borgmatic 2.0.6版本发布:关键修复与云存储支持升级
2025-06-24 23:29:52作者:伍希望
borgmatic是一个基于BorgBackup的自动化备份解决方案,它通过简单的YAML配置文件来管理备份策略,并提供了丰富的钩子机制和检查功能。该项目旨在简化BorgBackup的使用,让用户能够轻松实现定时备份、数据校验和自动化维护。
主要修复内容
本次2.0.6版本包含了多项重要修复,提升了工具的稳定性和用户体验:
-
LVM相关修复:
- 解决了LVM关于文件描述符泄漏的警告问题
- 修复了在
--dry-run模式下LVM钩子报错的问题
-
spot检查功能改进:
- 修复了与
--progress标志冲突的问题 - 优化了校验和命令出错时的处理逻辑
- 修正了
xxh64sum_command选项对含空格命令的支持 - 增加了对包含大量文件路径的日志消息的截断处理
- 修复了与
-
配置生成优化:
- 修复了
config generate操作在升级已弃用的命令钩子时生成无效配置的问题
- 修复了
-
文档修正:
- 更新了关于自定义Borg退出代码的文档说明,确保用户能够正确理解和使用相关功能
新增功能亮点
本次版本最重要的新增功能是对Borg 2的云存储原生支持:
- S3和B2云存储支持:现在用户可以直接使用
s3:和b2:作为仓库URL,无需依赖Rclone即可将备份存储到Amazon S3或Backblaze B2云存储服务。这一改进大大简化了云备份的配置流程,为用户提供了更多选择。
技术细节分析
对于使用LVM快照进行备份的用户,2.0.6版本解决了文件描述符泄漏问题,这在长时间运行的备份任务中尤为重要,可以有效避免资源耗尽的风险。同时,dry-run模式的修复使得用户可以在不实际执行备份的情况下,更准确地测试LVM快照相关配置。
spot检查功能的多个修复提升了数据校验的可靠性,特别是对于使用自定义校验和命令的场景。日志截断功能的加入则改善了大型备份集的可读性,避免了日志被冗长的文件路径列表淹没。
升级建议
对于现有用户,特别是:
- 使用LVM快照功能的用户
- 依赖spot检查进行数据验证的用户
- 计划迁移到云存储备份的用户
建议尽快升级到2.0.6版本以获得更稳定的备份体验。新用户可以借此版本开始尝试borgmatic的云存储备份能力,简化备份架构。
borgmatic持续通过这类细致的修复和功能增强,巩固了其作为BorgBackup最佳管理工具的地位,为用户提供了更加可靠和便捷的数据保护方案。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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