sg3_utils 项目下载及安装教程
2024-12-19 10:01:51作者:齐添朝
1. 项目介绍
sg3_utils 是一个开源的工具包,主要用于向使用 SCSI 命令集的存储设备发送单独的 SCSI 命令。这些工具可以分为三类:
- sg_raw:用户提供 CDB(Command Descriptor Block)以及可选的数据输入和输出缓冲区大小。
- 单命令工具:大多数工具发送一个 SCSI 命令,名称以 "sg_" 开头,后跟命令名称。例如,
sg_inq发送 SCSI INQUIRY 命令。 - 复制类型工具:如
sg_dd,使用 Unixdd命令的功能和命令行语法作为模板,可以用于验证两个存储设备是否包含相同的数据。
该工具包最初是为 Linux 编写的,但也支持 Android、FreeBSD、NetBSD、Solaris 和 Windows 等平台。
2. 项目下载位置
项目托管在 GitHub 上,可以通过以下命令进行克隆下载:
git clone https://github.com/hreinecke/sg3_utils.git
3. 项目安装环境配置
3.1 环境要求
- 操作系统:Linux(推荐)、Android、FreeBSD、NetBSD、Solaris 或 Windows。
- 依赖库:需要安装
libsgutils库。 - 编译工具:需要安装
gcc、make等编译工具。
3.2 环境配置示例
以下是在 Ubuntu 系统上配置环境的示例:
-
安装依赖库:
sudo apt-get update sudo apt-get install build-essential libsgutils2-dev -
安装编译工具:
sudo apt-get install gcc make
3.3 环境配置图片示例
由于无法直接插入图片,以下是环境配置的文字描述:
- 依赖库安装:在终端中输入
sudo apt-get install build-essential libsgutils2-dev,系统会自动安装所需的依赖库。 - 编译工具安装:在终端中输入
sudo apt-get install gcc make,系统会自动安装编译工具。
4. 项目安装方式
4.1 下载项目
首先,使用 git 命令克隆项目:
git clone https://github.com/hreinecke/sg3_utils.git
4.2 进入项目目录
cd sg3_utils
4.3 配置和编译
-
运行
autogen.sh脚本生成配置文件:./autogen.sh -
运行
configure脚本进行配置:./configure -
编译项目:
make
4.4 安装项目
编译完成后,运行以下命令进行安装:
sudo make install
5. 项目处理脚本
sg3_utils 项目中包含多个处理脚本,以下是一些常用的脚本:
- sg_raw:用于发送原始 SCSI 命令。
- sg_inq:用于发送 SCSI INQUIRY 命令。
- sg_dd:用于复制和验证存储设备中的数据。
5.1 使用示例
以下是使用 sg_inq 命令的示例:
sg_inq /dev/sdX
该命令将向 /dev/sdX 设备发送 SCSI INQUIRY 命令,并输出设备的相关信息。
总结
通过以上步骤,您可以成功下载、配置并安装 sg3_utils 项目,并使用其中的工具进行 SCSI 命令的发送和处理。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K