首页
/ BorgBackup性能优化:解决ACL用户名解析导致的备份缓慢问题

BorgBackup性能优化:解决ACL用户名解析导致的备份缓慢问题

2025-05-19 10:06:42作者:庞队千Virginia

问题背景

在使用BorgBackup进行数据备份时,用户发现即使源数据完全没有变化,备份过程仍然需要消耗大量时间。具体表现为:处理30万文件的无变化备份需要约30分钟,而官方文档显示类似规模的文件处理应该只需要4分钟左右。

问题分析

通过逐步排查,发现性能瓶颈主要出现在ACL(访问控制列表)的处理环节。进一步测试发现:

  1. 使用--noacls参数后,备份时间从30分钟骤降至1分钟左右
  2. 直接使用getfacl命令测试显示,带用户名解析的ACL查询耗时28分钟,而使用数字ID的查询仅需3秒
  3. 系统加入了Windows域,用户信息通过winbind服务获取,且默认未启用缓存

根本原因

问题的核心在于系统配置:当服务器作为Windows域成员时,ACL中的用户名解析需要通过网络查询域控制器。由于缺乏本地缓存机制,每次备份时Borg都需要为每个文件重新查询用户/组信息,导致严重的性能下降。

解决方案

安装并启用nscd(Name Service Cache Daemon)服务,对用户/组信息查询结果进行本地缓存。这一优化措施使得备份时间从原来的30分钟降至90秒以内。

技术建议

对于类似环境下的BorgBackup用户,建议:

  1. 评估ACL的实际需求:如果不需要保留ACL信息,直接使用--noacls参数
  2. 对于必须保留ACL的环境:
    • 在域成员服务器上部署nscd或其他缓存服务
    • 定期检查缓存命中率和服务状态
  3. 监控备份性能:定期运行测试备份以发现潜在的性能退化

性能优化总结

通过这个案例可以看出,备份性能不仅受限于BorgBackup本身的算法效率,还与系统环境和配置密切相关。特别是在企业环境中,与目录服务集成时的用户信息查询可能成为隐藏的性能瓶颈。合理的缓存策略可以显著提升备份效率,而理解各备份参数的实际影响则有助于针对性地优化备份流程。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
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++
505
42
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
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
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (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
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70