后台执行命令的工具screen

简介:

#安装screen工具

yum install screen


#新建立一个screen窗口,名称是yourname。建议起名时候注意与其内部执行的任务的关联性,以便以后能想起来干了些什么

screen -S yourname


#退出窗口(类似于最小化窗口)但不关闭窗口,如果每个窗口固定干某项任务,当然要换到其他窗口干别的。方法是按住ctrl键然后按一下a(同windows全选快捷键ctrl+a的操作方法),松开ctrl和a键后,按一下d


#查看一共有哪些screen窗口,Detached状态表示此窗口没有被显示,Attached状态表示此窗口正被显示

screen -ls


#切换回yourname这个窗口,之前比如下载了很大的文件,没有下完,就还能看到正在下。切换时使用yourname这个窗口的id,比如11987.yourname当然使用yourname也可以切换过去,不过如果窗口名字很短,又没有重名的情况还是用窗口名比较方便

screen -r 11987

screen -r yourname


#停止、关闭窗口。可能还有更好的方法,我暂时还没用到。我所知道的是先screen -r切换到想要停止的那个窗口,先ctrl+a,松开,然后按一下k或者\ 屏幕下方会提示是否真的关闭,按y就关闭了


#一个窗口可以再建很多子窗口,切换到下一个子窗口的方法是ctrl+a,松开,然后按一下n


#有时候一台机器上有其他用户attached某个窗口,此时你无法用screen -r 进程号/窗口名 激活该窗口,就需要先screen -d 进程号/窗口名把那个attached状态的detached一下,再screen -r attach上去看


#如果要建立很多窗口和子窗口,容易晕。所以窗口名字就变得尤其重要了……ctrl+a再按A输入窗口名,ctrl+a再按w查看窗口名


#如果想两个人共同观看、操作同个窗口,比如不使用screen -d 窗口名的方法detach一个窗口,就执行screen -x 窗口名直接连上去看。用screen -d会让所有attach在那窗口的人detach到外面来,所以退出的方法是ctrl+a后按d


我没有特别频繁使用,只有一些特殊情况,需要挂机或者怕中断的任务,才用screen用完就立即kill掉,所以很多高级用法还没有用到。我相信如果用得很频繁,比如断电、电脑经常蓝屏等特殊情况,还是必须选择一款screen或同类软件的。我听说tmux是比screen更高级更好用的工具



本文转自 朱科强 51CTO博客,原文链接:http://blog.51cto.com/zhukeqiang/1662885,如需转载请自行联系原作者

相关文章
|
JSON 小程序 前端开发
微信小程序进阶——Flex弹性布局&轮播图&会议OA项目(首页)
微信小程序进阶——Flex弹性布局&轮播图&会议OA项目(首页)
277 0
|
设计模式 Java 关系型数据库
设计模式——工厂模式
工厂模式介绍、静态简单工厂模式、工厂方法模式、抽象工厂模式、JDK 源码分析
设计模式——工厂模式
|
安全 数据安全/隐私保护
Springboot+Spring security +jwt认证+动态授权
Springboot+Spring security +jwt认证+动态授权
381 0
|
前端开发 测试技术 对象存储
Grafana Loki查询加速:如何在不添加资源的前提下提升查询速度
Grafana Loki查询加速:如何在不添加资源的前提下提升查询速度
411 59
|
12月前
|
Ubuntu Linux Shell
10-21|在linux我如果修改了时间,什么命令可以恢复正确啊
10-21|在linux我如果修改了时间,什么命令可以恢复正确啊
|
6月前
|
存储 人工智能 运维
少年云亮相联合国教科文组织,已向偏远地区捐赠200多所AI云教室
少年云亮相联合国教科文组织,已向偏远地区捐赠200多所AI云教室
|
机器学习/深度学习 Linux Python
01-Python详细安装教程(大妈看了都会)
01-Python详细安装教程(大妈看了都会)
627 0
|
11月前
|
算法 数据安全/隐私保护
星座图整形技术在光纤通信中的matlab性能仿真,分别对比标准QAM,概率整形QAM以及几何整形QAM
本文介绍了现代光纤通信系统中的星座图整形技术,包括标准QAM、概率整形QAM和几何整形QAM三种方法,并对比了它们的原理及优缺点。MATLAB 2022a仿真结果显示了不同技术的效果。标准QAM实现简单但效率有限;概率整形QAM通过非均匀符号分布提高传输效率;几何整形QAM优化星座点布局,增强抗干扰能力。附带的核心程序代码展示了GMI计算过程。
559 0
|
数据采集 机器学习/深度学习
谷歌创新框架:从非结构化数据,实现多模态学习
【6月更文挑战第13天】谷歌推出LANISTR框架,旨在多模态学习中整合非结构化数据,如语言、图像和结构化数据。通过掩码技术和多模态编码器,学习统一的多模态表示,擅长处理缺失模态数据,具备强泛化能力。然而,大规模预训练需大量资源,性能依赖数据质量,且解释性和可控性尚待改善。[论文链接](https://arxiv.org/pdf/2305.16556)
194 1
|
机器学习/深度学习 Web App开发 算法
Python 机器学习算法交易实用指南(一)(5)
Python 机器学习算法交易实用指南(一)
424 2