BorgBackup项目:如何正确备份挂载点下的原始路径
2025-05-20 18:25:14作者:霍妲思
问题背景
在使用BorgBackup进行系统备份时,经常会遇到一个典型场景:需要备份的系统目录(如/boot、/etc等)被挂载到了其他路径下(例如/mnt/host)。直接备份挂载点路径会导致备份存档中保存的是完整路径(如/mnt/host/boot),而用户期望的是保持原始路径结构(/boot)。
解决方案
方法一:切换工作目录
最直接的解决方案是先将工作目录切换到挂载点:
cd /mnt/host
borg create /mnt/repo/test::'{hostname}-{now}' boot
这种方法简单有效,BorgBackup会以当前工作目录为基准,将boot目录备份为根目录下的/boot。
方法二:备份当前目录
在切换到挂载点后,也可以选择备份整个当前目录:
cd /mnt/host
borg create /mnt/repo/test::'{hostname}-{now}' .
这种方式会备份挂载点下的所有内容,同时保持原始路径结构。
技术原理
BorgBackup在创建备份时,会基于以下原则处理路径:
- 相对路径处理:当指定相对路径时,Borg会以当前工作目录为基准进行备份
- 路径规范化:备份路径会去除前导的
./或/,保持简洁的路径结构 - 存档路径映射:备份时指定的路径会直接映射到存档中的路径结构
最佳实践建议
- 明确备份范围:在切换目录前,先确认挂载点包含所有需要备份的内容
- 路径一致性:保持多次备份使用相同的工作目录,确保存档路径一致
- 排除不需要的文件:可以使用
--exclude参数过滤不需要备份的内容 - 测试验证:首次备份后使用
borg list命令验证存档中的路径是否符合预期
注意事项
- 使用绝对路径备份会保留完整路径结构
- 在脚本中执行备份时,要注意当前工作目录可能变化
- 对于自动化备份,建议使用明确的路径切换逻辑
- 在容器环境中使用时,要特别注意挂载点和容器内路径的关系
通过理解这些原理和方法,用户可以更灵活地使用BorgBackup处理各种复杂的备份场景,确保备份存档中的路径结构符合预期。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430