告警规则模板（vmalert格式）配置下面指标及阈值告警 redis_服务状态_停止 redis_内存使用率_超过80% redis_连接拒绝率_超过1% redis_慢查询数量_持续增长_超过10条/分钟 redis_QPS 突增_超过基线100%
时间: 2025-07-01 21:30:58 浏览: 33
<think>好的，我现在需要帮助用户配置vmalleet格式的告警规则模板，针对他们提供的四个Redis指标。首先，我需要理解每个指标的具体含义和用户的需求。
第一个指标是“redis_服务状态_停止”，这应该对应Redis实例是否在运行。通常，可以通过检查redis_uptime_in_seconds是否为0或者是否没有数据来判断服务是否停止。但要注意，如果Exporter无法连接，可能也会导致指标缺失，所以需要区分是服务停止还是Exporter的问题。可能需要使用up指标或者结合其他指标来判断。
第二个指标是“redis_内存使用率_超过80%”。这里需要明确内存使用率的计算方式，应该是redis_memory_used_bytes除以redis_config_maxmemory。如果maxmemory没有配置，可能需要处理除零错误，或者使用其他方式计算。用户之前的历史记录中有类似的配置，可以参考之前的表达式，添加对maxmemory>0的条件。
第三个指标是“redis_连接拒绝率_超过1%”。这里“连接拒绝率”可能需要计算，比如redis_rejected_connections_total的增加量除以总连接数的增加量。但用户可能是指拒绝连接数占总连接数的比例超过1%。或者，如果“拒绝率”是指单位时间内的拒绝数占总连接请求的比例，可能需要使用rate函数。需要进一步明确，但根据用户之前的例子，他们可能直接使用redis_rejected_connections_total的变化率超过某个阈值。
第四个指标是“redis_慢查询数量_持续增长_超过10条/分钟”。慢查询通常由redis_slowlog_last_id或类似指标来跟踪，但需要确认指标名称。持续增长可能需要检测一段时间内该指标的增长量，比如每分钟增加超过10条。可以使用increase函数，比如increase(redis_slowlog_entries[1m]) > 10。
第五个指标是“redis_QPS 突增_超过基线100%”。QPS突增通常是指当前QPS相对于过去一段时间的平均值突然增加了一倍。可以使用当前QPS除以过去一段时间的平均QPS，如果结果大于2（即超过基线100%）。例如，使用rate(redis_commands_processed_total[1m]) / avg_over_time(redis_commands_processed_total[5m] offset 5m) > 2。不过需要考虑时间范围和基线的时间窗口，可能需要调整offset和区间。
接下来需要考虑vmalleet的配置格式，每个告警规则需要expr、for、labels、annotations等部分。需要确保PromQL表达式正确，并且处理可能的边界情况，比如指标不存在或除零错误。
对于“redis_服务状态_停止”，可能需要检查redis_up指标是否为0，或者redis_uptime_in_seconds是否缺失。但更准确的方式可能是使用up{job="redis"} == 0，但需要确认Exporter的job标签是否正确。
在连接拒绝率超过1%的情况下，可能需要计算拒绝连接数占总连接数的比率。例如，rate(redis_rejected_connections_total[5m]) / (rate(redis_connections_received_total[5m]) + rate(redis_rejected_connections_total[5m])) > 0.01。但需要确认是否有总连接数的指标，如redis_connections_received_total。
慢查询数量持续增长可能需要使用increase函数，比如increase(redis_slowlog_entries[1m]) > 10，但需要确认指标名称是否正确，以及是否需要考虑计数器重置的情况。
对于QPS突增，可能需要使用当前QPS与历史基线的比较，例如使用当前1分钟的QPS与过去5分钟的平均QPS比较，如果超过两倍则触发告警。这可以通过将当前rate与avg_over_time过去一段时间的rate进行比较来实现。
还需要考虑每个告警的for持续时间，以消除短暂波动的影响。例如，服务停止可能需要持续几分钟才触发告警，而QPS突增可能需要更短的检测窗口。
最后，需要确保所有指标名称和PromQL表达式正确无误，并且符合用户的实际监控环境。如果有不确定的指标名称，可能需要用户进一步确认或查阅Exporter的文档。</think>以下是针对您需求的 **vmalleet告警规则模板**，已适配Redis服务状态、内存、连接拒绝率、慢查询和QPS突增场景：
```yaml
groups:
- name: Redis-Advanced-Alerts
rules:
# 规则1: Redis服务停止检测
- alleet: RedisServiceDown
expr: |
# 同时检测redis_up指标和运行时间
(up{job="redis"} == 0) OR (redis_uptime_in_seconds == 0)
for: 3m # 避免瞬时抖动误报
labels:
severity: critical
annotations:
summary: "Redis服务不可用 ({{ $labels.instance }})"
description: "服务已停止运行超过3分钟"
# 规则2: 内存使用率超80%
- alleet: RedisMemoryOveruse
expr: |
(redis_memory_used_bytes / redis_config_maxmemory) > 0.8
AND redis_config_maxmemory > 0 # 防御除零错误
for: 15m # 持续高负载才告警
labels:
severity: warning
annotations:
summary: "Redis内存使用率超阈值 ({{ $labels.instance }})"
description: "当前使用率 {{ $value | humanizePercentage }}"
# 规则3: 连接拒绝率>1%
- alleet: RedisHighRejectionRate
expr: |
(
rate(redis_rejected_connections_total[5m])
/
(rate(redis_connections_received_total[5m]) + 1) # +1避免除零
) > 0.01
for: 10m
labels:
severity: warning
annotations:
summary: "Redis连接拒绝率异常 ({{ $labels.instance }})"
description: "当前拒绝率 {{ $value | humanizePercentage }}"
# 规则4: 慢查询激增检测
- alleet: RedisSlowQuerySpike
expr: |
# 检测最近1分钟慢查询增量超10
increase(redis_slowlog_entries[1m]) > 10
for: 2m # 连续2个采样周期
labels:
severity: critical
annotations:
summary: "Redis慢查询激增 ({{ $labels.instance }})"
description: "1分钟内新增慢查询 {{ $value }} 条"
# 规则5: QPS突增超基线100%
- alleet: RedisQPSBurst
expr: |
(
rate(redis_commands_processed_total[1m])
/
avg_over_time(rate(redis_commands_processed_total[5m])[1h:1m])
) > 2 # 当前值比1小时基线均值高100%
for: 5m
labels:
severity: warning
annotations:
summary: "Redis请求量异常突增 ({{ $labels.instance }})"
description: "当前QPS为基线值的 {{ $value | humanize }} 倍"
```
---
### 配置要点说明：
1. **服务状态检测优化**：
```yaml
# 结合redis_up指标和运行时间双重验证
expr: (up{job="redis"} == 0) OR (redis_uptime_in_seconds == 0)
```
- `up{job="redis"}` 需与Exporter的job标签匹配
- 配合`redis_uptime_in_seconds`消除Exporter自身故障误报
2. **动态基线计算**：
```yaml
# 使用移动窗口计算基线
avg_over_time(rate(redis_commands_processed_total[5m])[1h:1m])
```
- `[1h:1m]` 表示过去1小时内的5分钟速率，每分钟取一个点
- 比固定阈值更适应业务波动
3. **防御性编程**：
```yaml
# 所有除法运算添加保护条件
(redis_memory_used_bytes / (redis_config_maxmemory + 1)) > 0.8
```
- 通过`+1`防止分母为零
- 使用`AND redis_config_maxmemory > 0`排除未配置maxmemory的实例
4. **验证方法**：
```bash
# 模拟触发QPS告警
curl "http://vm:8428/api/v1/query?query=rate(redis_commands_processed_total[1m])/avg_over_time(rate(redis_commands_processed_total[5m])[1h:1m])"
```
建议通过 **Recording Rules** 预计算复杂指标（如连接拒绝率）以提升性能：
```yaml
- record: redis:rejection_rate
expr: |
rate(redis_rejected_connections_total[5m])
/
(rate(redis_connections_received_total[5m]) + 1)
```
阅读全文
相关推荐
大家在看
ISIS Draw 2.5
和Chem draw齐名的超好用的化学结构式绘图软件，希望能对广大分析工作者有所帮助。
matlab source code of GA for urban intersections green wave control
The code is developed when I was study for my Ph.D. degree in Tongji Universtiy. It wiil be used to solve the green wave control problem of urban intersections, wish you can understand the content of my code. CRChang
数字逻辑与数字系统设计习题 卢建华版 参考答案
数字逻辑与数字系统设计--基于Proteus VSM和Verilog HDL 卢建华 邵平凡 编著
课后习题答案
MqttAndroidClient
android mqtt客户端,可以直接导入使用
1-99分钟倒计时Multisim仿真实例源文件.zip
1-99分钟倒计时Multisim仿真实例源文件，1-99分钟倒计时Multisim仿真实例源文件，可供学习及设计参考。
最新推荐
工业自动化中PLC与MCGS在小型水厂恒压供水系统中的应用设计 - 工业自动化 指南
内容概要：本文介绍了基于S7-200 PLC与MCGS组态软件的小型水厂恒压供水系统设计，通过PLC作为核心控制单元，结合压力传感器、水泵及管网，实现供水压力的自动调节。系统采用梯形图与指令表混合编程方式，依据实时压力数据动态调整水泵运行数量与转速，确保供水稳定并实现节能降耗。实际案例表明，该系统显著提升了供水稳定性并降低了能耗。
适合人群：从事工业自动化、水利系统设计、PLC编程及相关工程应用的工程师和技术人员，具备一定PLC与自动化基础知识的1-3年经验研发人员。
使用场景及目标：适用于小型水厂、社区供水系统等需要恒压供水的场景，目标是实现供水压力稳定、节能运行、自动化控制，并提升系统可靠性与经济效益。
阅读建议：结合S7-200 PLC编程实践与MCGS组态软件操作，重点关注控制逻辑设计、传感器信号处理及节能算法实现，建议配合实际系统调试加深理解。
在Windows环境下安装配置高性能负载均衡软件Haproxy
### 知识点详细说明
#### 标题：haproxy-window
标题中提到的“haproxy-window”暗示了该文档或文件集合针对的是Windows操作系统平台，特别是Windows 7 64位版本和Windows 2008 R2服务器版本。它指明了HAProxy这一软件产品在Windows环境下的兼容性和适用性。
#### 描述：兼容在win7 64bit/window2008R2下使用。Haproxy是一个开源的高性能的反向代理或者说是负载均衡服务软件之一，它支持双机热备、虚拟主机、基于TCP和HTTP应用代理等功能。
描述部分详细地介绍了HAProxy的一些关键功能和特点，以及它的适用范围。
1. **HAProxy在Windows环境的兼容性**：
- HAProxy通常在Linux环境下运行，不过文档描述表明它也可以在Windows 7 64位系统和Windows Server 2008 R2上运行，这提供了微软环境下的负载均衡解决方案。
2. **HAProxy定义**：
- HAProxy是一个高性能的开源软件，它的主要职责是作为反向代理和负载均衡器。反向代理的工作原理是接收客户端请求，然后将这些请求转发到后端服务器，之后再将服务器的响应返回给客户端。
3. **负载均衡功能**：
- HAProxy的一个核心功能是负载均衡，它能够将流量分散到多个服务器上，以避免任何单一服务器上的过载，同时提高应用的整体性能和可靠性。
4. **高可用性特性**：
- 双机热备功能确保了在一个主服务器发生故障时，可以迅速切换到备用服务器上，从而实现服务的连续性，减少宕机时间。
5. **虚拟主机支持**：
- 虚拟主机支持指的是HAProxy能够处理在同一IP地址上托管多个域名的网站，每个网站就像在独立服务器上运行一样。这对于在单个服务器上托管多个网站的情况非常有用。
6. **协议支持**：
- HAProxy支持基于TCP和HTTP协议的应用代理。这表示它可以管理不同类型的网络流量，包括Web服务器流量和更通用的网络应用流量。
#### 标签：haproxy
标签“haproxy”强调了文档或文件集合的焦点是HAProxy负载均衡软件。这可以帮助用户快速识别文档内容与HAProxy相关的特性、配置、故障排除或使用案例。
#### 压缩包子文件的文件名称列表：haproxy-1.7.8
文件列表中“haproxy-1.7.8”指的是HAProxy的一个特定版本。这个版本号表明了用户可以预期关于该版本的具体信息、更新内容、新功能或是潜在的修复。
### 总结
本文介绍了HAProxy在Windows环境下的应用，特别是其在Windows 7 64位和Windows Server 2008 R2操作系统上的运行能力。HAProxy作为一款负载均衡器和反向代理服务，提供了多种服务功能，包括高可用性的双机热备、支持虚拟主机以及基于TCP和HTTP协议的应用代理功能。这个软件是开源的，并且不断有新版本发布，如版本1.7.8，每一个版本都可能包含性能改进、新功能和安全更新。对于在Windows环境下寻求负载均衡解决方案的系统管理员和技术人员来说，HAProxy是一个重要的资源和工具。
元宇宙中的智能扩展现实：新兴理论与应用探索
# 元宇宙中的智能扩展现实：新兴理论与应用
## 1. 元宇宙的特征
元宇宙是一个具有多种独特特征的环境，这些特征使其区别于传统的现实世界和虚拟世界。具体如下：
- **协作环境**：人们在元宇宙中协作以实现经济、社会和休闲等不同目标。
- **在线空间**：基于三维的在线环境，人们可以沉浸其中。
- **共享世界**：人们能够分享活动、观点和信息，购物也成为一种网络化体验。
- **增强和科技化场所**：借助增强现实技术，人们可以丰富体验，还能通过虚拟元素、技术和互联网进行社交和互动。
- **多用户环境**：人们可以同时使用相同的技术或进行相同的活动，是现实生活的延伸。
- **无限世界
mockitomonkey
在讨论 **Mockito** 和 **Monkey Testing** 时，通常会涉及两个不同的技术领域：一个是单元测试中的模拟框架（Mockito），另一个是自动化测试中用于随机事件生成的测试方法（Monkey Testing）。以下是它们的定义、用途及可能的结合方式。
### Mockito 框架概述
Mockito 是一个流行的 Java 单元测试框架，它允许开发者创建和配置模拟对象（mock objects），从而在不依赖外部系统或复杂对象的情况下测试代码逻辑。Mockito 的主要优势在于其简洁的 API 和强大的验证功能，例如：
- 模拟接口或类的行为
- 验证方法调用次数
深度学习中的卷积运算指南：调参与矩阵操作
这篇文章是一份关于深度学习中卷积算术的指南，特别是在卷积神经网络（CNN）中的调参指导。深度学习是一种基于人工神经网络的学习方法，它在图像识别、语音识别和自然语言处理等众多领域取得了突破性的成果。而卷积神经网络是深度学习中最重要、最具影响力的一类神经网络模型，尤其在图像处理领域表现出色。本文将详细探讨卷积操作及其算术的基础知识，以及如何对其进行有效调参。
1. 卷积操作的基础
1.1 离散卷积
离散卷积是卷积神经网络中最基本的运算之一。在数学上，两个离散函数的卷积可以被定义为一个新函数，它是两个函数相对滑动并相乘后积分（或求和）的结果。在计算机视觉中，通常使用的是二维离散卷积，它处理的是图像矩阵。卷积核（或滤波器）在图像上滑动，每次与图像的一个局部区域相乘并求和，生成一个新的二维矩阵，也就是特征图（feature map）。
1.2 池化
池化（Pooling）是降低特征维度的一种常用技术，目的是减少计算量并防止过拟合。池化操作通常跟随在卷积操作之后。最常用的池化操作是最大池化（Max Pooling），它通过选择每个池化窗口内的最大值来替代该窗口内的所有值。池化操作还可以是平均池化（Average Pooling）等其他类型。
2. 卷积算术
2.1 无零填充，单位步长
在没有使用零填充（padding）和使用单位步长（stride）的情况下，卷积操作可能会导致特征图的尺寸小于输入图像尺寸。步长表示卷积核每次移动的像素数。
2.2 零填充，单位步长
零填充可以保持特征图的尺寸不变。有两种常见的零填充方式：半填充（same padding）和全填充（full padding）。半填充使得输出特征图的宽度和高度与输入一致；全填充则使得特征图的尺寸更大。
2.2.1 半（same）填充
使用半填充是为了保持特征图与输入图像尺寸一致，其计算方法是根据卷积核尺寸和步长来确定填充的数量。
2.2.2 全填充
全填充通常用于保证所有输入像素均被卷积核考虑，但结果特征图尺寸会大于输入。
2.3 无零填充，非单位步长
当步长大于1时，输出特征图的尺寸会小于使用单位步长的情况。非单位步长的卷积操作通常用于减少特征图的尺寸，以降低模型复杂度和计算量。
2.4 零填充，非单位步长
在使用非单位步长的同时，结合零填充可以更灵活地控制特征图的尺寸。可以基于需要的输出尺寸和卷积核大小来决定填充的量。
3. 池化算术
池化算术涉及到将输入特征图分割成多个区域，并从每个区域中选择代表值（通常是最大值或平均值）形成输出特征图。池化算术包括了池化区域的大小和步长的设定，其设计直接影响到网络的特征抽象能力和感受野大小。
4. 转置卷积算术
4.1 卷积作为矩阵操作
转置卷积有时被称为分数步长卷积，它在数学上可以被看作是传统卷积操作的转置。这意味着它是传统卷积操作矩阵表示的反操作。
4.2 转置卷积
转置卷积在实现上通常通过零填充和插值来扩展输入特征图的尺寸，常用于生成图像的上采样过程中，例如在像素点生成任务中。
4.3-4.6 不同的填充和步长的转置卷积
文章继续详细讨论了不同零填充和步长设置下的转置卷积算术。在转置卷积中，单位步长与非单位步长的处理方式与传统卷积相似，但转置卷积的目的在于增大特征图尺寸，这与传统卷积操作减少特征图尺寸相反。转置卷积算术在生成模型如GAN（生成对抗网络）中尤为重要，它帮助网络生成高分辨率的图像。
标签中提到了CNN调参、机器学习、深度学习和padding。这些标签体现了本文的重点是卷积神经网络中的参数调整，特别是如何通过调整padding来控制输出特征图的大小。此外，文章还涉及机器学习和深度学习的基础知识，强调了在设计CNN模型时对卷积层和池化层进行参数设置的重要性。
从文件名称列表中可以看到，这篇指南由两位作者编写，其中lecun-98.pdf可能是指Yann LeCun教授在1998年发表的关于深度学习卷积网络的开创性工作，而A guide to convolution arithmetic for deep learning.pdf正是本文档的标题。
总结来说，本文提供了一个全面的指南，通过详细讲解卷积和池化操作的各种参数设置，帮助读者理解如何在CNN中进行有效的调参，以及这些操作是如何对深度学习模型的性能产生影响的。通过合理地应用这些知识，可以优化模型结构，提高模型的性能和效率。
奢侈品时尚零售中的人工智能与扩展现实
# 奢侈品时尚零售中的人工智能与扩展现实
## 1. 纳米层面的双重关系
在奢侈品时尚零售领域，纳米层面体现了一线员工与奢侈品时尚消费者之间的双重关系。一线员工不仅包括人类，还涵盖了人工智能代理，如聊天机器人和店内机器人。人类一线员工需依据零售组织文化和身份接受培训，同时享有所在国家法律规定的劳动权利和义务，并遵循时尚奢侈品牌的总体政策。
而人工智能代理在知识和情感方面不断进化，最终可能会更清晰地意识到自身存在，甚至开始主张权利，未来还有可能成为消费者。与此同时，融合纳米技术设备或采用增强能力假肢的混合人类，也能同时扮演员工和顾客的双重角色。
在这种情况下，人类与人工智能代理、不同技术水
两个python脚本使用互斥锁
在 Python 中，如果你想在多个脚本（或多个进程）之间共享资源并防止同时访问，可以使用互斥锁（Mutex）。互斥锁确保一次只有一个进程可以访问共享资源。通常，这种场景出现在使用 `multiprocessing` 模块时。
下面是一个使用 `multiprocessing.Lock` 的完整示例，包含两个 Python 脚本：
---
### 脚本 1：`process1.py`
```python
import multiprocessing
import time
def worker(lock, filename):
with lock:
print
DNS与ICMP隧道技术文档资料大全
### DNS隧道技术知识点
DNS（Domain Name System，域名系统）隧道技术是一种利用DNS协议进行数据传输的方法。DNS主要用于将域名解析为IP地址，但因其请求和响应数据包具有较大的灵活性和较长的超时容忍性，所以能够被用于隐藏数据传输，从而创建一个隐蔽的通道，绕过防火墙和入侵检测系统。
#### DNS隧道的工作原理
DNS隧道通常通过构造特殊的DNS查询和响应数据包来传输数据。正常的DNS查询是针对域名的解析，而隧道化过程则是将数据封装在DNS请求和响应中。例如，可以将一段文本信息隐藏在DNS查询的域名中，然后在服务器端解析出来。同样，服务器也可以将数据伪装在DNS响应中回传给客户端。这一过程可以用以下步骤简化表示：
1. 建立隧道：客户端首先与DNS隧道服务端进行通讯，建立连接。
2. 数据封装：客户端将需要传输的数据编码后隐藏在DNS查询请求中。
3. 数据传输：通过DNS协议的正常流程发送到隧道服务器。
4. 数据解码：隧道服务器接收到DNS响应后，从中提取并解码数据。
#### DNS隧道的优势和用途
- **隐蔽性**：由于DNS流量非常普遍，它能够隐藏在正常的网络请求中，不易被监控系统识别。
- **穿透防火墙**：许多网络环境仅允许DNS流量通过，DNS隧道可以有效地绕过这些网络限制。
- **持久性**：DNS隧道可以长时间保持活跃，因为它看起来就像正常的DNS请求一样。
#### DNS隧道的风险和问题
- **安全性问题**：如果DNS隧道被恶意利用，攻击者可以通过它来传输恶意数据或作为攻击网络的通道。
- **性能影响**：由于DNS请求和响应通常较小，通过隧道传输大量数据可能会影响性能。
- **监控困难**：由于DNS隧道的隐蔽性，监控和检测其活动相对困难。
### ICMP隧道技术知识点
ICMP（Internet Control Message Protocol，互联网控制消息协议）隧道技术利用ICMP协议的数据包在受限网络间建立通信渠道。不同于DNS隧道，ICMP通常用于发送错误消息和操作信息，但通过特定的封装技术，它也可以用于传输用户数据。
#### ICMP隧道的工作原理
ICMP隧道工作原理类似于DNS隧道，但使用的是ICMP协议。ICMP消息通常用于报告错误或发送特定的网络状态信息。在隧道中，ICMP数据包的负载部分可以包含封装的数据，使得数据能够在发送方和接收方之间进行传输。
#### ICMP隧道的优势和用途
- **避免过滤**：由于许多网络策略允许ICMP消息通过，因此通过ICMP隧道的数据可以在受限网络中传输。
- **高可靠性和效率**：与DNS隧道相比，ICMP协议的数据包不需要进行域名解析，通常能够提供更快速、更高效的通信。
#### ICMP隧道的风险和问题
- **隐蔽性较差**：相较于DNS隧道，ICMP隧道更有可能被网络监测系统识别，因为ICMP流量异常容易引起注意。
- **可能影响网络稳定**：ICMP是用于诊断网络问题的协议，大量非正常ICMP流量可能干扰网络的正常功能。
### 总结
DNS与ICMP隧道技术提供了在受限网络环境中绕过审查和限制的方法。这些技术的有效性在于它们能够模拟正常网络流量的特性，从而隐藏隧道流量的真实目的。不过，它们的使用必须谨慎，以防止被滥用，造成安全问题。在实际应用中，了解和掌握这些技术的知识有助于更好地维护网络的安全和稳定。
增强现实与人工智能在药学领域的应用
### 增强现实与人工智能在药学领域的应用
在当今科技飞速发展的时代，人工智能（AI）和增强现实（AR）技术正逐渐渗透到各个领域，药学领域也不例外。这两项技术的发展为药学教育、实践以及患者护理带来了新的机遇和变革。
#### 1. AI与AR在药学教育中的应用
新兴技术的发展为药学专业的学生提供了拓展临床知识和沟通技能的新途径。AI和AR可以作为独立的教学工具，让学生置身于模拟现实世界的学习环境中。AR能提供图像、文本信息和动画等各种数据，为不同场景创建虚拟模拟，可应用于药学的多个领域，如药品开发、制造和药物发现等。以下是AR在药学教育不同课程中的具体应用：
##### 1.1 药物咨询
虚拟机怎么上传本地文件
将本地文件上传到虚拟机可以通过多种方法实现，以下是几种常见且实用的方式：
### 1. 使用共享文件夹功能
大多数虚拟机软件（如 VMware 和 VirtualBox）都支持共享文件夹功能。通过该功能，可以将主机上的某个文件夹映射到虚拟机中，从而实现文件的快速传输。在 VMware 中，启用共享文件夹的步骤如下：
- 确保虚拟机处于关闭状态。
- 打开虚拟机设置，选择“选项”标签页。
- 在“共享文件夹”部分，选择“总是启用”。
- 添加需要共享的文件夹，指定主机路径和虚拟机中的访问路径。
完成上述步骤后，在虚拟机中可以通过 `/mnt/hgfs/` 目录访问共享文件夹中的内容[^1]。