ubuntu中文官网，还有哪些良心的NAS产品可以推荐？
第一梯队：威联通、群晖
第二梯队：铁威马、华芸、Drobo
第三梯队：西部数据
第四梯队：小米、海康威视
入NAS坑也几年了，玩过的产品有群晖、威联通、华芸、西部数据My Cloud以及Drobo等，也是看着NAS从几年前的冷门变成现在的渐热。在之前，国内NAS市场是群晖一家独大，威联通后来者入局，一上来采取的是高性价比策略，就是玩的便宜，于是在国内啃出来一块市场。但是这还不足以让冷门NAS脱坑。
由于前些年公有云的大范围关闭，如今百度云几乎靠一己之力撑起国内存储云的市场，但是公有云终究有限制和泄露风险，于是NAS市场在群晖、威联通的大范围争相宣传中，在华芸、铁威马、西部数据等品牌饕餮分食中，在玩家对数据私人化的翘首期盼中，终于粉墨登场，来至大众面前！
在面对市场众多NAS时，许多新手玩家一般会患上选择困难综合症，虽然无论是品牌还是产品都远比之前丰富不止一个数量级的情况下，但是整个市场还是群晖与威联通两家独大，大部分购买者还是会在这两品牌里面购买。
作者在网上也看到许多玩家关于NAS选择的碎碎念：如群晖适合无公网IP的内网穿透，威联通CloudLink更简单好用，两者多款产品性能相同，两者价格相差很大，群晖的软件简单操作易上手，威联通的安全性好操作更复杂，群晖似iOS系统，威联通类似Android系统，威联通黑科技较多等等…
碎碎念终究是碎碎念，还是让我来个两者全方位讲解吧。
个人能力有限，各位看官，也希望大家随时来补充。
创作态度：
这篇文章只说事，以数据为准，不掺任何个人态度！
这次的讲解主要从5个方面来说群晖与威联通两者的不同，分别为配置、价格、外观、性能、功能。采用的机器是群晖DS918+与威联通TS-453Bmini，作者会在每个对比后面加一个小总结，如果不想看过程可以直接跳到总结里面看结果。
1、外观对比
2、配置对比
3、价格对比
4、性能对比
5、功能对比
5.1 外网连接对比
5.2 下载功能对比
5.3 手机应用对比
5.4 协同办公对比
5.5 4K视频播放对比
5.6 资料备份对比
6、总结
1、外观对比
群晖DS918+与威联通TS-453Bmini作为两者阵容的中坚力量，外观设计与产品用料自然不遗余力。群晖DS918+一直延续NAS的经典设计，硬盘可以横向插拔的柜式结构。威联通TS-453Bmini在设计上有点别出心裁，采用了直立式结构，硬盘进行竖向插拔。
群晖DS918+的体积为166 mm x 199 mm x 223 mm，外壳表面为磨砂设计。系统风扇大小为92 mm x 92 mm x 2 pcs，指示灯可调节，噪音值为19.8 dB(A)，噪音值测试为Seagate 2TB ST2000VN000 硬盘在待机状态下，以两支 G.R.A.S. Type 40AE 麦克风分别架设于 Synology NAS 前后各距离 1 公尺处，取平均数据。
威联通TS-453Bmini的体积为 210 × 151 × 200 mm，外壳表面为钢琴烤漆设计。系统风扇内置，指示灯可调节，噪音值为16.9 db(A)，噪音值测试依据ISO 7779，依盘数装载最多数量硬盘 ，以 Bystander Position 测量，取机器运行中前方一米处平均数据。
外观小结
两者采用不一样的外观设计，但是外壳用料基本相同。对于玩家来说，可以按照自己喜好来购买。
2、配置对比
群晖DS918+与威联通TS-453Bmini都可以定位为小型企业或者家庭用中阶NAS， 配置上基本上相同，但是在侧重上又有所不同，群晖更加侧重于商务办公，威联通更加侧重于影音娱乐。
侧重点不同导致配置也有差异，群晖DS918+支持2个M.2 NVMe 2280 SSD扩容，这对于NAS的4K随机性能会有大幅度提升，威联通TS-453Bmini支持4K HDMI视频接口拓展，这意味着可以利用NAS组建家庭影院。
配置小结
两者采用相同的处理器，所以理论上的存储性能是相同的，但是群晖DS918+机身内置2个M.2 NVMe 2280 SSD盘位，所以对于4K随机性能方面会有提升。威联通则是配置HDMI接口，可以搭配HD Station创建家庭影院，在家中享用4K影片，威联通随机附赠QNAP 红外线遥控器。用户可以根据个人侧重来选择。
3、价格对比
选购群晖DS918+与威联通TS-453Bmini，两者均为标准配置，内存为4 GB。价格是什么值得买上的往期最低价格。
群晖DS918+最低价格为4160 元。
威联通TS-453Bmini价格为1979元。
如今，京东618秒杀价格分别为4180元与2299元。
价格小结
从价格来看，威联通TS-453Bmini的价格方面更有优势。
4、性能对比
我们对于两者的性能进行测试，两者都安装4块 2 TB西部数据NAS红盘，NAS红盘西部数据红盘拥有NASware特色技术，支持7X24小时不间断运行，拥有高稳定性与高可靠性。
关于RAID，我们需要在数据安全和性能上都做到最好的权衡，最终有RAID 5、RAID 10与RAID 6三个阵列可供选择，我们来看两者的利弊。
RAID5将数据以块为单位分布到各个硬盘上。RAID5不对数据进行备份，而是把数据和与其相对应的奇偶校验信息存储到组成RAID5的各个磁盘上，并且奇偶校验信息和相对应的数据分别存储于不同的磁盘上。当RAID5的一个磁盘数据损坏后，利用剩下的数据和相应的奇偶校验信息去恢复被损坏的数据。
RAID 10首先对数据进行两两镜像，然后将数据在磁盘中条带化进行保护。在4块硬盘的情况下，可以防止两个磁盘同时出现故障，但是这两块硬盘不能是存储同一份数据的硬盘。如果发生意外，RAID 10重建速度较RAID 6更快。
RAID 6进行两次奇偶校验，以提供写入保护，因而RAID 6的写入速度小于其它级别的RAID。RAID 6可以允许任意两个磁盘同时出现故障。但是在4块硬盘的情况下，RAID 6的计算相较于RAID 10而言会更加密集，所以重建速度较慢。
综合考虑，我们选择RAID 10阵列。
我们使用CystalDisk Mark测试结果。
群晖DS918+测试数据
威联通TS-453Bmini测试数据
两者测试结果相似。
性能小结
群晖DS918+与威联通TS-453Bmini由于使用相同的处理器，所以对于速度而言，两者是相同的也在意料之中。
此外，群晖DS918+可以安装2个M.2 NVMe 2280 SSD，相比较之前而言，由于受制于千兆局域网的限制，它的连续性读写性能不会有太大变化，但是4K随机读写性能会有提升，对于Word、手机照片等类似的小文件速度会变快，可以达到几十兆每秒的速度，这需要根据所安装SSD的性能而言。
5、功能对比
群晖与威联通的系统都是基于Web页面进行操作，其中群晖最新的系统是DSM 6.2.2，威联通最新的系统是QTS 4.3.6，两者界面较为相似。通过多年的发展，两家都形成了自己庞大的生态圈，在系统中里面拥有丰富的应用拓展。
群晖DSM 6.2.2系统界面
威联通QTS 4.3.6系统界面
接下来我们从外网连接对比、下载功能对比、手机应用对比、协同办公对比、4K视频播放对比、资料备份对比 6个方面进行比对。让大家更好了解两者的差别。
5.1 外网连接对比
对于NAS玩家来说，外网连接是一个不可绕去的坎，在拥有NAS的那一刻，玩家想的是可以随时随地访问，它更像一个隐形的的移动硬盘，我们一直随身携带，当要访问的时候不能掉链子，但是公网IP是一个拦路虎。
作者先向大家作公网IP，内网IP，端口映射，内网穿透等名词解释，然后作者会从没有公网IP与有公网IP两种情况下，比较两者的实际使用效果。
公网IP：公网IP是主机用来与外部网络通信的公网IP地址，处于公网的电脑可以与其他的计算机互相访问。
内网IP：由于公网IP数量有限，所以会有多个内网的计算机以NAT（网络地址转换）协议，通过一个公网IP访问Internet。
端口映射：外网主机的IP地址的一个端口映射到内网中一台机器，提供相应的服务。
内网穿透：简单来讲，就是让外网能访问你本地的应用。
在没有公网IP的情况下，如果玩家想要进行远程访问的自己家中的NAS，则需要了解的是群晖QuickConnect与威联通CloudLink的官方服务。
这两个服务是一样的工作原理，都是通过官方的服务器进行数据中转，上传下载速度就受到官方服务器的带宽和同时访问的流量决定，这意味着你的速度快不了！
威联通CloudLink服务设置界面
群晖QuickConnect服务设置界面
这两个服务只需要使用自己的ID登录就可以使用，设置不复杂。作者尝试同时通过群晖QuickConnect与威联通CloudLink服务上传一个165 MB的视频文件，家里千兆局域网环境，带宽100 M电信，下午3：30测试。
结果群晖使用15秒上传完成，威联通使用9秒上传完成。这结果出乎意料，通过查验，在局域网内无论是群晖的DS file还是威联通的Qfile通过什么方式连接，都会优先选择局域网进行传输。
于是作者更换网络，再次上传同一个视频。群晖QuickConnect则是以100 KB/s左右的速度上传， 而威联通CloudLink跑满了带宽，上传速度为10MB/s。作者再同时下载一个文件，威联通的下载速度为110KB/s，群晖的下载速度为50 KB/s。
这个测试会受到上传下载时间、同一时间点访问量、以及家中电信带宽可能不稳定性干扰，仅做参考。
当然有条件的玩家也可以通过公网IP进行外网连接，对于电信用户来说，公网IP较好得到，只需要打电话就可申请。对于移动或者联通用户来说可能稍微复杂一些。由于连接上了公网之后就是考验玩家所处网络环境的速度，所以这个环节我们不测试速度，只看如何进行外网连接。
由于作者的是电信网络，已经拥有公网IP，所以可以直接进行连接。
在群晖系统中，我们可以看到有一个EZ-Internet，通过这个可以快速配置网络，主要配置路由器转发与DDNS服务就好了。
配置完成后，我们在DDNS中查看。
状态显示正常即可。
在威联通里面通过My DDNS进行操作，在里面启用就好。
两者都是极为简单的操作，就可以外网连接NAS了。
5.2 下载功能对比
很多NAS玩家都很重视下载这个功能，而NAS自带的就只有一个Download Station下载器。我们在群晖DS918+与威联通TS-453Bmini同时下载这个，查看双方的对比。
群晖Download Station：Download Station是一款网页式下载应用程序，可通过BT、FTP、 HTTP、 NZB、FlashGet、 QQDL和eMule从Internet 下载文件，并订阅RSS Feed来获得最热门或最新的BT信息。自动解压缩服务可以在每一次下载压缩文件至Synology NAS时，自动进行解压缩。使用Download Station，你不仅能从多个文件空间服务网站下载文件,还可通过BT搜索功能中系统默认及自己添加的搜索引擎来搜寻torrent文件。
威联通Download Station：Download Station 支持多种下载模式，包括 BT、PT、Megnet link、HTTP/HTTPS 及 FTP/FTPS。利用 Chrome或 Firefox 打开Download Station，您就可以轻易地以拖曳方式将下载种子从计算机桌面新增至 Download Station 中，或是输入 BT 文件网址完成下载任务。Download Station 搭载先进的下载搜索引擎，便利地提供下载服务。
通过两者的介绍与使用对比，两者都不能让玩家满意，作者任意选取一部分网上资源的下载链接，其中群晖Download Station表现比威联通略好，但是都是属于半斤八两的水平。两者针对于热门资源的下载表现不错，冷门资源基本上无法指望。
但是这并不能代表群晖与威联通的下载水平，对于两家NAS厂商来说，他们并不是不明白，所以双方都开始对开源的应用软件容器引擎进行开发。在双方的应用库中都可以下载这个开源的应用软件容器引擎。而应用软件则是使用Docker Hub社区里面的现有Docker。Docker Hub是一个由Docker公司负责维护的公共注册中心，它包含了超过15,000个可用来下载和构建容器的镜像，并且还提供认证、工作组结构、工作流工具（比如webhooks）、构建触发器以及私有工具。
那么如何拥有？群晖的可以搜索Docker，威联通可以搜索Container Station。通过这个开源的应用软件容器引擎，玩家可以装各种各样的Docker软件，包括咱们之前熟知的迅雷、百度云、Transmission、aira2等等。
对于一些新手玩家，如何使用这个Docker还需要进行学习。主要的操作步骤就是首先在Docker Hub下载需要的Docker，然后安装设置参数进行使用，由于网上已经有太多群晖与威联通玩家推出的教程，所以这里不再赘述。
通过这个开源的应用软件容器引擎，群晖与威联通玩家可以暂时站在同一条战线了。因为两者都是从Docker Hub下载Docker进行使用，所以两者的使用方法可以说是一模一样，玩家在搜索教程的时候，不妨可以同时搜索群晖与威联通的教程。
就使用后的效果而言，作者针对几个常用的下载工具都进行了试用，其中Transmission下载速度优秀，但是占用的内存较高，内存大的NAS用户可以使用。qBittorrent占用内存较小，下载速度优秀，强力推荐。aira2的下载速度稍慢。百度云如果没有会员，分分钟会被封号，如果百度云有许多资料要导入，可以开个会员一次性全部导入，平时如果不得不玩百度云，建议可以租号进行下载。
5.3 手机应用对比
对于NAS而言，如何实现随时随地的访问，这与APP应用是分不开的。这次我们会以iOS系统为例，简述群晖与威联通的手机端应用对比。
作者查看了两者在App Store里面的应用，目前群晖已经开发了18个应用，其中包括有Apple Watch两个应用，Apple TV两个应用。威联通也开发了19个应用，其中包括Apple TV一个应用，两者的生态系统都建立的非常丰富。
笔者也对常用的功能进行列举，从而在App Store里面寻找相关应用，发现双方基本上都有相对应的APP，不过除开几个最基本的APP之外，其余的基本上功能有些单一。
我们就拿最基本的文件管理APP进行对比。
左群晖DS file / 右威联通Qfile
两者的界面设计以及交互方式如出一辙，十分简洁明了。其中威联通的Qfile相比较于群晖DS file，稍微多了几项小功能，如我的最爱，分享链接，以及下载文件夹，这些都不是主体作用，无妨大碍。接下来，我们对一个视频文件点开，查看可在APP中进行的操作有哪些？
左群晖DS file / 右威联通Qfile
与群晖相比，威联通在功能方面多了串流以及转档功能，串流功能是可以将视频串流到其他播放设备上进行观看，而转档是可以将较高码率的视频转成较低码率的视频，如将4K视频转成1080P、720P、480P、360P、240P等码率。
5.4 协同办公对比
协同办公功能主要是针对于局域网内办公使用，群晖DS918+与威联通TS-453Bmini都可以针对中小型办公团队配置，那么它的协作如何呢？
群晖DS918+的协作主要依赖Drive。你可以随时随地从其他设备同步文件到Drive，群晖也研发了各个平台的应用来保证这个操作的流畅性，通过官网可以下载应用，目前官网提供了5种PC端下载，包括有Windows (msi)、Windows (exe)、Mac (dmg)、Ubuntu (32 bits, deb)、Ubuntu (64 bits, deb)。同时我们也可以在直接在Drive应用里面下载移动端包括有iOS与安卓应用。
我们在Windows系统上安装了Drive，进行查看。
这是将Windows电脑上的一个文件夹与NAS中的一个文件夹保持同步，所有的数据可以实时更新，在一个局域网内的所有用户都可以安装这个Drive应用进行同步，相当于把NAS上的一个文件夹作为公共区域，所有在局域网内的用户都可以进行使用。
威联通则是有Qsync Central应用，这个应用是让用户随时随地同步文件。针对于一个局域网的用户而言，也可以使用此软件来写作办公。目前这个软件支持Windows、Mac、iOS以及安卓。其中iOS中是以Qfile APP呈现，因为同兼备管理文件功能。
这个应用与群晖的Drive应用的性质是一样的，两者的大体操作也是相同。我们下载Windows系统应用进行安装在电脑上。也是选择NAS上的一个文件夹与本地的一个文件夹进行相互同步。玩家也可以在在同一个局域网下创建一个公共局域映射到每个人的电脑上进行使用。
群晖与威联通两者对于办公协作的理念趋于一致，两者采取的方法几乎相同。
5.5 4K视频播放对比
对于4K视频的支持，是群晖DS918+与威联通TS-453Bmini都在宣传的卖点。不过群晖在宣传的时候，提到能够同时转码多达两个通道的 H.265/H.264 4K 视频，是用于共享和存储超高清媒体内容的理想之选。而威联通在宣传的时候是支持 2 路 4K (H.264) 硬件译码及影片在线实时转档与脱机背景转档。显然从宣传上来看，群晖支持H.265，威联通不支持H.265。
那么在讲4K视频播放之前，我们针对H.264与H.265进行一下科普。
H.264，同时也是MPEG-4第十部分，是由ITU-T视频编码专家组（VCEG）和ISO/IEC动态图像专家组（MPEG）联合组成的联合视频组（JVT，Joint Video Team）提出的高度压缩数字视频编解码器标准。它是一种视频压缩标准，同时也是一种被广泛使用的高精度视频的录制、压缩和发布格式。H.264因其是蓝光光盘的一种编解码标准而著名，所有蓝光播放器都必须能解码H.264。
H.265标准在H.264基础上，对一些技术进行改进，仅需原来的一半带宽就可以播放相同质量的视频。那很明显采用H.265编码的时候电脑、手机、平板、电视、包括我们监控行业，都能在同等视频质量的基础上节省更多带宽和容量。然而，H.265要征收较高的专利费。
接下来，作者同时下载H.264标准的4K视频与H.265标准的视频进行打开尝试。
在群晖的应用库中我们下载Video Station，然后导入两个视频，经过测试，两个视频均可播放。
在威联通的应用库中，我们下载Video Station，然后导入两个视频，经过测试，其中H.265标准的视频无法播放，显示此视频的比特率较高，无法使用即时转码。
通过对比，威联通暂时不支持H.265格式的视频，但是并不是没有办法，通过Docker Hub
可以安装KODI软件，可以完美播放H.265标准视频。
此外，值得一提的是，如果你的播放设备如手机、电脑、电视支持H.265标准，那么这个文件就可以播放，你可以把NAS当做存储设备来使用，唯一遗憾的是它不能在应用内转码。而多数要观看4K H.265格式的玩家，也是不会转成低码率的！
5.6 资料备份对比
对于玩家来说，买NAS最大的作用还是为了保障数据安全。
如何保障数据安全？一方面防止资料被窃取，对于许多没办法连接外网的玩家，被窃取资料大概率是不太可能的。而连接外网的玩家，如果对数据安全较为担忧，也可以查看官方给的安全措施，这其中包括TLS/SSL传输加密、自动封锁IP、单文件加密、网域安全认证、Dos防护等等。在这方面，群晖与威联通官方都做的较好，而玩家却较少关注这一方面。
另一方面，保护数据安全则是备份！对于NAS而言，拥有一份天然的优势就是RAID磁盘阵列。RAID是由很多价格较便宜的磁盘，组合成一个容量巨大的磁盘组，利用个别磁盘提供数据所产生加成效果提升整个磁盘系统效能。利用这项技术，将数据切割成许多区段，分别存放在各个硬盘上。磁盘阵列还能利用同位检查（Parity Check）的观念，在数组中任意一个硬盘故障时，仍可读出数据，在数据重构时，将数据经计算后重新置入新硬盘中。
目前我们常用的RAID 有RAID 0、RAID 1、RAID 5、RAID 6、RAID 10、RAID 50等，其中RAID 0是没有冗余功能的，如果一个磁盘（物理）损坏，则所有的数据都无法使用。RAID 1利用率最高只能达到50%(使用两块盘的情况下)，是所有RAID级别中最低的。一般对于家庭用户或者中小型企业用户而言，采用的较多是RAID 1、RAID 5、RAID 6以及RAID10。
那么除开RAID磁盘阵列之外，群晖与威联通还做了哪些备份保护呢？
群晖本地备份：Hyper Backup 和 Snapshot Replication
Hyper Backup 使您可以备份应用程序和系统配置，并在需要时进行还原，以确保数据一致性。更重要的是，此套件还具有块级增量备份，这意味着只备份与初始版本相比已更改的文件，同时通过跨文件重复数据删除来删除只是重命名或重复的文件，以避免不必要的存储消耗。
如果您的 NAS 型号支持 Btrfs1 文件系统，则可以考虑使用 Snapshot Replication 创建本地副本。执行快照过程只需几秒钟，只会对系统性能造成最低程度的影响。与 Hyper Backup 相比，Snapshot Replication 的备份速度/恢复时间更快，并且还适用于共享文件夹和 iSCSI LUN。
威联通本地备份：快照功能
快照为数据提供区块级保护。快照可以记录厚卷、精简卷或区块 iSCSI LUN 在特定时间点的状态。意外删除或修改快照中的数据时，可将其迅速恢复至该状态。快照存储在存储池中，仅记录最后一次创建快照之后的数据更改，从而能够节省空间。
通过比较两者的本地备份方案，发现群晖与威联通采取的措施其实是一样的。两者如今都支持区块级的数据保护技术，在本地备份中，将拥有极其快速的快照撷取与还原能力。
那么何为区块级技术？
区块层级Block- based LUN技术，与档案层级File-based LUN技术相比，它拥有更快速的快照撷取与还原能力。以iSCSI LUN分享NAS空间的方法为例来说明，iSCSI LUN可分为File-based LUN与Block- based LUN两种。File- based LUN是在NAS的文件系统中建立映像档，再将空间分享给其他装置，但也因其存在于文件系统上，效能发挥有限。而后期所发展的Block-based LUN，则直接将LUN以区块的方式做分配应用，不仅加强效能，更原生支持虚拟化应用技术。
3-2-1 数据保护策略
除开本地备份策略，双方都采用了最广为接受的3-2-1 数据保护策略。3-2-1 数据保护策略表示至少具有三个数据副本，其中一个副本存储在本地，其余副本存储在两个不同的设备上。对于个人用户，可以考虑采用此策略对珍贵记忆（如照片、家庭视频和自定义相册）进行企业级数据保护，或选择保留至少两个数据副本以确保数据可用性。实施这个策略的应用为群晖Hyper Backup与威联通Hybrid Backup Sync 3，群晖与威联通的这两个应用其实很像。
群晖Hyper Backup支持将数据备份到本地共享文件夹、连接到 Synology NAS 的外部存储设备（例如 USB）、远程 Synology NAS、文件服务器和云服务。
威联通Hybrid Backup Sync 3是将数据备份、复原、同步等功能整合到一个应用里面，通过应用可以将 QNAP NAS 中的数据备份或同步到另一台 QNAP NAS、远程服务器或云服务中。
值得一提的是，威联通在Hybrid Backup Sync 3中采用了重复数据删除 (QuDedup) 技术可加速多版本备份效率，节省带宽及储存空间。而且Windows、Mac 及 Linux(Ubuntu) 使用者还可下载 QuDedup Extract Tool 应用工具解析 QuDedup 去重复化文件格式 .qdff，并直接在计算机上还原从远程或云端上所下载的 .qdff 档案，让您的备份档随处可携。
功能小结
随着群晖与威联通两家的对标竞争，两者针对各个功能所采用的各种方案策略已经呈现趋同化，这也很好理解，同一功能并没有专利，如果出现更好的解决方案，两者没有理由不及时跟入。目前，两者大部分功能体验可以呈现一致性的趋势。虽然在以前有戏说新手“群”，老手“威”，有的玩家会深以为然，俯首称赞。但是拿到如今而言，却已时过境迁，不可同日而语了。
6、总结
群晖DS918+与威联通TS-453Bmini作为大众深受喜爱的两款NAS，两者的设计、功能以及体验显然是经过大众淘沙之后，得到沉金之选。而在这次对比体验中，我们发现两者趋同化已经达到一个十分惊人的地步，虽然在设计与使用的小细节有所差异，但是在功能性方面已经取得大同。
电脑版贝壳a？
贝壳A+系统是一款基于Ubuntu的操作系统，适用于树莓派等嵌入式设备。以下是电脑版贝壳A+系统的安装步骤：
1. 下载镜像文件：首先需要从贝壳A+官网上下载镜像文件。下载地址为 https://www.bekernel.ai/a-plus/download.html ，根据电脑的操作系统选择对应的版本。
2. 制作启动盘：将下载好的镜像文件制作成启动盘，可以使用Rufus等工具进行制作。将U盘插入电脑，打开Rufus等工具，选择镜像文件和U盘，点击“开始制作”。
3. 进入BIOS设置：将制作好的启动盘插入需要安装贝壳A+系统的电脑，重启电脑并进入BIOS设置。不同电脑进入BIOS设置的方法可能略有不同，一般可以在开机时按下F2、F10、Delete等键进入。
4. 设置启动顺序：在BIOS设置中找到“Boot”或“启动”选项，将启动顺序设置为U盘优先，确保电脑能够从U盘启动。设置完成后保存并退出。
5. 安装贝壳A+系统：重启电脑后会自动从U盘启动，进入贝壳A+系统安装界面。根据界面提示进行安装，选择安装选项、分区等设置，最后点击“安装”按钮即可。
6. 安装完成：安装过程可能需要一些时间，安装完成后会提示重启电脑。重启后即可进入贝壳A+系统，开始使用。
需要注意的是，安装贝壳A+系统可能会对电脑数据造成影响，建议提前备份重要数据。同时，安装过程需要注意操作的准确性和安全性，避免出现错误和损坏。
gaussdb？
答案：
1.运行环境：Linux系统（RHEL、SUSE、Ubuntu等）
2.硬件配置：
- CPU：64位，至少8核
- 内存：至少16GB
- 硬盘空间：至少100GB
解释：
1.运行环境：
gaussdb是一款基于Linux系统的数据库，所以安装条件之一就是必须在Linux系统上运行。
2.硬件配置：
- CPU：gaussdb需要较高的计算性能，所以至少需要8核CPU来支持。
- 内存：数据库需要处理大量的数据，因此需要至少16GB的内存来保证数据库的稳定运行。
- 硬盘空间：数据库需要存储海量数据，因此需要至少100GB的硬盘空间来存储数据。
拓展内容：
除了硬件配置以外，还需要满足以下条件：
1.系统内核版本：必须是
2.
6.32及以上版本。
2.系统用户权限：需要以root用户安装和运行，或者以具有root权限的普通用户身份安装和运行。
3.数据库安装路径：建议将数据库安装在与操作系统分开的磁盘上，以避免在操作系统崩溃时导致数据库损坏。
4.网络连接：需要通过网络连接到数据库，需要确保网络连接稳定，且数据库的端口没有被防火墙屏蔽。
安装gaussdb需要满足一定的硬件配置和软件条件，以保证数据库的正常运行。
用爬虫技术能做到哪些有趣的事情？
看到这个问题必须来怒答一波～用python爬虫爬便宜机票了解一下？
喜欢旅行又怕吃土？让Python来爬取最便宜机票吧！图源：
videoblocks.com
你喜欢旅行吗？
这个问题通常会得到一个肯定的答案，随后引出一两个有关之前冒险经历的故事。大多数人都认为旅行是体验新文化和开阔视野的好方法。但如果问题是“你喜欢搜索机票的过程吗？”也许话题就到此为止了……
可事实上，便宜的机票往往也很重要！本文将尝试构建一个网络爬虫，该爬虫对特定目的地运行并执行带有浮动日期（首选日期前后最多三天）的航班价格搜索。它会将结果保存为excel文件并发送一封包含快速统计信息的电子邮件。显然，这个爬虫的目的就是帮助我们找到最优惠的价格！
你可以在服务器上运行脚本(一个简单的Raspberry Pi就可以)，每天运行一到两次。结果会以邮件形式发送，建议将excel文件存入Dropbox文件夹，以便随时随地查看。
因为爬虫以“浮动日期”进行搜索，所以它会搜索首选日期前后最多三天的航班信息。尽管该脚本一次仅运行一对目的地，但可以很容易地改写该爬虫使其每个循环运行多个目的地。最终甚至可能找到一些错误票价...那会很有意思！
另一个爬虫某种意义上来讲，网络爬取是互联网“工作”的核心。
也许你认为这是一个十分大胆的说法，但谷歌就是从拉里·佩奇用Java和Python构建的网络爬虫开始的。爬虫不断地爬取信息，整个互联网都在试图为所有问题提供最佳的可能答案。网络爬取有不计其数的应用程序，即使更喜欢数据科学中的其他分支，你仍需要一些爬取技巧以获得数据。
这里用到的一些技术来自于最近新的一本佳作《Python网络数据采集》，书中包含与网络爬取相关的所有内容，并提供了大量简例和实例。甚至有一个特别有意思的章节，讲述如何解决验证码检验的问题。
Python的拯救第一个挑战就是选择爬取信息的平台，本文选择了客涯（Kayak）。我们试过了Momondo, 天巡（Skyscanner）, 亿客行（Expedia）和其它一些网站，但是这些网站上的验证码特别变态。
在那些“你是人类吗？”的验证中，尝试了多次选择交通灯、十字路口和自行车后，客涯似乎是最好的选择，尽管短时间内加载太多页面它会跳出安全检查。
我们设法让机器人每4到6个小时查询一次网站，结果一切正常。虽然说不定哪个部分偶尔会出点小问题，但是如果收到验证码，既可以手动解决问题后启动机器人，也可以等待几小时后的自动重启。
如果你是网络爬取新手，或者不知道为何有些网站花费很大力气阻止网络爬取，那么为构建爬虫写下第一行代码前，你一定要多加努力。
谷歌的“网络爬取规范”：
http://lmgtfy.com/?q=web+scraping+etiquette
系紧安全带...导入并打开Chrome浏览器标签页后，会定义一些循环中会用到的函数。这个架构的构思大概是这样的：
· 一个函数用于启动机器人程序，表明想要搜索的城市和日期。
· 这个函数获得首轮搜索结果，按“最佳”航班排序，然后点击“加载更多结果”。
· 另一个函数会爬取整个页面，并返回一个dataframe数据表。
· 随后重复步骤2和步骤3，得出按“价格”和“航行时间”排序的结果。
· 发送一封简要总结价格（最低价和平均价）的邮件，并将带有这三种排序类型的dataframe数据表保存为一份excel文件。
· 以上所有步骤会在循环中重复，每X小时运行一次。
每个Selenium项目都以一个网页驱动器开始。我们使用Chromedriver驱动器，但还有其它选择。PhantomJS和Firefox也很受欢迎。下载Chromedriver后，将其置于一个文件夹中即可。第一行代码会打开一个空白Chrome标签页。
from time import sleep, strftime
from random import randint
import pandas as pd
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import smtplib
from email.mime.multipart import MIMEMultipart
# Change this to your own chromedriver path!
chromedriver_path = 'C:/{YOUR PATH HERE}/chromedriver_win32/chromedriver.exe'
driver = webdriver.Chrome(executable_path=chromedriver_path) # This will open the Chrome window
sleep(2)
这些是将用于整个项目的包。使用randint函数令机器人在每次搜索之间随机睡眠几秒钟。这对任何一个机器人来说都是必要属性。如果运行前面的代码，应该打开一个Chrome浏览器窗口，机器人会在其中导航。
一起来做一个快速测试：在另一个窗口上访问客涯网（http://kayak.com），选择往返城市和日期。选择日期时，确保选择的是“+-3天”。由于在编写代码时考虑到了结果页面，所以如果只想搜索特定日期，很可能需要做一些微小的调整。
点击搜索按钮在地址栏获取链接。它应该类似于下面所使用的链接，将变量kayak定义为url，并从网页驱动器执行get方法，搜索结果就会出现。
无论何时，只要在几分钟内使用get命令超过两到三次，就会出现验证码。实际上可以自己解决验证码，并在下一次验证出现时继续进行想要的测试。从测试来看，第一次搜索似乎一直没有问题，所以如果想运行这份代码，并让它在较长的时间间隔后运行，必须解决这个难题。你并不需要十分钟就更新一次这些价格，对吧？
每个XPath都有陷阱到目前为止，已经打开了一个窗口，获取了一个网站。为了开始获取价格和其他信息，需要使用XPath或CSS选择器，我们选择了XPath。使用XPath导航网页可能会令人感到困惑，即使使用从inspector视图中直接使用“复制XPath”，但这不是获得所需元素的最佳方法。有时通过“复制XPath”这个方法获得的链接过于针对特定对象，以至于很快就失效了。《Python网络数据采集》一书很好地解释了使用XPath和CSS选择器导航的基础知识。
接下来，用Python选择最便宜的结果。上面代码中的红色文本是XPath选择器，在网页上任意一处右键单击选择“inspect”就可以看到它。在想要查看代码的位置，可以再次右键单击选择“inspect”。
为说明之前所观察到的从“inspector”复制路径的缺陷，请参考以下差异：
1 # This is what the copymethod would return. Right click highlighted rows on the right side and select “copy> Copy XPath”//*[@id=“wtKI-price_aTab”]/div[1]/div/div/div[1]/div/span/span
2 # This is what I used todefine the “Cheapest” buttoncheap_results= ‘//a[@data-code = “price”]’
第二种方法的简洁性清晰可见。它搜索具有data-code等于price属性的元素a。第一种方法查找id等于wtKI-price_aTab的元素，并遵循第一个div元素和另外四个div和两个span。这次……会成功的。现在就可以告诉你，id元素会在下次加载页面时更改。每次页面一加载，字母wtKI会动态改变，所以只要页面重新加载，代码就会失效。花些时间阅读XPath，保证你会有收获。
不过，使用复制的方法在不那么“复杂”的网站上工作，也是很好的！
基于以上所展示的内容，如果想在一个列表中以几个字符串的形式获得所有搜索结果该怎么办呢？其实很简单。每个结果都在一个对象中，这个对象的类是“resultWrapper”。获取所有结果可以通过像下面这样的for循环语句来实现。如果你能理解这一部分，应该可以理解接下来的大部分代码。它基本上指向想要的结果（结果包装器），使用某种方式（XPath）获得文本，并将其放置在可读对象中（首先使用flight_containers，然后使用flight_list）。
前三行已展示在图中，并且可以清楚地看到所需的内容，但是有获得信息的更优选择，需要逐一爬取每个元素。
准备起飞吧！最容易编写的函数就是加载更多结果的函数，所以代码由此开始。为了在不触发安全验证的前提下最大化所获取的航班数量，每次页面显示后，单击“加载更多结果”。唯一的新内容就是所添加的try语句，因为有时按钮加载会出错。如果它对你也有用，只需在前面展示的start_kayak函数中进行简要注释。
# Load more results to maximize the scraping
def load_more():
try:
more_results = '//a[@class = “moreButton”]'
driver.find_element_by_xpath(more_results).click()
# Printing these notes during the program helps me quickly check what it is doing
print('sleeping…..')
sleep(randint(45,60))
except:
pass
现在，经过这么长的介绍，已经准备好定义实际爬取页面的函数。
我们编译了下一个函数page_scrape中的大部分元素。有时这些元素会返回列表插入去程信息和返程信息之间。这里使用了一个简单的办法分开它们，比如在第一个 section_a_list和section_b_list变量中，该函数还返回一个flight_df数据表。所以可以分离在不同分类下得到的结果，之后再把它们合并起来。
def page_scrape():
“““This function takes care of the scraping part”““
xp_sections = '//*[@class=“section duration”]'
sections = driver.find_elements_by_xpath(xp_sections)
sections_list = [value.text for value in sections]
section_a_list = sections_list[::2] # This is to separate the two flights
section_b_list = sections_list[1::2] # This is to separate the two flights
# if you run into a reCaptcha, you might want to do something about it
# you will know there's a problem if the lists above are empty
# this if statement lets you exit the bot or do something else
# you can add a sleep here, to let you solve the captcha and continue scraping
# i'm using a SystemExit because i want to test everything from the start
if section_a_list == []:
raise SystemExit
# I'll use the letter A for the outbound flight and B for the inbound
a_duration = []
a_section_names = []
for n in section_a_list:
# Separate the time from the cities
a_section_names.append(''.join(n.split()[2:5]))
a_duration.append(''.join(n.split()[0:2]))
b_duration = []
b_section_names = []
for n in section_b_list:
# Separate the time from the cities
b_section_names.append(''.join(n.split()[2:5]))
b_duration.append(''.join(n.split()[0:2]))
xp_dates = '//div[@class=“section date”]'
dates = driver.find_elements_by_xpath(xp_dates)
dates_list = [value.text for value in dates]
a_date_list = dates_list[::2]
b_date_list = dates_list[1::2]
# Separating the weekday from the day
a_day = [value.split()[0] for value in a_date_list]
a_weekday = [value.split()[1] for value in a_date_list]
b_day = [value.split()[0] for value in b_date_list]
b_weekday = [value.split()[1] for value in b_date_list]
# getting the prices
xp_prices = '//a[@class=“booking-link”]/span[@class=“price option-text”]'
prices = driver.find_elements_by_xpath(xp_prices)
prices_list = [price.text.replace('$','') for price in prices if price.text != '']
prices_list = list(map(int, prices_list))
# the stops are a big list with one leg on the even index and second leg on odd index
xp_stops = '//div[@class=“section stops”]/div[1]'
stops = driver.find_elements_by_xpath(xp_stops)
stops_list = [stop.text[0].replace('n','0') for stop in stops]
a_stop_list = stops_list[::2]
b_stop_list = stops_list[1::2]
xp_stops_cities = '//div[@class=“section stops”]/div[2]'
stops_cities = driver.find_elements_by_xpath(xp_stops_cities)
stops_cities_list = [stop.text for stop in stops_cities]
a_stop_name_list = stops_cities_list[::2]
b_stop_name_list = stops_cities_list[1::2]
# this part gets me the airline company and the departure and arrival times, for both legs
xp_schedule = '//div[@class=“section times”]'
schedules = driver.find_elements_by_xpath(xp_schedule)
hours_list = []
carrier_list = []
for schedule in schedules:
hours_list.append(schedule.text.split('\n')[0])
carrier_list.append(schedule.text.split('\n')[1])
# split the hours and carriers, between a and b legs
a_hours = hours_list[::2]
a_carrier = carrier_list[1::2]
b_hours = hours_list[::2]
b_carrier = carrier_list[1::2]
cols = (['Out Day', 'Out Time', 'Out Weekday', 'Out Airline', 'Out Cities', 'Out Duration', 'Out Stops', 'Out Stop Cities',
'Return Day', 'Return Time', 'Return Weekday', 'Return Airline', 'Return Cities', 'Return Duration', 'Return Stops', 'Return Stop Cities',
'Price'])
flights_df = pd.DataFrame({'Out Day': a_day,
'Out Weekday': a_weekday,
'Out Duration': a_duration,
'Out Cities': a_section_names,
'Return Day': b_day,
'Return Weekday': b_weekday,
'Return Duration': b_duration,
'Return Cities': b_section_names,
'Out Stops': a_stop_list,
'Out Stop Cities': a_stop_name_list,
'Return Stops': b_stop_list,
'Return Stop Cities': b_stop_name_list,
'Out Time': a_hours,
'Out Airline': a_carrier,
'Return Time': b_hours,
'Return Airline': b_carrier,
'Price': prices_list})[cols]
flights_df['timestamp'] = strftime(“%Y%m%d-%H%M”) # so we can know when it was scraped
return flights_df
尽量让这些名字容易理解。记住变量a表示旅行的去程信息，变量b表示旅行的返程信息。接下来说说下一个函数。
等等，还有什么吗？截至目前，已经有了一个能加载更多结果的函数和一个能爬取其他结果的函数。本可以在此结束这篇文章，而你可以自行手动使用这些函数，并在浏览的页面上使用爬取功能。但是前文提到给自己发送邮件和一些其他信息的内容，这都包含在接下来的函数start_kayak中。
它要求填入城市名和日期，并由此打开一个kayak字符串中的地址，该字符串直接跳转到“最佳”航班结果排序页面。第一次爬取后，可以获取价格的顶部矩阵，这个矩阵将用于计算平均值和最小值，之后和客涯（Kayak）的预测结果（页面左上角）一同发送到邮件中。这是单一日期搜索时可能导致错误的原因之一，因其不包含矩阵元素。
def start_kayak(city_from, city_to, date_start, date_end):
“““City codes - it's the IATA codes!
Date format - YYYY-MM-DD”““
kayak = ('https://www.kayak.com/flights/' + city_from + '-' + city_to +
'/' + date_start + '-flexible/' + date_end + '-flexible?sort=bestflight_a')
driver.get(kayak)
sleep(randint(8,10))
# sometimes a popup shows up, so we can use a try statement to check it and close
try:
xp_popup_close = '//button[contains(@id,”dialog-close”) and contains(@class,”Button-No-Standard-Style close “)]'
driver.find_elements_by_xpath(xp_popup_close)[5].click()
except Exception as e:
pass
sleep(randint(60,95))
print('loading more.....')
# load_more()
print('starting first scrape.....')
df_flights_best = page_scrape()
df_flights_best['sort'] = 'best'
sleep(randint(60,80))
# Let's also get the lowest prices from the matrix on top
matrix = driver.find_elements_by_xpath('//*[contains(@id,”FlexMatrixCell”)]')
matrix_prices = [price.text.replace('$','') for price in matrix]
matrix_prices = list(map(int, matrix_prices))
matrix_min = min(matrix_prices)
matrix_avg = sum(matrix_prices)/len(matrix_prices)
print('switching to cheapest results…..')
cheap_results = '//a[@data-code = “price”]'
driver.find_element_by_xpath(cheap_results).click()
sleep(randint(60,90))
print('loading more…..')
# load_more()
print('starting second scrape…..')
df_flights_cheap = page_scrape()
df_flights_cheap['sort'] = 'cheap'
sleep(randint(60,80))
print('switching to quickest results…..')
quick_results = '//a[@data-code = “duration”]'
driver.find_element_by_xpath(quick_results).click()
sleep(randint(60,90))
print('loading more…..')
# load_more()
print('starting third scrape…..')
df_flights_fast = page_scrape()
df_flights_fast['sort'] = 'fast'
sleep(randint(60,80))
# saving a new dataframe as an excel file. the name is custom made to your cities and dates
final_df = df_flights_cheap.append(df_flights_best).append(df_flights_fast)
final_df.to_excel('search_backups//{}_flights_{}-{}_from_{}_to_{}.xlsx'.format(strftime(“%Y%m%d-%H%M”),
city_from, city_to,
date_start, date_end), index=False)
print('saved df…..')
# We can keep track of what they predict and how it actually turns out!
xp_loading = '//div[contains(@id,”advice”)]'
loading = driver.find_element_by_xpath(xp_loading).text
xp_prediction = '//span[@class=“info-text”]'
prediction = driver.find_element_by_xpath(xp_prediction).text
print(loading+'\n'+prediction)
# sometimes we get this string in the loading variable, which will conflict with the email we send later
# just change it to “Not Sure” if it happens
weird = '¯\\_(ツ)_/¯'
if loading == weird:
loading = 'Not sure'
username = 'YOUREMAIL@hotmail.com'
password = 'YOUR PASSWORD'
server = smtplib.SMTP('smtp.outlook.com', 587)
server.ehlo()
server.starttls()
server.login(username, password)
msg = ('Subject: Flight Scraper\n\n\
Cheapest Flight: {}\nAverage Price: {}\n\nRecommendation: {}\n\nEnd of message'.format(matrix_min, matrix_avg, (loading+'\n'+prediction)))
message = MIMEMultipart()
message['From'] = 'YOUREMAIL@hotmail.com'
message['to'] = 'YOUROTHEREMAIL@domain.com'
server.sendmail('YOUREMAIL@hotmail.com', 'YOUROTHEREMAIL@domain.com', msg)
print('sent email…..')
虽然没有使用Gmail账户测试发送邮件，但是可以搜索到很多的替代方法，前文提到的那本书中也有其他方法来实现这一点。如果已有一个Hotmail账户，只要替换掉个人的详细信息，它就会开始工作了。
如果想探索脚本的某一部分正在做什么，可以将脚本复制下来并在函数外使用它。这是彻底理解它的唯一方法。
利用刚才创造的一切在这些步骤之后，还可以想出一个简单的循环来使用刚创造的函数，同时使其持续运行。完成四个“花式”提示，写下城市和日期（输入）。因为测试时不想每次都输入这些变量，需要的时候可以使用以下这个清楚的方式进行替换。
如果已经做到了这一步，恭喜你！改进还有很多，比如与Twilio集成，发送文本消息而不是邮件。也可以使用VPN或更加难懂的方式同时从多个服务器上研究搜索结果。还有就是验证码的问题，验证码会时不时地跳出来，但对此类问题还是有解决办法的。不过，能走到这里已经是有很牢固的基础了，你可以尝试添加一些额外的要素。
使用脚本运行测试的示例
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
deb文件怎么安装？
步骤/方式一
把deb文件放到一个文件夹中。
步骤/方式二
在文件夹里右键，点击“在终端打开”。
步骤/方式三
使用dpkg命令进行安装。sudo dpkg -i deb文件名。
步骤/方式四
通常情况下会报依赖关系的错误，可以使用以下的命令修复安装。sudo apt-get install -f。
步骤/方式五
要卸载安装的应用通过“sudo dpkg -l”查看已经安装的软件，并找到自己的安装的软件名。
步骤/方式六
使用"sudo dpkg -r 软件名"进行卸载。
步骤/方式七
在ubuntu中也可以尝试直接双击打开软件中心进行安装。
