Shell脚本单实例运行|学习笔记

简介: 快速学习Shell脚本单实例运行

开发者学堂课程【Shell 脚本进阶:Shell脚本单实例运行】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/799


Shell脚本单实例运行

目录:

一、单实例运行的背景

二、使用锁文件实现

三、flock命令介绍

一、单实例运行的背景

1、背景:计划任务定时执行的shell脚本,当脚本的运行时间可能会超过计划任务的时间间隔时,系统中就会出现多个shell脚本的运行实例。

2、场景:尤其是当脚本涉及到文件读写、数据库操作等任务时需要注意这种情况。

3、单实例:使得shell脚本运行的实例个数不超过一个,确保脚本中命令执行的安全性。

4、思路: shell脚本执行时,先检测当前脚本是否已有实例正在运行,若有则退出。

二、使用锁文件实现单实例运行

(一)错误示范:通过查询进程名来判断脚本是否在运行

(二)正确示范:通过锁文件来判断

1、若锁文件存在且文件中的进程在运行,退出

2、将当前程序进程号写入锁文忤

3、开始执行脚本的志体功能

4、结束时删除锁文件,并用trap命令保证

image.png

image.png

(三)缺点:

1、Linux 系统中的进程pid号可能会被复用

2、可能会存在极小概率的异常情况

三、flock命令介绍

1、Linux操作系统的文件锁机制

相关命令: flock

flock [-sxun][-w #] fd#

flock [-sxon][-w #] file [-c] command...

-s,--shared :获取-个共享锁,或者称为读锁

-x,--exclusive :获取一个排它锁,或称为写锁,为默认项

-u,--unlock:删除-个锁,通常是不需要的,因为在文件关闭时锁会自动删除

-n,--nonblock:非阻模式,当快取锁失败时,直接返回1而不是继续等待

-w,--timeout seconds :设置阻塞超时,没有立即获得锁,等待设置的秒数

-0,--close :表示执行命令前关闭锁的文件描述符,使命令的子进程不保持非常适用于crontab的场景中

***** flock -n /tmp/scipt_ name.lock -C "bash

-c,--command :在shell中运行单独的命令

script.sn

示例:

image.png

image.pngimage.jpeg

相关文章
|
4天前
|
存储 人工智能 安全
AI 越智能,数据越危险?
阿里云提供AI全栈安全能力,为客户构建全链路数据保护体系,让企业敢用、能用、放心用
|
7天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
6天前
|
数据采集 人工智能 自然语言处理
3分钟采集134篇AI文章!深度解析如何通过云无影AgentBay实现25倍并发 + LlamaIndex智能推荐
结合阿里云无影 AgentBay 云端并发采集与 LlamaIndex 智能分析,3分钟高效抓取134篇 AI Agent 文章,实现 AI 推荐、智能问答与知识沉淀,打造从数据获取到价值提炼的完整闭环。
404 93
|
6天前
|
SQL 人工智能 自然语言处理
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
随着生成式AI的普及,Geo优化(Generative Engine Optimization)已成为企业获客的新战场。然而,缺乏标准化流程(Geo优化sop)导致优化效果参差不齐。本文将深入探讨Geo专家于磊老师提出的“人性化Geo”优化体系,并展示Geo优化sop标准化如何帮助企业实现获客效率提升46%的惊人效果,为企业在AI时代构建稳定的流量护城河。
399 156
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
|
6天前
|
数据采集 缓存 数据可视化
Android 无侵入式数据采集:从手动埋点到字节码插桩的演进之路
本文深入探讨Android无侵入式埋点技术,通过AOP与字节码插桩(如ASM)实现数据采集自动化,彻底解耦业务代码与埋点逻辑。涵盖页面浏览、点击事件自动追踪及注解驱动的半自动化方案,提升数据质量与研发效率,助力团队迈向高效、稳定的智能化埋点体系。(238字)
291 158
|
14天前
|
机器人 API 调度
基于 DMS Dify+Notebook+Airflow 实现 Agent 的一站式开发
本文提出“DMS Dify + Notebook + Airflow”三位一体架构,解决 Dify 在代码执行与定时调度上的局限。通过 Notebook 扩展 Python 环境,Airflow实现任务调度,构建可扩展、可运维的企业级智能 Agent 系统,提升大模型应用的工程化能力。