Tdarr项目中的空间统计修复指南
2025-06-25 11:20:12作者:温玫谨Lighthearted
在使用Tdarr进行媒体文件转码管理时,有时会遇到空间统计信息不准确的情况。本文将详细介绍如何手动修复Tdarr中的空间统计信息,特别是当文件系统配置错误导致统计偏差时。
问题背景
当用户错误配置了/etc/fstab文件导致挂载点失效时,Tdarr服务器容器无法访问实际文件。这种情况下,系统会将文件大小误报为0字节,导致转码流程失败。更严重的是,这些失败操作会被错误地计入"成功/无需处理"的统计中,造成空间节省统计数据的严重偏差。
技术原理
Tdarr的空间节省统计主要基于两个核心数据存储:
- 全局统计数据:存储在
server/Tdarr/DB2/StatisticsJSONDB中 - 各媒体库的独立统计:存储在
LibrarySettingsJSONDB中
这些数据以JSON格式保存,其中sizeDiff字段记录了空间节省的累计值。系统不会保留单个文件的历史处理记录,只有聚合的统计值。
解决方案
要手动修正空间统计信息,需要直接编辑上述两个数据库文件中的sizeDiff值:
- 首先停止Tdarr服务,确保数据不会被同时修改
- 备份原始数据库文件
- 使用文本编辑器打开
StatisticsJSONDB文件 - 定位到
sizeDiff字段,将其值调整为正确的空间节省数值 - 对于各媒体库的独立统计,同样编辑
LibrarySettingsJSONDB中的对应值 - 保存修改后重启Tdarr服务
注意事项
- 修改前务必备份原始数据,防止意外损坏
- 建议在系统负载较低时进行操作
- 对于大型媒体库,可能需要重新计算所有文件的实际节省空间
- 修正后应监控系统运行一段时间,确认统计信息正常更新
预防措施
为避免类似问题再次发生,建议:
- 在修改
/etc/fstab前进行充分测试 - 使用
mount -a命令测试配置是否正确 - 设置监控检查挂载点状态
- 定期备份Tdarr数据库
通过以上方法,可以有效修复因配置错误导致的空间统计偏差问题,确保Tdarr系统提供准确的数据分析。
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
3.69 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