Harbor项目数据库迁移完整指南:确保用户数据不丢失
2025-05-07 15:21:09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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
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++
894
677
暂无简介
Dart
803
198
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
353
207
昇腾LLM分布式训练框架
Python
119
147
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
12
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
68
20
🎉 (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
1.37 K
781