Tarsnapper 使用与技术文档
2024-12-20 22:36:07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
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
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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
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
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
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322