Tarsnapper 使用与技术文档
2024-12-20 12:39:49作者:卓炯娓
本文档将详细介绍如何安装、使用以及API调用Tarsnapper项目,帮助用户更好地理解和操作该备份工具。
1. 安装指南
Tarsnapper可以通过pip进行安装:
pip install tarsnapper
确保在安装之前系统已经正确安装了tarsnap,并且tarsnap的配置文件(tarsnap.conf)已经设置好,包括密钥文件路径等。
2. 项目的使用说明
2.1 不使用配置文件的单次备份
可以通过以下命令进行单次备份:
tarsnapper --target "foobar-\$date" --sources /etc/ --deltas 6h 7d 31d - make
这里需要注意以下几点:
- 需要为过期操作提供
$date占位符,并在shell中转义美元符号。 - 列表中的时间增量(deltas)应以
-字符结束。 tarsnap需要正确设置,以便能够通过tarsnap.conf找到密钥文件等。
2.2 使用配置文件
Tarsnapper也支持使用配置文件,这允许定义多个备份任务,并具有更多特性,如任务前后的命令。配置文件看起来是这样的:
# 全局设置,对所有任务有效,除非被覆盖:
deltas: 1d 7d 30d
delta-names:
super-important: 1h 1d 30d 90d 360d
target: /localmachine/$name-$date
include-jobs: /usr/local/etc/tarsnapper/*.yml
jobs:
images:
source: /var/lib/mysql
exclude: /var/lib/mysql/temp
exec_before: service mysql stop
exec_after: service mysql start
alias: img
some-other-job:
sources:
- /var/dir/1
- /etc/google
excludes:
- /etc/google/cache
target: /custom-target-$date.zip
deltas: 1h 6h 1d 7d 24d 180d
使用配置文件创建备份:
tarsnapper -c myconfigfile make
或者进行过期操作:
tarsnapper -c myconfigfile expire
如果要传递参数给tarsnap,可以使用以下方式:
tarsnapper -o configfile tarsnap.conf -o v -c tarsnapper.conf make
使用include-jobs选项,可以在其他文件中插入一个或多个任务,例如:
yet-another-job:
source: /var/dir/2
deltas: 1h 1d 30d
an-important-job:
source: /var/something-important
delta: super-important
3. 项目API使用文档
目前Tarsnapper项目没有公开的API文档。用户主要通过命令行接口与项目交互。
4. 项目安装方式
Tarsnapper的安装方式如上述安装指南中所述,通过pip命令进行安装。确保在执行安装前,系统已经安装了tarsnap并且配置正确。
以上是Tarsnapper项目的使用与技术文档,希望能帮助用户更好地理解和使用该工具。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
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
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873