Oxidized项目实现VMware ESXi配置备份的技术方案
2025-06-27 20:27:09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
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 StartedRust0191
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 Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
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++
856
1.92 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++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
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
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220