Rclone目录修改时间同步问题分析与修复
2025-05-01 10:54:23作者:柯茵沙
问题背景
Rclone作为一款强大的文件同步工具,在v1.66版本中引入了目录同步功能。然而,用户发现当使用rclone sync命令时,虽然文件修改时间(mtime)能够正确同步,但目录的修改时间却未能同步更新。这一问题在文件系统备份和同步场景中尤为关键,因为目录时间戳的正确性对于某些应用程序和备份策略至关重要。
问题复现与现象
通过以下步骤可以复现该问题:
- 创建包含多级目录和文件的测试环境
- 使用
rclone sync命令同步源目录到目标目录 - 手动修改目标目录中所有文件和目录的时间戳
- 再次执行同步命令
观察发现,同步后文件的修改时间被正确恢复为源目录的时间戳,但目录的修改时间仍然保持为目标目录被手动修改后的值,未能与源目录保持一致。
技术分析
深入分析Rclone源码后发现,该问题的根源在于同步逻辑中对目录修改时间的处理存在缺陷。具体表现为:
- 同步操作默认情况下不会更新目录修改时间
- 即使使用了
--no-update-dir-modtime参数,也无法强制同步目录修改时间 - 目录修改时间的同步与空目录创建参数(
--create-empty-src-dirs)存在不合理的耦合
在Rclone的同步逻辑中,只有当--create-empty-src-dirs参数被启用时,才会考虑同步目录的修改时间。这种设计源于早期版本中用户对空目录同步行为的反馈,但导致了目录修改时间同步功能的异常。
解决方案
经过社区讨论和代码审查,确定了以下修复方案:
- 解耦目录修改时间同步与空目录创建逻辑
- 确保
--no-update-dir-modtime参数按预期工作 - 修改同步逻辑,使其在非空目录情况下也能正确同步修改时间
修复后的行为将遵循以下原则:
- 默认情况下同步目录修改时间
--no-update-dir-modtime参数可显式禁用此行为- 空目录同步由独立参数控制
修复影响
该修复已合并到Rclone主分支,并将在v1.70版本中发布。对于用户而言,这意味着:
- 文件同步将更加完整,包括目录元数据
- 现有脚本和行为不会受到影响,保持向后兼容
- 用户可以通过参数灵活控制同步行为
最佳实践建议
对于需要精确同步目录修改时间的用户,建议:
- 升级到包含此修复的版本
- 明确使用
--no-update-dir-modtime参数来控制行为 - 对于特殊需求,结合使用
--create-empty-src-dirs参数
此修复使Rclone在文件系统同步方面更加完善,满足了专业用户对元数据一致性的严格要求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
677
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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
492
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
342
146