobbler等
2、配置部署自动化：puppet，saltstart，ansible等
3、监控（报警）自动化： nagios（监控系统），ganglia(集群监控)，cacti（流量监控）、ipmonitor（ping 监控） 等
4、指标收集：collectd+statsd(statsite)
5、指标绘图：graphite 、nrpe、pnp4nagios
6、日志采集、分析、报警：ELK
7、网络质量监控：smokeping、zabbix 关于it智能运维万能命令和智能运维app的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 it智能运维万能命令的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于智能运维app、it智能运维万能命令的信息别忘了在本站进行查找喔。