FTP服务|学习笔记

简介: 快速学习FTP服务

开发者学堂课程【LINUX 企业常用服务:FTP服务】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/802


FTP服务

FTP服务介绍

FTP服务是文件传输协议,是一个用在计算机网络服务上在计算机和服务器的文件传输的应用层通信协议,FTP一般运行在20和21两个端口.端口20用在客户端与服务器之间进行数据流传输,21端口只用于传输数据流并且是命令通向ftp的进口,数据通过数据流传输,控制流是空闲状态.而控制流空闲很长时间后,客户端的防火墙回将其设置为会话超时,一旦有大量数据通过防火墙会产生问题,此时文件虽然可以正常传输,但因为控制会话防火墙会中断传输可能会产生问题

FTP虽然可以被终端用户直接使用,但是他会被FTP客户端程序控制运行FTP服务的许多站点都开放匿名服务,在这种情况下用户不需要输入用户名可以直接登录服务器,默认情况下,匿命用户的用户名是”annoymous”这个账号不需要输入密码,虽然通常要求输入用的邮件作为密码,但这只是一些细节或此邮件根本不被确认而依赖FTP服务器的配置情况

FTP分为主动模式与被动模式对于主动模式要求客户端同时打开并且监听端口创建连接,由于客户端安排防火墙所以会产生一定的问题,而被动模式只要求服务器产生监听端口的进程,这样可以绕过防火墙的问题

FTP服务器配置

Vsftpd是一个为unix类系统开发的轻量,稳定和安全,在linux中可以使用vsftpd配置FTP Server

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

相关文章
|
4月前
|
关系型数据库 MySQL 应用服务中间件
如何在阿里云搭建wordpress?
本文介绍了在阿里云ECS服务器上搭建WordPress网站的完整过程,包括基础环境的规划与安装、各组件的配置步骤以及一键安装脚本的使用。涵盖CentOS 7.9操作系统、MySQL 5.7、PHP 7.4、Nginx及WordPress的部署,适合初学者快速搭建稳定高效的WordPress运行环境。
|
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。
291 155
|
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。
219 113
|
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。
763 5