iptraf
发表于|更新于|Linux
|总字数:268|阅读时长:1分钟|浏览量:
iptraf
实时地监视网卡流量
补充说明
iptraf命令 可以实时地监视网卡流量,可以生成网络协议数据包信息、以太网信息、网络节点状态和ip校验和错误等信息。
语法
1 | iptraf(选项) |
选项
1 | -i网络接口:立即在指定网络接口上开启IP流量监视; |
文章作者: Estom
版权声明: 本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Estom的博客!
相关推荐

2020-01-04
3.4 排序算法-简单排序
排序算法0 比较排序算法分类比较排序(Comparison Sort)通过对数组中的元素进行比较来实现排序。 比较排序算法(Comparison Sorts) Category Name Best Average Worst Memory Stability 插入排序 (Insertion Sorts) 插入排序 (Insertion Sort) n n2 n2 1 Stable 希尔排序 (Shell Sort) n n log2 n n log2 n 1 Not Stable 交换排序 (Exchange Sorts ) 快速排序 (Quick Sort) n log n n log n n2 log n Not Stable 冒泡排序 (Bubble Sort) n ...

2020-07-21
7 内建对象
JavaScrip对象0 对象typeof在JavaScript一切皆对象。 使用typeof运算符获取对象类型。返回对象类型。 包装对象将基本类型转换为对象类型。 123var n = new Number(123); // 123,生成了新的包装类型var b = new Boolean(true); // true,生成了新的包装类型var s = new String('str'); // 'str',生成了新的包装类型 1 JavaScript内建对象Array对象Array 对象用于在变量中存储多个值 Boolean对象Boolean 对象用于转换一个不是 Boolean 类型的值转换为 Boolean 类型值 (true 或者false). Date对象Date 对象用于处理日期与时间。 Math对象Math 对象用于执行数学任务。 Number对象原始数值的包装对象 String对象处理文本字符串 RegExp对象正则表达式字符串的处理 全局属性、函数encode、decode系列数据类型转换系列 Error对象在错误发生时...

2022-01-06
0 图表示学习概述
图表示学习 论文阅读中的图表示学习 0 简介概念图表示学习,即图网络嵌入(Network Embedding)、图嵌入(Graph Embedding),用于得到网络中节点的低维、稠密、实值的向量表示,该向量表示形式在向量空间中具有表示以及推理的能力,可作为机器学习模型的输入,进而运用到网络问题领域下的常见任务中。 简单来说,就是将图转换成特征向量。 图表示学习,结合了图和表示学习领域相关的知识。希望通过神经网络能够自动抽取图中的特征。 应用 节点分类 链路预测 图分类 节点关系可视化 社交网络发现 图进化 目的图表示学习是表示学习技术的分支领域,表示学习的目的是要得到对数据的广义特征表示。 如邻接矩阵是对网络结构的表示,链表是对列表结构的表示,TFIDF 特征是对文本的特征表示。 向量表示可以通过多种手法得到,手法区分形式也不同 如最经典的以是否为监督学习进行区分, 是否以只进行局部表示学习而区分, 利用表示学习过程中所采用的方法是否为线性方法而区分。 而图表示学习则专注于对图网络的表示,如图 2-8 所示,它能够以更加直观、高效的方式还原原始空间中节点的关系。 分类...

2021-03-20
11
1.10. 决策树校验者: @文谊 @皮卡乒的皮卡乓 @Loopy翻译者: @I Remember Decision Trees (DTs) 是一种用来 classification 和 regression 的无参监督学习方法。其目的是创建一种模型从数据特征中学习简单的决策规则来预测一个目标变量的值。 例如,在下面的图片中,决策树通过if-then-else的决策规则来学习数据从而估测数一个正弦图像。决策树越深入,决策规则就越复杂并且对数据的拟合越好。 决策树的优势: 便于理解和解释。树的结构可以可视化出来。 训练需要的数据少。其他机器学习模型通常需要数据规范化,比如构建虚拟变量和移除缺失值,不过请注意,这种模型不支持缺失值。 由于训练决策树的数据点的数量导致了决策树的使用开销呈指数分布(训练树模型的时间复杂度是参与训练数据点的对数值)。 能够处理数值型数据和分类数据。其他的技术通常只能用来专门分析某一种变量类型的数据集。详情请参阅算法。 能够处理多路输出的问题。 使用白盒模型。如果某种给定的情况在该模型中是...

2023-09-09
07 有无状态服务
1 有无状态服务对比无状态服务 数据方面:无状态服务不会在本地存储持久化数据.多个实例可以共享相同的持久化数据 结果方面:多个服务实例对于同一个用户请求的响应结果是完全一致的 关系方面:这种多服务实例之间是没有依赖关系 影响方面:在k8s控制器 中动态启停无状态服务的pod并不会对其它的pod产生影响 示例方面:nginx实例,tomcat实例,web应用 资源方面:相关的k8s资源有:ReplicaSet、ReplicationController、Deployment 创建方式:Deployment被设计用来管理无状态服务的pod。每个pod完全一致,原因如下: 无状态服务内的多个Pod创建的顺序是没有顺序的 无状态服务内的多个Pod的名称是随机的.pod被重新启动调度后,它的名称与IP都会发生变化 无状态服务内的多个Pod背后是共享存储的 缩容方式:随机缩容。由于是无状态服务,所以这些控制器创建的pod序号都是随机值。并且在缩容也是随机,并不会明确缩容某一个pod。因为所有实例得到的返回值都是一样,所以缩容任何一个pod都可以 有状态服务 数据方面:有状态服务需要在本...

2021-04-29
10 Pysyft 概述
pysyft 对pytorch框架和TensorFlow框架的federated框架进行了研究。 tensorflow federated 框架只提供了本地的仿真。 pysyft 框架提供了websocket worker初步实现了基于websocket网络通信的多进程仿真,是当前最接近于实践的一种仿真方式,能够实现多个linux/python环境下的仿真与多个进程下的仿真。只在0.2.4中有,可以尝试在此基础进行改进和训练。 参考文献 A generic framework for privacy preserving deep learning FedAvg 的 Pytorch 实现 安全深度学习框架PySyft 1 论文阅读pysyft的特点PySyft是用于安全和隐私深度学习的Python库,它在主流深度学习框架(例如PyTorch和TensorFlow)中使用联邦学习,差分隐私和加密计算(例如多方计算(MPC)和同态加密(HE))将隐私数据与模型训练分离。 基于PyTorch,只支持深度学习建模,不支持LR、GBDT等传统方法? 支持联邦学习...
公告
欢迎参观Estom的小屋




