Martin
2019-07-03 23:39
由于Linux中使用的原理（一个具有挂载点的文件系统，网络透明性，所有内容都是文件（或文件夹）），这很难实现。想象一下：一个安装在系统中的网络文件系统。它不在计算机的任何物理设备中-这是物理设备还是不是？
想到的唯一启发式方法是将文件系统与预定义列表进行比较：检查的输出mount，例如：
tmpfs on /run type tmpfs (rw,nosuid,noexec,relatime,size=204096k,mode=755)
/dev/sda2 on / type ext4 (rw,relatime,errors=remount-ro)
第一列是源设备-在第一个条目上没有设备连接，只有虚拟文件系统，tmpfs而在第二个条目中，我们看到了一个合适的设备/dev/sda2。
设备不能保证物理存储，/dev/mem例如，可以直接访问计算机的内存。
因此，我的建议是找出适用于路径的安装点（尝试lsblk），在的输出中找到该安装点mount。如果此挂载点与设备int不匹配，则以/dev/WHATEVER假定它在内存中的形式
使用@Chris的建议，尝试例如findmnt -T /proc/net/stat/arp_cache：
TARGET SOURCE FSTYPE OPTIONS
/proc proc proc rw,nosuid,nodev,noexec,relatime
相对的列是 SOURCE
热门帖子
相关问题
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13
我同意文件系统类型是您最好的选择。使用脚本解析结果
findmnt比容易得多mount。它具有许多选项来控制输出什么以及如何输出。噢，很好，不知道那个