Shell脚本规范|学习笔记

简介: 快速学习Shell脚本规范

开发者学堂课程【Shell 脚本进阶:Shell脚本规范】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脚本规范

目录

脚本的命令与权限

脚本的基本结构

变量和函数的命令与引用

脚本中的路径

日志输出规范

一、脚本的命令与权限

1、脚本后缀:xxx.sh

2、脚本名称:start-app.sh、stop-app.sh(可读性)、chk-xxx.sh

3、执行权限:一定要加可执行权限

二、脚本的基本结构

1、#! Shebang

#!/bin/bash

#!/usr/bin/env bash

2、注释清晰可读

(1)对脚本的功能进行说明

(2)脚本的参数或帮助函数

(3)脚本的作者和更新记录

(4)函数或复杂命令的说明

3、功能函数与主函数

your_ _function() {}

main() {}

示例:

image.pngimage.jpeg

三、变量和函数的命令与引用

1、变量和函数的命名

(1)驼峰或下划线命名法

(2)避免使用bash关键字

2、常量的命名

(1)大写字母可用下划线分隔

(2)统一在非注释行开头声明

3、变量的使用

(1)通过${ 变量名}引用

4、函数的使用

(1)所有函数放在常量定义之后

(2)函数之间不要夹杂其他代码

(3)main函数放在脚本最后调用

四、脚本中的路径

1、相对路径和绝对路径

2、建议使用绝对路径

相对路径依赖脚本执行时的目录

能够规避一些可能出现的异常问题

3、如何获取脚本所在目录

$(cd $(dirname $0) && pwd)

$(dirname $( readlink -f $0 ) )

五、日志的输出规范

1、需要记录执行过程

2、单独封装函数

log () {}

3、日志格式

(1)可参考log4j

(2)包含日期时间

(3)包含日志级别

(4)包含日志信息

4、输出

(1)重定向到文件

相关实践学习
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
相关文章
|
7天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
285 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
293 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
224 113
|
10天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
770 5