borgmatic 1.9.14版本发布:监控增强与问题修复
borgmatic是一个基于BorgBackup的自动化备份工具,它通过简单的YAML配置文件来管理备份、验证、归档清理等操作。borgmatic的目标是让用户能够轻松设置和维护可靠的备份策略,而无需深入了解BorgBackup的复杂命令行选项。
主要更新内容
PagerDuty监控钩子功能增强
在1.9.14版本中,borgmatic对PagerDuty监控钩子进行了重要改进。现在,当使用PagerDuty监控时,borgmatic不仅会发送备份状态通知,还会将详细的备份日志一并发送到PagerDuty平台。这一改进使得运维人员可以直接在PagerDuty的界面上查看完整的备份日志,大大简化了故障排查过程。
对于需要严格监控备份状态的企业环境,这一功能特别有价值。管理员不再需要登录到备份服务器查看日志,所有相关信息都集中在了PagerDuty的监控面板中。
Zabbix监控文档优化
borgmatic一直支持与Zabbix监控系统的集成,但在之前的文档中,关于如何创建监控项的说明不够清晰。1.9.14版本特别改进了这部分文档,详细说明了在Zabbix中创建监控项的正确方法,帮助用户更顺利地设置监控系统。
MariaDB/MySQL密码转义修复
1.9.14版本修复了一个与MariaDB/MySQL数据库备份相关的回归问题。在某些情况下,包含特殊字符的数据库密码没有被正确转义,导致备份失败。这个问题现在已被修复,确保了各种复杂密码都能被正确处理。
排除模式(~)扩展修复
borgmatic允许用户通过"exclude_patterns"选项指定需要排除的文件模式。在1.9.14之前的版本中,使用"~"表示用户主目录时存在扩展问题。这个版本修复了这个问题,现在"~"能够被正确扩展为用户的主目录路径。
值得注意的是,这个修复不仅影响了"exclude_patterns"选项,还影响了所有使用"patterns"和"patterns_from"配置的地方。现在这些选项中的"~"都会被自动扩展为用户主目录,提高了配置的灵活性和一致性。
Btrfs快照钩子改进
对于使用Btrfs文件系统的用户,borgmatic提供了创建快照的功能。1.9.14版本修复了一个与只读子卷相关的问题。当尝试对只读子卷创建快照时,borgmatic现在会智能地跳过这些子卷,而不是报错。这是因为Btrfs本身不支持对只读子卷创建快照,跳过这些子卷是更合理的处理方式。
升级建议
对于正在使用borgmatic的用户,特别是那些使用PagerDuty监控、MariaDB/MySQL数据库备份或Btrfs快照功能的用户,建议尽快升级到1.9.14版本以获取这些改进和修复。新版本不仅解决了已知问题,还增强了监控功能,使备份系统更加可靠和易于管理。
对于新用户,1.9.14版本提供了更完善的文档和更稳定的功能,是开始使用borgmatic的好时机。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00