技术

上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

docker快速入门

2014年07月10日

1 前言

本文类似于一个知识点的总结,具体的细节请参见官方文档 https://docs.docker.com

如果你事先对docker并不了解,建议先完成http://www.slideshare.net/larrycai/learn-docker-in-90-minutes的内容,通过实际操作对docker有一个感性的认识。

文中提到的“docker主机”、“docker虚拟机”等可以认为是安装docker服务的linux主机/虚拟机。

2 docker概述

Docker是一个开源的引擎,可以轻松的为任何应用创建一个轻量级的、可移植的、自给自足的“容器”(应用的容器,就是为应用提供运行环境和资源)。从概念上讲,它有点像个虚拟机,允许多个应用使用单个强劲机器,同时保持每个应用各自不同的具体配置,不会干扰其他应用。但与虚拟机不同的是,应用原生地运行在 Linux 内核下,每个应用与其他应用隔离,在操作系统下面也隔离。

各位都用过虚拟机软件(例如Vmware等),想必都对其资源占用情况颇有微词。其提供的功能还是比较全的,基本上整了一台新的主机出来。但如果我们不需要那么多的功能,比如宿主机和虚拟机都限定为linux,那就有机会减少一些设计,最终减少资源占用,提高效率。docker就是这样,它只提供一部分“虚拟机”的功能,没有传统虚拟机全面,但比它们更高效。

4 docker操作

4.1 image和container

image和container是docker中很重要的两个概念,docker程序提供的docker命令,主要就是对这两个“实体”进行操作。

还记得上大学的时候,很流行用一键ghost装系统,GHO镜像还原到系统后,除了windows系统本身,还自动装好了许多软件,做了一些配置(比如将my documents设置到D盘),非常方便。docker中的image也有这么点意思。首先会有一个base image(类似于windows纯净版ISO),在base image的基础上做一些改动,比如装个软件啥的,就形成了新的有个人特色的image(类似上述的GHO),新的image的可以传给别人使用。

我们运行一个image,会产生一个container。就像我们用一键ghost还原一个GHO,就会有一个操作系统可以运行一样。container就是docker虚拟出来的linux,操作container和操作一般的linux系统是一样一样的。

4.2 image管理

4.2.1 什么是Dockerfile

Dockerfile是一个image的表示,可以通过Dockerfile来描述构建image的步骤。”说的接地气点,dockerfile类似于数据库的日志。根据日志我们知道数据库从时刻1到时刻2发生了什么,由此可以恢复或到达数据库某个时刻的状态。对应的,已知image1,我们在dockerfile中记录对image1的改动,便可以根据dockerfile 构建出image2。也因为dockerfile,image1和image2便具备了父子关系。有了父子关系,自然也可以搞出来兄弟关系,我们可以使用docker images --tree查看image之间的树形家族结构。

dockerfile方便了image的传播,只要是同一个base image,我们下载一个“日志文件”,便可以利用这个文件build出相应的image。“一个不包括恶意行为的dockerfile” + “一个可靠地base image” = “一个可靠好用的image”。

4.2.2 如何制作image

制作image有两种方式:

  1. 通过Dockerfile

    dockerfile记录了目标image所属的初始image,以及对初始image所做的操作及改动。通过dockerfile文件,我们可以docker build出一个新的image文件。dockerfile的语法可以参见相关文档。

  2. 通过commit container

    我们可以先docker run运行一个image,在对应的container中进行个性化更改,然后docker commit该container。contaienr可以跟踪我们对其做的改动,并在原来image的基础上生成新的image。

4.2.3 增删改查image

我们本地的image由docker命令来管理,下面是相关的一些命令:

  1. docker images,列出已有的images

    Alt text

  2. docker rmi redhat-base:6.4,删除image,前提所有运行该image的container已被删除掉
  3. docker build -t redhat-base:6.4 /path,根据path下的Dockerfile创建新的image
  4. docker tag redhat-base:6.4,更改某个image的tag

4.2.4 image库

docker的开发团队不只是要做一个软件,还想做一个社区。类似于程序猿通过github存储和分享代码,我们可以在docker hub上分享我们的dockfile或image,寻找并docker pull我们需要的image(这一点跟git很像)。下面是相关的一些操作:

  1. docker search larrycai/postgresql,查询docker hub中关于larrycai/postgresql的库
  2. docker pull larrycai/postgresql,从docker hub中拉取larrycai/postgresql到本地
  3. docker push larrycai/postgresql,将larrycai/postgresql上传到docker hub中

4.3 container管理

image和container的关系很像程序和进程之间的关系。

4.3.1 运行container

  • 简单运行,执行完命令后退出

      $ docker run redhat-base:6.4 echo "hello world"
    
  • 运行image并进入bash,通过bash控制container

      docker run -i -t redhat-base:6.4 /bin/bash
    
  • 运行image并对外映射端口

      docker run -i -t -p 2022:22 redhat-base:6.4 /bin/bash   由此,即可以在docker本机的2022端口访问container的22端口。
    
  • 以后台方式运行image

      docker run -d -p 41880:80 redhat-base:6.4 apache2ctl start FOREGROUND   这时,container运行后,将不提供tty与用户交互。用户可以通过docker主机的41880端口访问container的apache2服务。
    

    在新的版本中,用户可以通过docker exec -it container_id与后台容器交互。

4.3.2 增删改查container

docker run的作用是在一个全新的Docker容器(如果没有则创建)内部运行一条指令。

  1. docker ps -a,列出所有container

    Alt text

  2. docker rm dc126312903f,删除containerId对应的container
  3. docker start dc126312903f,启动一个已经exited的container
  4. docker attach dc126312903f,从docker主机进入一个已exited的container
  5. docker stop dc126312903f,停止一个正在运行的container

5 访问和文件共享

我们知道,传统的虚拟方式整出来一个完整的“计算机”,在一定配置下,虚拟出来的计算机之间以及虚拟机与宿主机之间可以自由的互相访问和文件共享(或传输),那么docker run出来的container如何实现这种效果呢?

从另一个角度看,我们虚拟出了一个linux系统container,可不是让它吃干饭的。那么,为完成计算任务,这个linux系统必然要能够处理输入文件,外界也要能够访问其提供的服务。因此,访问并和container文件共享是使用docker的一个重要方面。

5.1 docker主机和container之间的联系

contaienr主要通过暴露端口对外提供服务。

  1. 4.3.1部分已经讲到了docker主机和container之间可以进行端口映射。以container运行apache服务为例,执行命令

    docker run -i -t -p 9080:80 imageName /bin/bash

    我们便可以通过docker主机上的9080端口来访问container的apache服务。

除使用-p明确指定外。我们创建容器时,可以使用-P标志来自动映射container对外暴露的任意网络端口到我们Docker主机上介于49000到49900之间的随机高位端口。

  1. 除端口映射外,docker主机与container还可以进行文件共享,执行命令

    docker run -i -t -p 9080:80 -v /home/docker/git:/root/git imageName /bin/bash

    对docker主机上/home/docker/git的更改将同步到container的/root/git目录(或者container直接操作的就是/home/docker/git目录),反之亦然。

Volumes enable data to survive container restarts and to be shared among the applications within the container(这句对volumn的用途的解释的非常精辟).

5.2 container之间的联系

  1. docker提供container linking功能。
    • 运行一个db container docker run -i -t --name db -P imageName /bin/bash
    • 再运行一个app container docker run -i -t --name app --link db:db imageName /bin/bash

    由此,app container将能够获取db container的环境变量值,db container的相关信息也将添加到app contaienr的/etc/hosts文件下,两个container也因此可以协同工作。关于container linking具体信息请参见https://docs.docker.com/userguide/dockerlinks/

  2. contaienr之间的文件共享 container之间进行文件共享有多种方式,最简单地一种就是,两个contaienr和所在docker主机共享同一个文件。

6 一些细节

6.1 docker如何和windows宿主机文件共享

virtualbox使用docker自带的iso无法使docker虚拟机与windows主机共享文件,一老外不服,自己维护了一个网站https://medium.com/boot2docker-lightweight-linux-for-docker/boot2docker-together-with-virtualbox-guest-additions-da1e3ab2465c,我们可以从这里下载到docker相应版本的iso,使用这里的iso,docker虚拟机与windows主机可以share folder。前文提到docker虚拟机可以与container文件共享,再结合此处,我们便可以实现windows、docker主机和container之间的文件共享。

6.2 container网络访问问题

一个比较郁闷的事是container有时会无法访问网络,这是docker的一个bug。所以,每次出现问题时,就得有劳大家亲自操刀,在docker下执行:

$ sudo udhcpc
$ sudo /etc/init.d/docker restart

在大多数情况下可以解决这个问题。如果不愉快还是发生了,亲,重启虚拟机吧!

这个问题在新版本中已解决!

7 我们可以用docker做什么

这是一个很开放的问题,这里我揣测几点:

  1. 更高维度的可移植性。计算机界的先驱们呕心沥血的解决了程序的可移植性,比如java的“一次编写,处处运行”。但随着系统越来越复杂,节点越来越多,配置越来越多,移植一套系统到新的环境上也慢慢成为一个“很有含量”的工作。举个最简单的例子,笔者为了在github上写这个博客,需要一套装有jekyll环境的系统。jekyll依赖ruby和其它不知道干啥的程序,windows下安装jekyll,那是各种坑。linux下,配repo源,install各种程序,别说不好找这样的网页来参考,就算找到了,各种莫名其妙的错,你懂的呀!最后,我找了一个配好jekyll环境的image,docker run一下,直接ok!我是写博客的,可不是来搭环境的。

  2. 启动一个虚拟机需要多长时间?一个真实的linux启动一次需要多长时间?你的笔记本可以同时运行几个虚拟机?运行了虚拟机之后,还能流畅的运行其他程序么?要不要体验一下一两秒中进入“虚拟机”感觉?要不要看看同时运行十几个“虚拟机”是什么样子?你想不想用自己的笔记本搭一个小集群?

  3. 隔离性。系统“污染”问题,笔者有一个redhat虚拟机,平时用来运行hadoop,其jdk是根据源码安装的sun版本。后因工作需要装另外一个软件,该软件默认依赖openjdk。jdk版本不同,导致我下次使用hadoop时产生了很多困扰。如果使用docekr,这个新的软件便可以安装在一个container中,对现有环境没有任何影响。so,这便是docker提供应用隔离的好处所在。

8 其它

docker daemon 默认以root用户运行,如果非root用户想使用docker,则需要将非root用户添加到docker group(通常会在安装docker时创建),重启OS后生效。