Oxidized项目实现VMware ESXi配置备份的技术方案
2025-06-27 11:07:25作者:邓越浪Henry
在IT基础设施管理中,配置备份是确保系统可靠性和可恢复性的重要环节。虽然Oxidized最初是为网络设备设计的配置备份工具,但其灵活的架构使其能够扩展支持其他类型的设备,如VMware ESXi虚拟化平台。本文将详细介绍如何通过Oxidized实现ESXi主机的配置备份。
技术背景
VMware ESXi作为企业级虚拟化平台,其配置信息对业务连续性至关重要。传统备份方式通常需要依赖vSphere CLI或PowerCLI等专用工具,而本文介绍的方案则利用ESXi自带的SSH和HTTP服务实现轻量级备份。
方案架构
该方案采用双模型设计,通过两个阶段完成备份过程:
- 第一阶段模型:通过SSH连接执行本地备份命令
- 第二阶段模型:通过HTTP下载生成的备份文件
这种设计巧妙地规避了Oxidized目前不支持多协议混合输入的限制。
实施细节
环境准备
在ESXi主机上需要:
- 启用SSH服务
- 配置防火墙允许Oxidized服务器的SSH访问
- 确保HTTP服务可用(用于下载备份)
配置文件设置
在Oxidized配置中需要特别设置:
vars:
copyby2ndmodel: true
selfcopy: false
设备清单配置
每个ESXi主机需要配置两条记录:
主机名.log:IP地址:vmware_esxi_p1:设备组
主机名.tgz:IP地址:vmware_esxi_p2:设备组:http
模型实现
第一阶段模型关键功能:
- 通过SSH连接到ESXi
- 执行
vim-cmd hostsvc/firmware/backup_config命令创建本地备份 - 生成静态下载链接
第二阶段模型关键功能:
- 通过HTTP协议下载生成的备份文件
- 保存为.tgz格式的配置备份
技术要点
- 备份时效性:ESXi自动生成的备份文件仅保留5分钟,因此需要及时下载
- 认证方式:支持密码认证和公钥认证两种方式
- 替代方案:虽然本文使用HTTP下载,但也可以修改为使用SCP协议传输(需要ESXi防火墙开放相应权限)
适用场景
该方案特别适合以下环境:
- 需要自动化ESXi配置备份的场景
- 受限环境中无法使用vSphere CLI的情况
- 希望将虚拟化平台配置与网络设备配置统一管理的场景
注意事项
- 该方案已在ESXi 7.x版本验证,理论上兼容6.x版本
- 备份文件包含敏感信息,需妥善保管
- 生产环境建议增加备份验证机制
通过这种创新性的双模型设计,成功扩展了Oxidized的应用范围,为虚拟化环境提供了可靠的配置备份解决方案。这种思路也可以借鉴到其他类型设备的支持上,展现了Oxidized框架的良好扩展性。
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1