Resticprofile v0.30.0 版本发布:全面增强定时备份功能
2025-07-08 20:29:12作者:余洋婵Anita
项目简介
Resticprofile 是一个基于 Restic 备份工具的配置管理工具,它通过简洁的配置文件简化了 Restic 的使用流程,特别适合需要定期执行备份任务的用户。该项目提供了跨平台支持,包括 Windows、Linux 和 macOS 系统,并集成了系统定时任务功能,使得备份自动化变得简单易用。
版本亮点
定时任务权限修复与改进
本次 v0.30.0 版本最重要的改进集中在定时任务调度系统上。在此之前,user 权限设置存在缺陷,在 systemd 和默认的 macOS 调度器中,它实际上表现得像 user_logged_on,只在用户登录时才运行备份任务。这个长期存在的问题在此版本中得到了修复。
对于现有用户,需要注意以下几点:
- 这是一个破坏性变更,需要重新设置定时任务
- 使用
unschedule命令移除旧任务后,再使用schedule创建新任务 - 在 systemd 系统上,使用
user权限需要 root 权限(通过 sudo)
调度系统全面增强
新版本对调度系统进行了多项改进:
- 新增了读取现有调度任务的能力,
status和unschedule命令现在可以检测配置文件中定义的所有调度任务,即使相关配置已被删除 - Windows 任务调度器实现完全重写,改用
schtasksCLI 工具,解决了之前版本中报告的各种问题 - 调度系统现在更加健壮,能够处理各种边缘情况
其他重要改进
- 硬件兼容性:修复了在最新 Mac 桌面硬件上报告不存在电池的问题
- Restic 支持:新增对 Restic 0.18 版本的支持
- 平台扩展:新增 Windows ARM64 架构的预编译二进制文件
- 容器分发:现在将 Resticprofile 容器镜像上传至 GitHub 容器注册表
- 错误处理:增加了对更多 Restic 退出代码的支持,使错误处理更加全面
技术细节
定时任务权限模型
新版本引入了更精细的定时任务权限控制:
user:任务以用户身份运行,不需要用户登录(systemd 需要 root 权限创建)user_logged_on:仅在用户登录时运行任务system:以系统服务方式运行(需要管理员权限)
Windows 调度器改进
Windows 版本的调度系统从使用原生 API 改为使用 schtasks.exe 命令行工具,这带来了以下优势:
- 更好的兼容性,避免 API 调用失败的问题
- 更清晰的错误报告
- 更可靠的调度任务管理
跨平台支持
新版本继续强化跨平台能力:
- 为不同架构提供预编译二进制文件
- 优化各平台的配置文件搜索路径
- 移除不必要的系统依赖(如 macOS 和 Windows 上的 systemd 依赖)
升级建议
对于现有用户,升级到 v0.30.0 版本后,建议:
- 检查所有定时任务配置,特别是权限设置
- 重新创建定时任务以确保新功能正常工作
- 测试备份流程,特别是使用新 Restic 0.18 功能的配置
总结
Resticprofile v0.30.0 是一个以定时任务改进为核心的版本,解决了长期存在的权限问题,并大幅提升了调度系统的可靠性和功能性。对于依赖自动化备份的用户来说,这个版本提供了更稳定、更灵活的定时备份解决方案。同时,对最新硬件和 Restic 版本的支持也确保了工具的长期可用性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
684
1.33 K
Ascend Extension for PyTorch
Python
719
882
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609