sshfs

什么是SSHFS? SSHFS是一个通过SSH连接到服务器的 网络文件系统客户端 。 SSHFS允许您使用SFTP挂载远程文件系统。大多数VPS SSH服务器默认情况下都支持并启用此SFTP访问，因此SSHFS使用非常简单，无需在服务器端执行任何操作。 项目当前状态 SSHFS由所有主要的Linux发行版本提供，并且已经在多种系统上投入生产使用多年。但是，目前SSHFS没有任何活动的常规贡献者，并且存在许多已知问题（请参阅Bugtracker）。当前的维护者继续应用拉取请求并进行定期发布，但是不幸的是，除了解决高影响力的问题之外，它没有能力进行任何开发。报告错误时，请理解，除非您包含拉取请求或报告严重问题，否则您可能不会得到响应。 安装SSHFS 首先，从https://github.com/libfuse/sshfs/releases下载最新的SSHFS版本。在Linux和BSD上，您还需要安装libfuse 3.1.0或更高版本。在macOS上，您需要OSXFUSE。最后，您需要带有开发标头的Glib库（应该可以从操作系统的程序包管理器中获得）。 构建和安装，我们建议使用Meson（0.38版或更高版本）和Ninja。解压缩sshfs tarball之后，创建一个（临时）构建目录并运行Meson： $ mkdir build; cd build $ meson .. 通常

http://www.cnblogs.com/weafer/archive/2011/06/10/2077852.html OpenSSH是SSH连接工具的免费版本。telnet，rlogin和ftp用户可能还没意识到他们在互联网上传输的密码是未加密的，但SSH是加密的，OpenSSH加密所有通信（包括密码），有效消除了窃听，连接劫持和其它***。此外，OpenSSH提供了安全隧道功能和多种身份验证方法，支持SSH协议的所有版本。 SSH是一个非常伟大的工具，如果你要在互联网上远程连接到服务器，那么SSH无疑是最佳的候选。下面是通过网络投票选出的25个最佳SSH命令，你必须牢记于心。 （注：有些内容较长的命令，在本文中会显示为截断的状态。如果你需要阅读完整的命令，可以把整行复制到您的记事本当中阅读。） 1、复制SSH密钥到目标主机，开启无密码SSH登录 ssh-copy-id user@host 如果还没有密钥，请使用ssh-keygen命令生成。 2、从某主机的80端口开启到本地主机2001端口的隧道 ssh -N -L2001:localhost:80 somemachine 现在你可以直接在浏览器中输入http://localhost:2001访问这个网站。 3、将你的麦克风输出到远程计算机的扬声器 dd if=/dev/dsp | ssh -c arcfour -C

最近换了一台新的工作电脑，用的是mac pro，但是开发呢又要在远程机器上，没办法，我只能想办法把它挂载到本地开发。我上网找了一下，发现可以用sshfs来挂载远端linux的目录到本地，挂载方法如下： 安装homebrew /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" 安装sshfs brew install sshfs 发现报错了，丢失了osxfuse,先安装osxfuse(已安装请忽略) brew install Caskroom/cask/osxfuse 在重新安装sshfs 使用sshfs挂载远端目录到本地 sshfs - C - o reconnect user @hostname :remote_dir local_dir user 远程连接用户名 hostname 远程连接的主机名 remote_dir 远程目录 local_dir 本地目录 如果ssh的端口不是是22，加上-p xxx 之后你就可以去你的目录下看看是否挂载成功了,这样你就可以用本地编辑器打开敲写代码了，说明一下，你还可以用本地的软件，比如npm 相关问题 当我们的 mac 网络断开或者休眠或重启, 回来时发现挂载的失败了, 进入目录会提示 $ls

我们在协助某AI客户排查一个UFS文件存储的性能case时发现，其使用的Pytorch训练IO性能和硬件的IO能力有很大的差距（后面内容有具体性能对比数据）。 让我们感到困惑的是： UFS文件存储，我们使用fio自测可以达到单实例最低10Gbps带宽、IOPS也可达到2w以上。该AI客户在高IOPS要求的AI单机小模型训练场景下，或者之前使用MXNet、TensorFlow框架时，IO都能跑到UFS理论性能，甚至在大型分布式训练场景中，UFS也可以完全胜任。 于是我们开启了和客户的一次深度联合排查。 初步尝试优化 一、调整参数： 基于上述情况，首先考虑是不是使用Pytorch的姿势不对？参考网上提到经验，客户调整batch_size、Dataloader等参数。 Batch_size 默认batch_size为256，根据内存和显存配置尝试更改batch_size大小，让一次读取数据更多，发现实际对效率没有提升。通过分析是由于batch_size设置与数据读取逻辑没有直接关系，IO始终会保留单队列与后端交互，不会降低网络交互上的整体延时（因为用的是UFS文件存储，后面会讲到为什么用）。 Pytorch Dataloader Pytorch框架dataloader的worker负责数据的读取和加载、分配。通过batch_sampler将batch数据分配给对应的worker