Shell脚本信号捕获|学习笔记

简介: 快速学习Shell脚本信号捕获

开发者学堂课程【Shell 脚本进阶:Shell脚本信号捕获】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脚本信号捕获

目录:

一、for语句

二、while/until语句

三、嵌套循环

四、循环控制命令

一、for语句

(一)用于遍历一个指定的列表,每次迭代使用列表中的一个元素,执行定义好的一组命令

for语句的格式:

image.png

for语句使用示例:

1、读取列表中的值

image.pngimage.jpeg

2、读取列表中的复杂值


3、从变量读取列表

=image.png

4、从命令读取值

image.png

5、更改字段分隔符 $TFS(特殊的环境变量)

image.png

6、用通配符遍历目录

image.png

(二)for语句(C语言风格)

1.变t赋值的等号两边可以有空格

2.条件中的变量可以不以$符开头

3.迭代过程的表达式可以不用expr命令格式

image.png

二、while/until语句

1、while/until语句格式

image.png

2、示例:用于打印1-10

image.png

3、循环控制语句——break

break可以退出任意类型的循环

(1)跳出内部循环

image.png

(2)跳出外部循环break n(参数,跳出任意层数)

image.png

4、循环控制语句——continue

(1)continue可以跳过执行当前循环的命令,但不会终止整个循环

image.png

(2)可指定跳过的循环层数continue n

image.png

三、嵌套循环

四、循环控制命令

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