borgmatic 2.0.5版本发布:数据库密码传输优化与归档策略增强
borgmatic是一个基于Borg的自动化备份工具,它通过简单的YAML配置文件简化了Borg备份的使用流程,提供了定时备份、校验、清理等一系列功能的集成解决方案。borgmatic特别适合需要定期备份重要数据的个人用户和企业环境,它能够处理文件系统备份以及多种数据库的备份需求。
近日,borgmatic发布了2.0.5版本,这个版本主要带来了数据库密码传输安全性的改进、更灵活的归档保留策略选项,以及一些功能增强和问题修复。让我们一起来看看这个版本的主要更新内容。
数据库密码传输机制增强
在数据库备份场景中,密码安全传输一直是个重要话题。borgmatic 2.0.5为MariaDB和MySQL数据库钩子新增了"password_transport"选项,允许用户自定义密码传输方式。这个改进让用户可以根据自己的安全需求,选择最适合的密码传输机制,比如通过环境变量、配置文件或命令行参数等方式传递数据库密码,从而满足不同环境下的安全合规要求。
归档保留策略更加灵活
在数据备份领域,合理的保留策略对于平衡存储空间利用和数据可恢复性至关重要。borgmatic 2.0.5新增了两项重要的保留策略选项:
- "keep_3monthly"选项:允许用户保留每三个月一次的归档备份
- "keep_13weekly"选项:支持保留每13周一次的归档备份
这些新增选项与原有的日、周、月、年保留策略一起,为用户提供了更精细化的归档管理能力。特别是对于需要长期保留备份但又想控制存储成本的用户,这些中间粒度的保留策略非常实用。
性能优化与功能增强
新版本还包含了一些性能优化和功能增强:
-
新增"use_chunks_archive"选项:这个选项控制Borg是否使用其块缓存目录,对于某些特定场景下的性能优化很有帮助。
-
"compact"操作支持"--dry-run"参数:现在用户可以在不实际执行压缩操作的情况下预览Borg的压缩计划,这对于评估压缩效果和规划存储空间非常有用。
-
监控日志级别修复:修复了一个导致默认监控详细程度为0(仅警告)而非1(包含borgmatic执行步骤信息)的回归问题。这个修复确保了监控服务(如Healthchecks)能够正确接收日志信息,除非用户显式设置了监控详细程度。
项目生态变化
值得注意的是,borgmatic项目在本次更新中还宣布了一些生态变化:
-
社交平台迁移:项目官方社交账号从Fosstodon迁移到了FLOSS.social平台。
-
贡献方式变更:项目不再接受GitHub上的Pull Request,但仍然开放其他方式的代码贡献。有趣的是,用户仍然可以使用GitHub账号登录来提交贡献,这在一定程度上保持了原有贡献流程的便利性。
总结
borgmatic 2.0.5版本虽然在功能上没有重大突破,但在细节上的打磨使得这个备份工具更加完善和安全。特别是数据库密码传输机制的改进和更灵活的归档策略,使得borgmatic能够适应更多样化的备份场景。对于已经使用borgmatic的用户,建议评估这些新功能是否能为现有备份策略带来改进;对于考虑采用borgmatic的新用户,这个版本无疑提供了更强大的功能和更好的用户体验。
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