博客
关于我
centos7挂载磁盘
阅读量:502 次
发布时间:2019-03-06

本文共 329 字,大约阅读时间需要 1 分钟。

硬盘分区与格式化配置指南

新安装的硬盘默认不可用,需先进行分区处理后再格式化。使用fdisk命令进行分区设置,分区号和起始扇区可使用默认值即可。

分区完成后,需对硬盘进行格式化处理。使用fdisk -l命令查看已创建的分区列表,再使用mkfs命令对目标分区进行格式化。

格式化完成后,将已格式化的分区挂载至服务器,实现硬盘的实际使用。可参考下图确认挂载状态。

新创建的分区无法设置开机自动挂载,需手动操作。为实现自动挂载,可编辑/etc/fstab文件,在文件末尾添加指定内容即可。

另一种方法是将硬盘信息直接写入/etc/fstab文件中。使用命令echo "上图中红色标记的部分" > /etc/fstab完成设置,确保系统每次开机后新挂载硬盘自动可用。

转载地址:http://fdabz.baihongyu.com/

你可能感兴趣的文章
Opencv——模块介绍
查看>>
OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
查看>>
OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
查看>>
OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>