博客
关于我
linux用户管理
阅读量:465 次
发布时间:2019-03-06

本文共 359 字,大约阅读时间需要 1 分钟。

用户分类

系统用户分为以下几类:

  • 管理员用户(root):拥有最高权限,可执行所有操作
  • 虚拟用户(nobody):权限最低,仅限执行特定任务
  • 普通用户:权限根据需求设定,可读写执行权限

权限测试

以下表格展示不同用户权限级别:

无权限 只有读权限 只有写权限 只有执行权限
root 读+写 读+写 读+写 读+写+执行
属主demo 写(覆盖写) 读+写 读+写+执行
其它用户 无权限 读+写 无执行权限

权限说明

权限分配规则:

  • 权限模型:基于Linux文件系统的权限模式
  • 默认权限:文件默认为644(属主可读写,其他用户可读),目录默认为755(属主可读写,其他用户可读但无执行权限)
  • 权限测试:权限类型包括读(r)、写(w)、执行(x)
  • root权限:root用户无需目录权限,但需执行权限来操作文件

转载地址:http://uvkbz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
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OpenCV实现模糊检测 / 自动对焦
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 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
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>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>