RSYNC备份策略

 

RSYNC备份策略

 

发布网站前做备份。

备份想放到服务器本身,但rsync的--backup-dir测试发现只能备份到所在module下,无法备份到module之外的位置。

rsync不支持远端到远端的备份方式。

 

想到两种方案:

1. 共享目录挂载到本地,把mudule备份到共享目录,然后发布网站

2. rsync服务端增加backup模块,先取数据到本地,再同步到服务端的backup模块,然后发布网站

此文采用第二种方案。

 

@echo off
SET RSYNC=D:\Program Files (x86)\ICW\Bin\rsync.exe
SET USER=user1
SET HOST=192.168.80.100
SET PASSWORD_FILE=/cygdrive/c/rsyncd.conf/passwd
SET OPT_GET=-rtv --password-file=%PASSWORD_FILE%
SET OPT_PUT=-rtv --delete --password-file=%PASSWORD_FILE%

REM 通过备份时的日期区分不同的备份
for /f %%a in ('date /t') do SET DATE=%%a
set "DATE=%DATE:/=%"

for /f %%a in ('time /t') do SET TIME=%%a
set "TIME=%TIME::=%"

set "DATETIME=%DATE%%TIME%"

REM 待发布数据所在目录
SET PUBLISH_DIR=/cygdrive/f/Work/Publish/%MODULE%/

REM 要发布到的模块
SET MODULE=TouChu.web1

REM 取出服务端数据后存放在本地的位置
SET FETCH_DIR=/cygdrive/d/BACKUP/%MODULE%/
SET LOCAL_FETCH_DIR=%FETCH_DIR:~10,-1%
SET LOCAL_FETCH_DIR=%LOCAL_FETCH_DIR:d/=d:%
SET LOCAL_FETCH_DIR=%LOCAL_FETCH_DIR:/=\%

SET FETCH_DIR=%FETCH_DIR%%DATETIME%

REM 服务端的备份模块
SET BACKUP_MODULE=backup

REM 查看服务器中的列表
REM rsync %OPT% %USER%@%HOST%::%MODULE%

REM ====================================
REM 获取服务器中的数据到FETCH_DIR
REM ====================================
MKDIR %LOCAL_FETCH_DIR%

SET SRC=%USER%@%HOST%::%MODULE%
SET DEST=%FETCH_DIR%
rsync %OPT_GET% %SRC% %DEST%

REM ====================================
REM 备份FETCH_DIR到远端服务器
REM ====================================
SET SRC=%FETCH_DIR%
SET DEST=%USER%@%HOST%::%BACKUP_MODULE%/%MODULE%
rsync %OPT_GET% %SRC% %DEST%

REM ====================================
REM 发布到服务器
REM ====================================
SET SRC=%PUBLISH_DIR%
SET DEST=%USER%@%HOST%::%MODULE%
rsync %OPT% %SRC% %DEST%

REM ====================================
REM 增量备份(删除之前先备份) ## 放弃
REM ====================================
REM rsync %OPT% --backup-dir=/Backup/ %PUBLISH_DIR% %USER%@%HOST%::%MODULE% 

pause

 

转载于:https://www.cnblogs.com/goooogs/p/4442844.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值