站长工具

SRE方法论之拥抱风险

作者：busijo

一、系统不可能100%可靠

系统不可能100%可靠，人都不可能100%健康，更何况我们人类创造的系统？所以，任何软件系统都不应该一味地追求 100%可靠。事实证明，可靠性超过一定值后，再提高可靠性对于一项服务来说，结果可能会更差而不是更好！极端的可靠性会带来成本的大幅提升：比如过分追求稳定性限制了新功能的开发速度和产品交付速度，并且很大程度地增加了投资成本和运维成本。

二、管理风险

不可靠的系统会影响产品的信誉，虽然系统不可能100%可靠，但我们也要减少系统出故障的几率。然而，经验表明，可靠性进一步提升的成本并不是线性增加的：可靠性的下一个改进可能比之前的改进成本增加100倍。基于以上矛盾点，SRE的做法是管理风险，目标是：我们会努力提高一项服务的可靠性，但不会超过该服务需要的可靠性。管理风险旨在寻求快速创新和系统可靠性的平衡，而不是简单地将可靠性最大化。

三、度量风险

SRE的做法是通过一个客观的指标来体现一个系统的可靠性（或者是风险）。对于大多数服务而言，最直接的能够代表风险承受能力的指标就是对于计划外停机时间的可接受水平。对于系统而言，这个指标通常是基于系统正常运行时间比例的计算得出的。

可用性=系统正常运行时间/（系统正常运行时间+停机时间）

使用这个公式，我们可以计算出一年内可接受的停机时间，从而可以使可用性达到预期目标。举例来说，一个可用性目标为99.99%的系统最多在一年中停机52.56分钟，就可以达到预计的可用性目标。当然，并不是所有的系统或者组件适用于这个公式，比如也可以通过请求成功率来定义服务可用性，具体如何度量还要结合实际情况灵活应对。

四、确定服务可靠性目标

如果 100% 不是一个正确的可靠性目标，那么多少才是呢?这其实并不是一个技术问题而是一个产品问题。要回答这个问题，必须考虑以下几个方面:

  • 基于用户的使用习惯，服务可靠性要达到什么程度用户才会满意?
  • 如果这项服务的可靠程度不够，用户是否有其他的替代选择?
  • 服务的可靠程度是否会影响用户对这项服务的使用模式?

为了建立起一个合理的可靠性目标，SRE必须与产品负责人一起努力，将一组商业目标转化为明确的可以实现的工程目标。在实践中，这种转化说起来容易做起来难，SAAS层软件和IAAS层基础设施转化的方式又各不相同。

五、错误预算

SRE和产品负责人必须对每个系统建立起一个合理的可靠性目标。一旦建立，“错误预算”就是“1-可靠性目标”。如果一个服务的可靠性目标是99.99%,那么错误预算就是0.01%，这意味着产品研发部门和SRE部门可以在这个范围内将这个预算用于新功能上线或者产品的创新等任何事情。

错误预算可以用于什么范畴呢?研发团队需要用这个预算上线新功能，吸引新用户。理想情况下，我们应该使用错误预算来最大化新功能上线的速度，同时保障服务质量。这个基本模型建立起来之后，许多常见的战术策略，例如灰度发布、AB测试等手段就全说得通了。这些战术性手段都是为了更合理地使用整个服务的错误预算。

SRE通过引进“错误预算”的概念，解决了研发团队和 SRE 团队之间的组织架构冲突。SRE 团队的目标不再是“零事故运行”，SRE团队和产品研发团队目标一致，都是在保障业务服务可靠性需求的同时尽可能地加快功能上线速度。这个改动虽小，意义却很大。一次“生产事故”不再是一件坏事，而仅仅是创新流程中一个不可避免的环节，两个团队通过协作共同管理它。

本文转载于网络 如有侵权请联系删除

相关文章

  • java集合【6.1】-- Collection和Collections的区别？

    刚开始学java的时候，分不清Collection和Collections，其实这两个东西是完全不一样的东西。Collection是一个接口，是java集合中的顶级接口之一，衍生出了java集合的庞大的体系。下面的图可以说明：继承Collection的子类关系如下：既然Collection是接口，那么它本身就是不可以实例化的，它的子类或者实现类是可以的。【java集合梳理】—Collection接口详解而Collections则是工具类，是java集合中常用的方法的一个小小汇总，覆盖了排序，搜索，线程安全之类的一些算法，里面基本都是静态方法，可以直接用类名调用。具体源码解析看这个：【java集合梳理】—Collections接口源码解析两个东西相同之处，大概是都是和集合相关的，而Collections感觉名字起得不太好，应该改成CollectionUtils，一目了然???（开个玩笑）【作者简介】：秦怀，公众号【秦怀杂货店】作者，技术之路不在一时，山高水长，纵使缓慢，驰而不息。这个世界希望一切都很快，更快，但是我希望自己能走好每一步，写好每一篇文章，期待和你们一起交流。此文章仅代表自己

  • LeetCode49|搜索旋转排序数组

    1,问题简述 假设按照升序排序的数组在预先未知的某个点上进行了旋转。(例如，数组[0,1,2,4,5,6,7]可能变为[4,5,6,7,0,1,2])。搜索一个给定的目标值，如果数组中存在这个目标值，则返回它的索引，否则返回-1。你可以假设数组中不存在重复的元素。你的算法时间复杂度必须是O(logn)级别。2，示例示例1: 输入:nums=[4,5,6,7,0,1,2],target=0 输出:4 示例2: 输入:nums=[4,5,6,7,0,1,2],target=3 输出:-1 复制3，题解思路 键值对集合的使用 4，题解程序importjava.util.HashMap; importjava.util.Map; importjava.util.Optional; importjava.util.stream.IntStream; publicclassSearchTest{ publicstaticvoidmain(String[]args){ int[]nums={4,5,6,7,0,1,2}; inttarget=0; intsearch=search3(nums,ta

  • 【Pre-Training】GPT-2：四只角的独角兽

    今天阅读的是OpenAI的同学于2019年发表的论文《LanguageModelsareUnsupervisedMultitaskLearners》，目前具有300多引用量。在有了之前论文的基础后读这篇论文就比较简单了，论文介绍的是OpenAI对GPT的一个改进模型GPT-2，其模型结构与GPT相比几乎没有什么变化，只是让模型变得更大更宽，并且取消了Fine-tuning的步骤。也就是说GPT-2采用了一阶段的模型（预训练）代替了二阶段的模型（预训练+微调），并且在语言模型（文本摘要等）相关领域取得了不错的效果。1.Introduction目前最好的NLP模型是结合无监督的Pre-training和监督学习的Fune-tuning，但这种方法的缺点是针对某特定任务需要不同类型标注好的训练数据。作者认为这是狭隘的专家而不是通才，因此作者希望能够通过无监督学习训练出一个可以应对多种任务的通用系统。作者认为目前的数据集往往都是针对某一特定任务，如QA领域的SQuAD2.0，机器翻译领域的NIST04和WMT2014En-2-Fr等。而正是因为数据集的单一导致系统缺乏泛化性。作者想通过尽可能地

  • Django 系列博客（四）

    Django系列博客（四）前言本篇博客介绍django如何和数据库进行交互并且通过model进行数据的增删查改ORM简介ORM全称是：ObjectRelationalMapping(对象关系映射)，其主要作用是在编程中，把面向对象的概念跟数据库中表的概念对应起来。举例来说就是，我定义一个对象，那就对应着一张表，这个对象的实例，就对应着表中的一条记录。比如在大名鼎鼎的pythonWEB框架Django就是使用了对象关系映射，这个对应Django中的model文件。fromdjango.dbimportmodels #Createyourmodelshere. classUserInfo(models.Model): id=models.AutoField(primary_key=True) name=models.CharField(max_length=32) pwd=models.CharField(max_length=32)复制通过对象关系映射，这个类就会对应数据库中的UserInfo表，里面有三个字段，id为自增并且为主键，另外两个为name和pwd字段，都是可变长类型。通

  • 强化学习读书笔记（3）| 有限马尔科夫决策过程（Finite Markov Decision Processes）

    , 本章我们介绍有限马尔科夫决策过程(FiniteMDPs），这个问题和赌博机一样涉及到评估的反馈，但这里还多了一个方面——在不同的情况做出不同的选择。MDPs是经典的序列判定决策模型，也就是说，不是做出一个选择就会马上获得reward。这与赌博机不同，赌博机只要摇一次臂即可立刻获得reward，而MDPs就像下象棋，只有结束了对局才会获得reward，但下象棋从开始到结束涉及到很多个行动，也就是要做出很多次选择才最终到对局结束。因此说MDPs的奖励是延迟的，同时MDPs还有一个即时的权值用来帮助当前决策。在赌博机情景中，我们对每一个行为a做出评估值q(a)，而在MDPs情境中，我们则需要对行为a和状态s做出评估q(s,a)，也可以估计每个给定最佳动作选择的状态的v(s)值。MDPs有严格的数学模型，我们将介绍它的关键概念比如返回值，值函数以及贝尔曼等式，我们想通过应用来传递有限马尔科夫的结构，像所有人工智能一样，都有其应用的范围。一、Agent–Environment交互我们把能够学习且做决策的对象称为agent，比如在无人驾驶中，车就是agent。提供给agent学习和交互的地方就

  • 中国人霸榜 GitHub Trending，国外开发者很无奈

    声明：公众号头条文章，为技术相关文章公众号二条文章，为小说/广告内容自己选择阅读，不喜勿喷收益甚微，只为将分享继续下去目前对非盈利项目，无私支持的企业几乎没有，实属无奈特此希望，乐于分享的个人坚持下去如果你经常浏览GitHubTrending榜单，你就会知道，中文项目、拼音项目有多少。GitHubTrending页面是快速找到有趣新项目的地方，对于开发者来说，也可以在这里为自己的项目获得更多关注。但近年来越来越多的中国项目霸榜GitHubTrending，引起了一些国外开发者的抱怨和不满，本篇文章的主人公就是这样一个心情复杂的代表。本文主人公BalazsSaros是一位坐标匈牙利布达佩斯的开发者，7月16日，他在自己的博客上发表了一篇名为“ChinesereposareruiningtheGithubTrendingpage”的文章，标题直指中文项目破坏了GitHubTrending的页面。文章开头Balazs写了份免责声明：我并不反对外国repo，我认为非英语国家的人们在热门页面当中占有一席之地是GitHub运行活跃度的良好体现。我本人的母语同样并非英语，在刚刚进行贡献时也会使用自己

  • TASK 6 resnet

    CNN14.ResidualNetworks(ResNets)1.梯度弥散与梯度爆炸1.1梯度消失(梯度弥散,vanishinggradient)与梯度爆炸(explodinggradient)参考深度神经网络中的梯度丢失和梯度爆炸1.1.1梯度不稳定梯度丢失和梯度爆炸统称为梯度不稳定。它们产生的原因是类似的。为了说明梯度丢失是如何产生的，我们将把问题简化，以链式法则为例来进行说明。 1.1.2简化问题——链式法则让我们考虑下面这个简单的深度神经网络，它的每一层都只包含一个神经元，一共有三个隐藏层：这个等式也反映了反向传播的工作模式：它从输出层开始，逐层计算偏导数，直到输入层为止。然后，利用这些计算出来的偏导数，更新对应的权重和偏置，从而达到反向传播的目的。 但是，我们发现，随着层数的加深，梯度的计算公式会依赖于越来越多每一层的参数，这些参数的影响层层累加，最终就导致了梯度爆炸与梯度消失。1.1.3梯度消失(即梯度弥散,vanishinggradient)Sigmoid函数常常会引发梯度不稳定问题，所以我们以此为研究对象。 它的图像如下：它的导函数图像如下：该函数的导数最大值为0.25

  • 理解 React Hooks

    上周，SophieAlpert和DanAbramov在ReactConf2018中提出了hooks这个概念，让我们一起来看看Hooks在解决一个什么问题。TL;DR一句话总结ReactHooks就是在react函数组件中，也可以使用类组件（classescomponents）的state和组件生命周期，而不需要在mixin、函数组件、HOC组件和renderprops之间来回切换，使得函数组件的功能更加实在，更加方便我们在业务中实现业务逻辑代码的分离和组件的复用。本文将从以下几个方面介绍hooksHooks在解决什么问题 Hooks的api介绍和如何使用hooks Hooks是怎么实现的?Hooks在解决什么问题React一直在解决一个问题，如何实现分离业务逻辑代码，实现组件内部相关业务逻辑的复用。一般情况下，我们都是通过组件和自上而下传递的数据流将我们页面上的大型UI组织成为独立的小型UI，实现组件的重用。但是我们经常遇到很难侵入一个复杂的组件中实现重用，因为组件的逻辑是有状态的，无法提取到函数组件当中。这在处理动画和表单的时候，尤其常见，当我们在组件中连接外部的数据源，然后希望在组

  • Java 面试知识点解析(七)——Web篇

    前言：在遨游了一番JavaWeb的世界之后，发现了自己的一些缺失，所以就着一篇深度好文：知名互联网公司校招Java开发岗面试知识点解析，来好好的对Java知识点进行复习和学习一番，大部分内容参照自这一篇文章，有一些自己补充的，也算是重新学习一下Java吧。前序文章链接：Java面试知识点解析(一)——基础知识篇Java面试知识点解析(二)——高并发编程篇Java面试知识点解析(三)——JVM篇Java面试知识点解析(四)——版本特性篇Java面试知识点解析(五)——网络协议篇Java面试知识点解析(六)——数据库篇（一）J2EE相关知识点不涉及任何框架，对J2EE相关知识点的解析1）Servlet的生命周期？在Web容器中，Servlet主要经历4个阶段，如下图：1.加载Servlet：当Tomcat第一次访问Servlet的时候，Tomcat会负责创建Servlet的实例。2.初始化Servlet：当Servlet被实例化之后，Tomcat会调用init()方法来初始化这个对象。3.处理服务：当浏览器访问Servlet的时候，Servlet会调用service()方法处理请求。4.销

  • 安全漏洞公告

    ApacheRollerOGNL表达式注入远程代码执行漏洞发布时间：2013-11-27漏洞编号：BUGTRAQID:63928CVE(CAN)ID:CVE-2013-4212漏洞描述：ApacheRoller是适合于博客站点的多用户博客群服务器。ApacheRoller5.0.2之前版本在实现上存在OGNL注入漏洞，因为使用ActionSupport.getText方法的方式不正确，所有UIAction控制器中存在OGNL注入，远程攻击者可利用此漏洞控制服务器端对象并在受影响应用中执行任意代码。安全建议：目前厂商已经发布了升级补丁以修复这个安全问题，请到厂商的主页下载：http://httpd.apache.org/ApacheSolr'SolrResourceLoader'目录遍历漏洞发布时间：2013-11-28漏洞编号：CVEID:CVE-2013-6397BUGTRAQID:63935漏洞描述：ApacheSolr是一个开源的搜索服务器。Solr使用Java语言开发，主要基于HTTP和ApacheLucene实现。ApacheSolr'SolrR

  • Dubbo-SPI机制

    前言 SPI全称为ServiceProviderInterface,是Java提供的一种服务发现机制。SPI的本质是将接口实现类的全限定名配置在文件中，并由服务加载器读取配置文件，加载实现类。这样可以在运行时，动态为接口替换实现类。正因此特性，我们可以很容易的通过SPI机制为我们的程序提供拓展功能。今天文章就从JavaSPI到Dubbo的SPI，让我们看看Dubbo做了扩展。 JavaSPI 实现 定义一个接口和接口的实现； /** * 动物 * * @author wangtongzhou * @since 2022-06-12 11:26 */public interface Animal {    String getName();}/** * 猫 * * @author wangtongzhou * @sinc

  • 云锵投资 2022 年 4 月简报

    2022年4月云锵投资团队月报： 摘要 本月量化基金策略业绩：差； 本月量化股票策略业绩：差； （优良中差，表明全国排名四位分） 本月，大盘下跌-4.89%。各类指标指示，目前处于相对低点。是加仓的时点。股东可考虑最近额外加仓一定的资金；未来2-3年内，上涨的可能性远大于下跌；另，可留一定资金做另一手准备，如果未来继续下跌，则还可以继续加仓。 云锵投资概述 云锵量化投资包含量化投基、量化选股。 量化投基使用自动化程序进行量化选基。其中包含了多个策略。本集合投资目标是通过选择优质基金，来获取更高的Alpha。同时，根据量化指标进行部分仓位的择时操作。整体仓位会控制在5成到满仓之间。 量化投股使用多个量化投投策略混合投资。因子以质量、盈利、价值为主。每个策略有自身的量化选股方案、买入卖出方案、资金仓位管理方案。 1.云锵团队合伙投资 本月平均仓位保持100%，持续高仓位动作。 目前，上季末持有的标的数是：36只。 本月及历史的仓位、收益： 近两年的年度收益如下： 2.云锵私募基金 私募基金，于2020年3月18日在基金业协会备案完成并开始运作。本基金业绩比较基准是沪深300指数，主

  • [Z] 计算机类会议期刊根据引用数排名

    一位cornell的教授做的计算机类期刊会议依据MicrosoftResearch引用数的排名 link：http://www.cs.cornell.edu/andru/csconf.html Thefollowingarethejournalsandconferencesincomputersciencethathavepublishedatleast100papers(2003–2013),withatleast5citationsperpaperduringthepast10years.SourcedataobtainedfromMicrosoftAcademicSearch. [downloadtable]    AvgcitationsperpaperConference 1. 66.3 CSUR—ACMComputingSurveys 2. 53.5 SOSP—ACMSymposiumonOperatingSystemsPrinciples 3. 52.8 OSDI—OperatingSystemsDesignandImpleme

  • P3406 海底高铁

    题目背景 大东亚海底隧道连接着厦门、新北、博艾、那霸、鹿儿岛等城市，横穿东海，耗资1000亿博艾元，历时15年，于公元2058年建成。凭借该隧道，从厦门可以乘坐火车直达台湾、博艾和日本，全程只需要4个小时。 题目描述 该铁路经过N个城市，每个城市都有一个站。不过，由于各个城市之间不能协调好，于是乘车每经过两个相邻的城市之间（方向不限），必须单独购买这一小段的车票。第i段铁路连接了城市i和城市i+1(1<=i<N)。如果搭乘的比较远，需要购买多张车票。第i段铁路购买纸质单程票需要Ai博艾元。 虽然一些事情没有协调好，各段铁路公司也为了方便乘客，推出了IC卡。对于第i段铁路，需要花Ci博艾元的工本费购买一张IC卡，然后乘坐这段铁路一次就只要扣Bi(Bi<Ai)元。IC卡可以提前购买，有钱就可以从网上买得到，而不需要亲自去对应的城市购买。工本费不能退，也不能购买车票。每张卡都可以充值任意数额。对于第i段铁路的IC卡，无法乘坐别的铁路的车。 Uim现在需要出差，要去M个城市，从城市P1出发分别按照P1,P2,P3...PM的顺序访问各个城市，可能会多次访问一个城市，且相

  • JDK的下载、安装及环境变量的配置

    官网下载JDK：www.oracle.com或者www.java.sun.com 安装JDK：双击运行下载的jdk-8u25-windows-i586.exe即可。假设安装目录为：D:\ProgramFiles(x86)\Java\jdk1.8.0_25 配置环境变量：针对win7系统  新建系统变量JAVA_HOME和CLASSPATH: 变量名：JAVA_HOME变量值：D:\ProgramFiles(x86)\Java\jdk1.8.0_25 变量名：CLASSPATH变量值：.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar; 编辑系统变量Path：在系统变量Path中添加%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin;  测试配置是否成功：DOS中输入javac，输出其帮助信息，说明配置正确。

  • nginx-限流

    限流算法 令牌桶算法 算法思想是： 令牌以固定速率产生，并缓存到令牌桶中； 令牌桶放满时，多余的令牌被丢弃； 请求要消耗等比例的令牌才能被处理； 令牌不够时，请求被缓存。 漏桶算法 算法思想是： 水（请求）从上方倒入水桶，从水桶下方流出（被处理）； 来不及流出的水存在水桶中（缓冲），以固定速率流出； 水桶满后水溢出（丢弃）。 这个算法的核心是：缓存请求、匀速处理、多余的请求直接丢弃。相比漏桶算法，令牌桶算法不同之处在于它不但有一只“桶”，还有个队列，这个桶是用来存放令牌的，队列才是用来存放请求的。 从作用上来说，漏桶和令牌桶算法最明显的区别就是是否允许突发流量(burst)的处理，漏桶算法能够强行限制数据的实时传输（处理）速率，对突发流量不做额外处理；而令牌桶算法能够在限制数据的平均传输速率的同时允许某种程度的突发传输。 Nginx按请求速率限速模块使用的是漏桶算法，即能够强行保证请求的实时处理速度不会超过设置的阈值。 Nginx官方版本限制IP的连接和并发分别有两个模块： limit_req_zone 用来限制单位时间内的请求数，即速率限制,采用的漏桶算法"

  • P4027 [NOI2007] 货币兑换

    [NOI2007]货币兑换 题目描述 小Y最近在一家金券交易所工作。该金券交易所只发行交易两种金券：A纪念券（以下简称A券）和B纪念券（以下简称B券）。每个持有金券的顾客都有一个自己的帐户。金券的数目可以是一个实数。 每天随着市场的起伏波动，两种金券都有自己当时的价值，即每一单位金券当天可以兑换的人民币数目。我们记录第\(K\)天中A券和B券的价值分别为\(A_K\)和\(B_K\)（元/单位金券）。 为了方便顾客，金券交易所提供了一种非常方便的交易方式：比例交易法。 比例交易法分为两个方面： a)卖出金券：顾客提供一个\([0,100]\)内的实数\(OP\)作为卖出比例，其意义为：将\(OP\%\)的A券和\(OP\%\)的B券以当时的价值兑换为人民币； b)买入金券：顾客支付\(IP\)元人民币，交易所将会兑换给用户总价值为\(IP\)的金券，并且，满足提供给顾客的A券和B券的比例在第\(K\)天恰好为\(\mathrm{Rate}_K\)； 例如，假定接下来\(3\)天内的\(A_K,B_K,\mathrm{Rate}_K\)的变化分别为： 时间 \(A_K\) \(B_

  • vue3 setup语法糖

    0.路由跳转 a.vue <scriptsetup> //引入路由 import{useRouter}from'vue-router' //定义路由 constrouter=useRouter() //编辑 leteditBtn=(info)=>{ router.push({ 　　path:'/detail.vue', 　　　　query:{ 　　　　name:info 　　　　} 　　}) } </script>复制 detail.vue <scriptsetup> import{reactive,ref,onMounted}from"vue"; //引入路由 import{useRoute}from'vue-router' //定义路由 constroute=useRoute() lettitle=ref('') onMounted(()=>{ title.value=route.query.name }) </script> <template> <div>ddd <div>{

  • 一道图片隐写题

    1题目 题目来源[1]。 学到的知识点： stegslove工具的使用 Pillow库的使用 collections库的使用 codemoji Encrypto 2分析 查看给的图片的基本信息，分辨率560*560，宽高各20个色块（每个色块28*28）。根据给的提示，“Gisthebest"， 于是想到了查看每个色块的G色道的值，这里用到了Python的Pillow库。 二重循环遍历整个图片的所有色块，取中间位置的G色道的值： lower=14 upper=560 step=int(560/20) forxinrange(lower,upper+1,step): foryinrange(lower,upper+1,step): List.append(picture[x,y][1]) 复制 将G色道的值转成ASCII码 tmp=[] foriteminList: tmp.append(chr(item).encode('utf-8').decode('gbk')) print(tmp) 复制 结果如下： 发现很多重复的字符，于是作者想到了统计字符频率，这个值得学习

  • JS 显示隐藏DIV

    JS关闭DIV HTML <divid="bar1"> <ponclick="removeElement('bar1')">关闭</p> </div> <divid="bar2"> <ponclick="removeElement('bar2')">关闭</p> </div> 复制 JS <scripttype="text/javascript"> functionremoveElement(id) { document.getElementById(id).style.display="none"; } </script> 复制 JS显示DIV <divonclick="showOtherDiv()"style="border:1pxsolid#fff">点击显示另一个div</div> <divid="otherDiv"style="display:none;border:1pxsolidred">点击后显示的div</d

  • day12（输出重定向）

    一：文件管理之-输出重定向 1.追加和覆盖 >   ：覆盖内容（肩括号） >>  ：追加内容（文件末尾追加，换行输入） 对文件内容进行置空： （1）echo''>1.txt （2）>1.txt#没有办法找回复制   二：标准输出 如何在脚本自动运行时候自动写入到规定的文件中，以便日后查看 Linux中： 标准输入：0-->>键盘 标准输出：1-->>显示器 标准错误输出：2-->>显示器复制 vwkjjhwvh2>>log #把vwkjjhwvh的错误提示写入到log #把正确的写入1文件把错误的写入2wsjckz1>>log12>>log2 例子： [root@localhost~]#skgvsgvh2>>1.txtxxx.sh2>>log#把脚本的报错写入到log [root@localhost~]#cat1.txt -bash:skgvsgvh:commandnotfound复制

相关推荐

推荐阅读