• LVM逻辑卷管理


    一、LVM简介

        LVM(Logic Volume Manager)逻辑卷管理,简单理解就是将一块或多块硬盘的分区在逻辑上集合,当一块大硬盘来使用。

    其特点是:

    1、可以实现在线动态扩展,也可以缩减

    2、可以创建快照

    二、LVM中的术语

    1、PM(Physical Media):块设备,基本的物理存储介质,如硬盘的分区;

    2、PV(Physical Volume):物理卷,是LVM的基本存储逻辑块,但和基本的物理存储介质(如分区、磁盘等)比较,却包含有与LVM相关的管理参数;

    3、VG(Volume Group):卷组,相当于扩展分区,卷组的空间是不能够直接使用的;

    4、PE(Physical Extent):物理盘区,在创建卷组时,需要指定PE大小,默认是4M;

    5、LV(Logical Volume):面向用户可以直接使用的文件系统,可以被格式化并挂载使用的单独的存储设备;

    6、LE(Logical Extent):逻辑盘区,用来存储数的,在同一个卷组中,LE的大小和PE是相同的,并且一一对应;

    7、dm(device mapper):设备映射,映射目录:/dev/卷组名/逻辑卷名;真正的位置/dev/mapper/卷组名-逻辑卷名。

    三、LVM的使用

    1、系统环境

    系统版本:CentOS release 6.5 (Final)

    lvm版本:lvm2-2.02.100-8.el6.x86_64

    新添加两块20G硬盘:sdb和sdc,将两块硬盘分成四个分区,添加到同一卷组中。

    2、物理卷管理命令:pv

    pvcreate,pvremove,pvscan(扫描),pvs(简要显示),pvdisplay(详细显示)

    创建物理卷

    # pvcreate /dev/sdb{1,2} /dev/sdc{1,2}

    3、卷组的管理命令:vgcreate,vgextend,vgreduce(缩减),vgremove,vgrename

    创建fansik卷组

    # vgcreate fansik /dev/sdb{1,2} /dev/sdc{1,2}

    删除卷组fansik

    # vgremove fansik

    指定PE大小为8MB

    # vgcreate -s 8MB fansik /dev/sdb{1,2} /dev/sdc{1,2}

    扩展卷组

    # vgextend fansik /dev/sdd1

    4、逻辑卷的管理命令:lvcreate,lvs,lvextend,lvreduce,lvremove

    创建逻辑卷

    # lvcreate -L 10G -n fansik fansik

    格式化

    # mke2fs -t ext4 -b 2048 /dev/fansik/fansik

    挂载使用

    # mount /dev/fansik/fansik /mnt

    扩展逻辑卷:+表示增加10G,不带+表示增加到10G,在扩展前要保证卷组的有剩余空间

    扩展物理边界

    # lvextend -L +10G /dev/fansik/fansik

    扩展逻辑边界

    # resize2fs /dev/fansik/fansik

    缩减逻辑卷的步骤:

    卸载卷,并执行强制自检

    # e2fsck -f /dev/fansik/fansik

    缩减逻辑边界

    # resize2fs /dev/fansik/fansik 10G

    缩减物理边界

    # lvreduce -L 10g /dev/fansik/fansik

    四、快照卷

    快照卷是逻辑卷的一种,通常为只读

    创建快照卷

    # lvcreate -s -L 5G -n snap -p r /dev/fansik/fansik

    # mount -r /dev/fansik/snap /media/

    删除快照卷

    # umount /media/

    # lvremove /dev/fansik/snap

  • 相关阅读:
    Python rindex()方法
    Python rfind()方法
    Python replace()方法
    服务器技术综述(三)
    服务器技术综述(二)
    服务器技术综述(一)
    TensorRT-优化-原理
    TensorRT-安装-使用
    TensorRT 加速性能分析
    GPU加速:宽深度推理
  • 原文地址:https://www.cnblogs.com/fansik/p/5807751.html
Copyright © 2020-2023  润新知