Harbor项目数据库迁移完整指南:确保用户数据不丢失
2025-05-07 18:28:08作者:丁柯新Fawn
迁移背景与核心挑战
在Harbor容器镜像仓库的服务器迁移过程中,数据库迁移是最关键的环节之一。许多管理员会遇到类似问题:虽然大部分数据迁移成功,但用户账户数据却神秘消失。这通常是由于忽略了Harbor的加密机制导致的,而非简单的数据拷贝问题。
关键迁移步骤详解
1. 数据库备份最佳实践
- 必须使用PostgreSQL原生工具(如pg_dump)进行逻辑备份
- 避免直接拷贝数据文件的方式,这可能导致表空间路径问题
- 备份命令示例:
pg_dump -U postgres -h 原服务器IP -p 5432 harbor > harbor_backup.sql
2. 加密密钥的同步
Harbor使用以下关键密钥进行数据加密:
- core密钥:存储在/data/secret/keys/secretkey文件
- jobservice密钥:在jobservice容器内的/config/secretkey
- registry加密密钥:在registry容器内的/root/private_key.pem
迁移时必须确保这些密钥文件完整复制到新服务器相同路径,否则新环境将无法解密用户密码等重要信息。
3. 数据库恢复注意事项
- 恢复前确保新环境PostgreSQL版本与源环境一致或兼容
- 恢复时建议使用psql工具执行备份文件:
psql -U postgres -h 新服务器IP -p 5432 harbor < harbor_backup.sql - 检查用户表是否完整恢复:
SELECT username, email FROM harbor_user;
高级迁移场景处理
跨版本迁移
当Harbor版本不同时:
- 先在旧环境升级到与新环境相同的中间版本
- 执行数据库schema迁移
- 再进行最终版本升级
大规模实例迁移
对于TB级Harbor实例:
- 考虑使用pg_dump的并行模式(-j参数)
- 对registry存储采用rsync增量同步
- 安排维护窗口,确保数据一致性
验证与故障排查
迁移完成后必须验证:
- 所有项目元数据是否完整
- 用户能否正常登录(密码是否有效)
- 镜像拉取/推送功能是否正常
- Webhook等自动化配置是否生效
常见问题解决方案:
- 用户丢失:检查密钥文件权限(应为600)和路径
- 密码失效:确认core容器日志中无解密错误
- 权限异常:比对harbor_user和project_member表记录数
长期维护建议
- 建立定期备份策略,包含数据库和加密密钥
- 使用Harbor内置的备份工具作为补充方案
- 文档化所有密钥的存储位置和恢复流程
- 考虑采用高可用架构避免迁移需求
通过遵循这些专业实践,可以确保Harbor迁移过程中不丢失任何关键数据,特别是用户账户这类重要信息。记住,成功的迁移不仅是数据的转移,更是服务完整性的保持。
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-1.5HunyuanVideo-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
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
192
212
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++
649
270
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
297
111
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
384
3.68 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
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++
66
96
暂无简介
Dart
632
143