当前位置:首页 > 文章列表 > 文章 > linux > Linux安装Borg备份工具教程

Linux安装Borg备份工具教程

2026-05-01 11:31:41 0浏览 收藏
本文详细介绍了在Linux系统中安装与配置BorgBackup这一高效备份工具的完整流程,涵盖通过系统包管理器(apt/dnf/yum)、pip3用户级安装以及源码编译(含zstd压缩支持)三种方式,并指导用户初始化加密仓库、执行首次带空间去重和zstd压缩的增量备份,帮助读者快速搭建安全、省空间、可验证的本地备份方案。

Linux怎么安装Borg备份工具_Linux BorgBackup去重备份教程【实战】

如果您希望在Linux系统中部署BorgBackup以实现高效的空间去重备份,则需根据发行版的包管理机制或源码方式完成安装与基础配置。以下是具体操作步骤:

一、通过系统包管理器安装

大多数主流Linux发行版已将borgbackup纳入官方仓库,使用内置包管理工具可快速安装稳定版本,同时自动解决依赖关系。

1、在Debian或Ubuntu系统中,执行sudo apt update && sudo apt install borgbackup命令。

2、在CentOS 8/RHEL 8或Fedora系统中,运行sudo dnf install borgbackup。

3、在CentOS 7或RHEL 7系统中,先启用EPEL仓库:sudo yum install epel-release,再执行sudo yum install borgbackup。

4、安装完成后,验证版本:运行borg --version,确认输出为1.2.x 或更高版本。

二、使用pip3安装最新稳定版

当系统仓库版本过旧,或需特定功能(如zstd压缩支持)时,可通过Python包管理器pip3安装较新版本,该方式绕过系统限制并支持用户级安装。

1、确保系统已安装Python 3.6及以上版本及pip3:python3 --version和pip3 --version。

2、升级pip3至最新:执行pip3 install --upgrade pip。

3、安装borgbackup:运行pip3 install --user borgbackup,此操作将二进制文件置于~/.local/bin/目录。

4、将该路径加入当前用户PATH环境变量:在~/.bashrc末尾添加export PATH="$HOME/.local/bin:$PATH",然后执行source ~/.bashrc。

5、验证安装:输入borg --version,应显示1.2.0 或更新的稳定版本号。

三、从源码编译安装(含zstd支持)

若需启用zstd压缩算法或调试特定提交,可直接从GitHub克隆源码并编译安装;该方式提供最大控制权,但需手动满足构建依赖。

1、安装编译依赖:在Ubuntu/Debian上运行sudo apt install build-essential python3-dev libacl1-dev libssl-dev libsodium-dev libzstd-dev。

2、在CentOS/RHEL上执行sudo yum groupinstall "Development Tools",再安装sudo yum install python3-devel openssl-devel libacl-devel libsodium-devel libzstd-devel。

3、克隆官方仓库:git clone https://github.com/borgbackup/borg.git,进入目录:cd borg。

4、检出稳定分支(例如v1.2.21):git checkout 1.2.21。

5、构建并安装:python3 setup.py build_ext --inplace && pip3 install --user --no-deps --force-reinstall .。

6、验证zstd可用性:运行borg info --show-version,确认输出中包含zstd compression enabled字样。

四、初始化首个本地备份仓库

安装完成后,需创建一个Borg仓库用于存储备份数据;仓库可位于本地路径、挂载的网络存储或SSH远程主机,此处以本地目录为例演示初始化流程。

1、创建空目录作为仓库根路径:mkdir -p ~/borg-repo。

2、初始化仓库:borg init --encryption=repokey ~/borg-repo,系统将提示设置密码。

3、输入并确认密码,该密码将用于加密所有备份数据密钥,务必妥善保存且不可丢失。

4、初始化成功后,检查仓库完整性:borg list ~/borg-repo,应返回空结果,表示仓库已就绪。

五、执行首次备份并验证快照

完成仓库初始化后,即可对指定目录进行首次备份;Borg会自动计算块级哈希并仅存储增量变化,首次备份将完整存档目标内容。

1、执行备份命令:borg create --stats --compression zstd,3 ~/borg-repo::home-$(date +%Y-%m-%d) /home/$USER,其中/home/$USER为待备份路径。

2、等待命令完成,终端将显示归档大小、压缩比及处理文件数等统计信息。

3、列出所有已创建快照:borg list ~/borg-repo,确认出现类似home-2024-06-15的条目。

4、查看快照详情:borg info ~/borg-repo::home-$(date +%Y-%m-%d),核对Original size与Compressed size数值差异,确认去重与压缩功能已生效。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

ChatGPT官网打不开?最新访问方式揭秘ChatGPT官网打不开?最新访问方式揭秘
上一篇
ChatGPT官网打不开?最新访问方式揭秘
Golangtermui终端界面开发教程
下一篇
Golangtermui终端界面开发教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    260次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    306次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    286次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    262次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    72次使用