Linux下的网络配置

Linux网络配置命令 Linux网络相关命令 阅读详情

一.linux下的网络配置

1.什么是IP ADDRESS
     

       internet protocol ADDRESS  ##网络进程地址

       ipv4   internet protocol version 4

1)2^32

  ip是由32个01组成
   11111111.11111111.11111111.11111110=255.255.255.254

2)子网掩码

         用来划分网络区域
         子网掩码非0的位对应ip上的数字表示这个ip的网络位
         子网掩码0位对应的数字是ip的主机位
         主机位表示网络区域里的某台主机

3)ip通信判定

         网络位一致,主机位不一致的两个ip可以直接通讯
          172.25.254.1/24
          172.25.254.2/24
          172.25.0.1/16
         三个ip都可以直接互相通讯

4)网络临时设定工具

      ping          ---检测网络是否通畅


      ifconfig     ---查看或设定网络接口


 
      ifconfig device(接口名称) ip/24      ---设定   只能临时设定,临时设定之后该主机ip为ip设定值;
                                                                       ---重启network服务后系统会再次读取配置文件,ip会变回去。
                 

临时设定eth0的ip为172.25.254.163                 
      ifconfig device down                              ---把接口临时关闭


      ifconfig device up                                   ---把网络接口临时打开

      ip addr                                                     ---检测网络接口


      ip addr show   eth0                                        ---检测


      ip addr add ip/24 dev device                ---多添加ip设定
       


      ip addr flush eth0                                    ---临时设定ip,先删除,再添加
      ip addr add ip/24 dev device

”注意“:device的名字是一个物理事实,看到物理接口是什么名字只能用什么名字

 

5)图形方式设定ip


1.nm-connection-editor


systemctl stop NetworkManager(类似手机连wifi时的记忆功能)
systemctl restart network
systemctl start NetworkManager
注意:设定网络不需要重启network服务,而更改网络配置需要重启network服务。!!!!!!!!!!!!
2.nmtui

6)命令方式设定网络
nmcli             ---NetworkManager必须开启

在本篇博客第六节详解


二.如何用命令设置网络配置


1.cd /etc/sysconfig/network-scripts/
  ls后找到当前的网络配置,删除这个文件


  vim新建一个以ifcfg-网络配置命名  的文件
  文件编辑内容如下
  DEVICE=eth0                        ##设备口名称是eth0,这是实实在在的物理配置
  ONBOOT=yes                        ##设置网络启动后服务自动开启
  BOOTPROTO=none             ##静态网络,自己配置的ip
  IPADDR=172.25.254.162    ##配置的ip地址
  NETMASK=255.255.255.0  ##子网掩码
  NAME=dai                              ##配置的网络命名,可以借此修改命名。


三.如何配置动态网络

 

没有分配ip的服务器,怎么做这个动态ip的实验

实验1:

1.先下载软件的安装包
lftp 172.25.254.250  ##连接有资源的主机
lftp 172.25.254.250:/> cd pub/rhel7.0/
cd ok, cwd=/pub/rhel7.0
lftp 172.25.254.250:/pub/rhel7.0> cd Packages/
cd ok, cwd=/pub/rhel7.0/Packages
lftp 172.25.254.250:/pub/rhel7.0/Packages> get dhcp-4.2.5-27.el7.x86_64.rpm##(rpm类似于windows里的exe)
518440 bytes transferred
lftp 172.25.254.250:/pub/rhel7.0/Packages> quit  ##离开商店

此时桌面上应下载出一个文件包

2.将此文件包scp拷贝到虚拟机server中,切换到超级用户双击进行安装

3.安装之后cd /etc/dhcp/查看有哪些文件
dhclient.d dhcpd6.conf dhcpd.conf
4.编辑dhcp.conf文件,文件内没有内容,将模板拷贝到原位置并确认将原文件覆盖
cp /usr/share/doc/dhcp*/dhcpd.conf.example /etc/dhcp/dhcpd.conf
5.继续编辑dhcpd.conf文件
    7   option domain-name “dai.com”;                           ##本服务器的域名为dai.com
    8 option domain-name-servers 172.25.254.200;     ##域名解析服务器地址172.25.254.200
 
    27 subnet10.152.187.0 netmask 255.255.255.0{}  ##将本行注释掉,这是多多余的网络配置

    32 subnet 172.25.254.0 netmask 255.255.255.0 {   ##设置网络位为172.25.254
    33 range 172.25.254.162 172.25.254.200;               ##设置分发的ip地址范围为172.25.254.162到172.25.254.200
    34 option routers 172.25.254.200;                                ##设置网关为172.25.254.200
    35 }

    此后的内容全部删除,不需要。
    退出保存


6.systemctl restart dhcpd  ##重启dhcpd服务

7.关闭本机的防火墙

检测:
1.再打开一个虚拟机desktop,配置网络环境
将原来的网络配置删除,新建一个动态网络配置
有两种方法
1)命令方式
cd /etc/sysconfig/network-scripts
ls 查看文件,此时eth0的文件不存在,已经被删除
vim ifcfg-eth0                     ##在这个路径新建动态网络配置文件
编辑内容如下:
DEVICE=eth0                   ##网卡名称是eth0
ONBOOT=yes                   ##设置网络启动后服务自动开启
BOOTPROTO=dhcp        ##设置此网络为动态的
退出保存
systemctl restart network ##重启网络服务

2)图形方式
     nm-connection-editor
     选择DHCP网络进行新建

获得动态ip 172.25.254.162
2.在desktop中检测
> /var/log/messages                                      ##清空日志
systemct restart network                               ##重启网络服务
cat /var/log/messages                                   ##查看日志
日志中会出现分发ip的服务器地址


3.在server中检测
cat /var/lib/dhcpd/dhcpd.leases                    ##查看哪个ip被别的主机使用
可以找到得到desktop IP分配的server的机器号。

!!!!!!!!!!!!
企业中是不需要自己配置服务器的,可以直接申请动态网络ip地址。

 

Linux网络配置个人总结 目录 一、查看网络配置 1.1查看所有活动的网络接口信息 1.2查看指定网络接口信息 1.3常见的几种网络接口 1.4补充知识 1.5查看主机名称 1.6查看主机中路由表信息 1.7查看网络连接情况 1.8查看系统的网络连接情况,获取socket统计信息 二、测试网络是否连接 2.1ping命令--测试网络连通性 2.2ping不通的两种情况 三、跟踪数据包 四、域名解析 五、设置网络参数的方式 5.1临时配置--使用命令调整网络参数 5.2固定设置--通过配置文件修改网络 阅读详情

相关推荐

Linux网络配置(Linux Network Configuration)

在 Linux 操作系统中,相当一部分网络服务都会通过主机名来识别主机,如果主机名配置不当,可能会导致程序功能出现故障,本章详细介绍网络配置方法。

Linux运维老纪的博客 2625

Linux网络设置

查看及测试网络配置是管理 Linux 网络服务的第一步,本节将学习 Linux 操作系统中的 网络查看及测试命令。其中讲解的大多数命令以普通用户权限就可以完成操作,但普通用户 在执行/sbin/目录中的命令时需要指定命令文件的绝对路径。

henanchenxuyuan的博客 4638

Latex里面关于作者名字显示有灰色; 二级+三级标题斜体;

Latex里面关于 作者名字显示有灰色; 二级+三级标题斜体,与正文的距离; 邮箱字体;ORCID字体设置(整理不易,请先关注,Thanks)

m0_61015717的博客 747

Linux:网络设置

网卡名称:DEVICE=ens33 开机是否启动:ONBOOT=yes 网卡配置方式:静态:BOOTPROTO=static dhcp为动态 IP地址:IPADDR=20.0.0.70 子网掩码:NETMASK=255.255.255.0 网关:GATEWAY=20.0.0.2 dns解析地址:DNS1=114.114.114.114。iotop :动态监控进程占用磁盘的读写情况,也是第三方软件,要先安装epel源然后下载才能使用 yum -y install iotop。涉及到所有全局操作的谨慎使用。

m0_70893463的博客 774

STM32驱动MG996R舵机的PWM控制与闭环原理

舵机是一种典型的模拟闭环伺服系统,其核心是通过电位器反馈实现角度位置的自动校正。工作原理基于负反馈控制:目标PWM脉宽决定期望角度,电位器输出实时反馈实际角度,控制电路计算偏差并驱动电机消除误差。该机制赋予舵机强带载能力与抗干扰性,是机器人、云台、智能执行器等场景的关键执行单元。在嵌入式开发中,STM32通过定时器生成标准20ms周期、0.5–2.5ms脉宽的PWM信号,需严格遵循电气规范,并解决PA15引脚SWJ复用冲突、定时器重映射及CCR精度计算等关键问题。本文深入解析MG996R舵机控制全流程,涵盖

weixin_42600407的博客 567

接口自动化测试如何做?测试老鸟总结,接口测试数据构造大全......

接口参数的数据获取:接口文档:接口文档通常会包含接口需要的请求参数和返回结果的格式、类型等信息;测试用例设计:根据测试用例设计的需求,可以确定需要哪些请求参数以及期望的响应结果;业务数据:从实际业务场景中获取数据,以确保测试数据的真实性和代表性;数据库:从数据库中获取数据,作为接口测试的输入参数;随机数据生成器:通过随机数据生成器生成测试数据,以增加测试用例的多样性和覆盖率。在选择数据来源时,需要根据具体情况进行选择。如果有可靠的接口文档,可以直接从文档中获取请求参数和预期结果;

801

Linux 网络设置

请求和响应超出了服务器本身的处理范围,就会造成网络波动、网络崩溃。

Breeze_nebula的博客 4722

BurpSuite实战:5分钟搞定Pikachu靶场表单爆破(附最新字典配置技巧)

本文通过Pikachu靶场实战,详细演示了如何使用BurpSuite的Intruder模块对Web登录表单进行暴力破解。从代理配置、请求捕获、集束炸弹模式设置,到载荷配置与结果分析,提供了完整的操作流程。文中还分享了2024年有效的字典获取与优化技巧,帮助安全测试人员快速定位弱口令漏洞。

weixin_29327977的博客 602

Linux的网络设置

介绍查看网络信息,如何修改网络信息,以及网络中路由器中的路由表如何配置。

种一颗树最好的时间是十年前,其次是现在! 1万+

机器视觉工程师如何进行高速运动物体捕获

硬件方面使用高帧率相机(如工业相机、高速摄像机)确保充足的光照条件使用高性能计算平台减少处理延迟软件方面背景减除技术快速分离运动物体卡尔曼滤波预测物体轨迹ROI技术减少计算量多线程处理提高实时性实际应用中的关键考量针对特定场景调整参数(如阈值、滤波器参数等)平衡计算资源与实时性要求结合特定领域知识优化算法(如物体运动特性)上述示例代码实现了一个基础的高速物体跟踪系统,通过背景减除和卡尔曼滤波实现对高速物体的检测和跟踪。

zhangzhechun_02的博客 626

Unity之OpenXR+XR Interaction Toolkit接入HTC Vive

目前VR领域,最流行的设备要当属HTC VIVE了。以前在Unity端接入HTC VIVE设备时,都是通过SteamVR+VRTK来接入的。但是随着Unity的版本升级和OpenXR标准的流行,再加上VR设备的逐渐增多。SteamVR+VRTK的方式已经无法更好的满足大家的需求。

TxNet 4142

linux网络配置

目录 一、查看网络配置 1、ifconfig---查看指定网络接口信息 2、hostname---查看主机名称 2.1 查看主机名 2.2 修改主机名 3、route---查看路由表条目 4、netstat---查看网络连接情况 5、ss---查看网络连接情况,获取socket统计信息 6、ping---测试网络连通性(icmp协议) 7、traceroute---跟踪数据包 8、nslookup---域名解析 9、设置网络接口参数ifconfig 10、本地主机映射文件 二、设置网络参数的方式 1、临时

abjava1的博客 1万+

Qt 【window udp 高频采集丢包问题】

使用Asio + 无锁队列或者环形缓存区方案可以解决 qt udp 在window平台高速采集 (128k)丢包问题。

weixin_45397344的博客 178

【Linux】网络配置

目录 网络配置 yum install tree 安装和tree显示 Linux网络配置原理图 查看ip和网关 ipconfig查看windows网络配置 ifconfig查看Linux网络配置 ping测试主机之间网络连通性 Linux网络环境配置 第一种方式(自动获取) 第二种方法(指定ip) ens33各参数说明 nmtui修改主机名 hostname查看主机名 修改/etc/hostname文件修改主机名 设置host映射(ip和主机名对应) 主机名解析.......

weixin_60719453的博客 1万+

MATLAB R2023a下载链接及软件安装教程

MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完成相同的事情简捷得多,并且MATLAB也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。a是上半年,b是下半年版本,但是有些小弱们总是觉得只要是b一定功能多,这不一定的,同年版本b比a可能稍微全点,不同年的,比如21b,22a,肯定22a要比21b版本高功能多了。10、选择目标文件夹,默认的是C盘,想修改的话可以单击【浏览】,然后单击【下一步】

qq_53545309的博客 5170

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Linux网络配置(超详细)

netstat命令用于显示与IP、TCP、UDP和ICMP协议相关的统计数据,一般用于检验本机各端口的网络连接情况。netstat是在内核中访问网络及相关信息的程序,它能提供TCP连接,TCP和UDP监听,进程内存管理的相关报告。

翡翠泪滴的博客 3万+

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

Linux网络配置

【1】网络配置 【2】设置固定IP 【3】设置动态IP(自动获取IP) 【4】重新加载网络配置和重启网络服务 【5】测试网络是否连通 【6】查看指定的网址的IP地址 【7】重启 DNS 服务 【8】查看或修改网络接口配置信息:(ifconfig) 【9】启停指定的网络接口(网卡) 【10】指定默认网关【开发板连接外网】

Qt历险记,专注Qt技术,三年医疗设备研发经验,1年机器视觉研发经验,半年柔性传感研发经验。 3600

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Linux的网络配置

DHCP INFORM:客户端到服务器,客户端如果需要从DHCP服务器端获取更为单ffl的配置信息,则 发送Inform报文向服务器进行请求,极少用到。类型为以太网,“s”表示热插拔插槽上的设备(hot-plug Slot),数字“33”表示插槽 编号。在不带任何选项和参数执行 ifconfig 命令时, 将显示当前主机中已启用(活动)的网络接口信息。ping 是工作时常用的命令,用于检测网络的连通 (使用的是 ICMP协议)“ens33”中的“en”是“EtherNet”的缩写,表示网卡。

akk_dian的博客 3119

Linux 网络配置

2,每行:关键字+配置信息。3,

打好基础,突破瓶颈 1673

【LINUX7】网络配置

1、Linux网络配置原理图(含虚拟机) 通过NAT网络模式下进行连接 windows的虚拟网卡和linux的形成自网络进行通信,而windows的真实网卡与整个网络与外界通信,而教师网络与网关交互与Internet相连通信 windows 至少存在2块网卡 2、查看网络IP和网关 1)查看linux的虚拟网络编辑器(且可进行修改IP) 查看->虚拟网络编辑器进行查看 这里的IP指的是虚拟...

qq_40836224的博客 304
上一篇: linux下的日志管理
下一篇: Linux的网关,DNS,管理网络的命令nmcli
daizheng12345
博客等级 码龄8年 24粉丝 64原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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