borgmatic 1.9.10版本发布:系统凭证集成与稳定性提升
borgmatic是一个基于Borg的自动化备份工具,它通过简单的YAML配置文件实现了强大的备份策略管理。borgmatic将Borg的强大功能与用户友好的配置方式相结合,使得设置定时备份、验证备份完整性以及处理各种备份场景变得异常简单。
系统凭证集成新特性
本次1.9.10版本引入了一项重要功能——系统凭证集成。通过新增的"{credential ...}"语法,用户可以直接在borgmatic配置文件中加载systemd凭证。这一改进使得密码管理更加安全便捷,特别是对于那些已经使用systemd凭证管理敏感信息的系统。
在实际应用中,管理员现在可以这样配置加密密码:
encryption_passphrase: "{credential borgmatic-passphrase}"
这种方式比直接将密码写在配置文件中更为安全,也便于集中管理。系统凭证机制确保了密码只在需要时被加载,减少了敏感信息泄露的风险。
密码处理逻辑优化
新版本对密码处理逻辑进行了两处重要改进:
-
修复了当配置"encryption_passcommand"时"list"操作可能出现的错误。这个问题在之前的版本中可能导致某些情况下无法正确列出备份内容。
-
当同时配置"encryption_passcommand"和"encryption_passphrase"时,明确优先使用"encryption_passphrase",即使其值为空。这一行为变更使得配置意图更加清晰,避免了因配置冲突导致的意外行为。
备份检查机制改进
针对使用"max_duration"选项或"--max-duration"标志的场景,borgmatic现在能够分别运行归档和存储库检查,解决了之前版本中检查操作相互干扰的问题。这一改进意味着:
- 时间限制不再成为全面检查的障碍
- 用户可以更精确地控制检查过程的时间分配
- 系统资源利用率得到优化
兼容性与稳定性增强
1.9.10版本还包含多项底层改进,提升了borgmatic的整体稳定性:
- 修正了日志消息代码,恢复了对Python 3.9的支持,同时保持向前兼容性
- 改进了日志系统,确保早期日志记录不会丢失
- 添加了对即将发布的Python 3.13的初步支持
这些改进使得borgmatic能够在更广泛的环境中稳定运行,同时也为未来的Python版本升级做好了准备。
总结
borgmatic 1.9.10版本通过引入系统凭证集成、优化密码处理逻辑和改进备份检查机制,进一步提升了备份系统的安全性和可靠性。这些改进使得borgmatic在复杂环境下的表现更加稳定,同时也为管理员提供了更灵活的配置选项。对于注重数据安全的企业和个人用户来说,升级到最新版本将获得更完善的备份体验。
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