当前位置:首页 > 文章列表 > 文章 > linux > Linux rclone copy和sync对目标多余文件的处理有何区别

Linux rclone copy和sync对目标多余文件的处理有何区别

来源:17golang原创 2026-10-13 21:22:37 0浏览 收藏

在 Linux 上把目录复制到云端或另一台存储时,rclone copy 和 rclone sync 最容易混淆的地方,不是“能不能传文件”,而是目标目录中那些源端已经没有的文件要不要留下。官方地址:https://rclone.org/。一句话判断:日常备份优先用 copy,希望目标成为源目录镜像时才用 sync。

copy 只把源端缺少或变化的内容补到目标端,不主动删除目标多余文件;sync 会让目标端贴近源端,目标多余文件可能被删除。涉及 sync 时,先用 dry-run 看清删除范围,再决定删除时机和护栏。
  • 只增不删:选择 rclone copy SOURCE DEST。
  • 目标镜像源:选择 rclone sync SOURCE DEST。
  • 有删除风险:先加 --dry-run,必要时配合 --max-delete 或 --backup-dir。

先用一个目录集合看懂两条命令

假设源目录有 report.md 和 today.log,目标目录除了这两个文件,还多了已经从源端移走的 old.log。两条命令都会比较同名文件的大小、修改时间或可用校验值,并跳过已经相同的对象;分歧出现在目标端独有的 old.log。

copy 把源目录内容补到目标目录,old.log 继续保留。它适合保留历史文件的备份、增量拷贝或把一组新文件发布到已有目录。注意 rclone 处理的是目录内容,不会额外套一层源目录名。

Linux rclone copy中源目录、目标目录与目标多余文件的静态结构说明图
图1:结构说明图,copy 把源端内容补到目标端,但目标多余文件仍保留。

copy 只补齐源端内容,不负责清理目标端

一个保守的备份命令可以这样写:

# 将源目录内容补到远端备份目录,目标端旧文件不会因本次复制被删除
rclone copy /srv/project backup:project

# 只演练变更清单,不产生永久修改
rclone copy --dry-run /srv/project backup:project

即使源端后来删除了 old.log,再次执行 copy 也不会替你清理远端同名历史文件。如果你把目标当作长期归档区,这正是它的优点;如果目标必须严格等于源端,就不要把“copy 成功”误认为“镜像完成”。

这里的边界也包括过滤规则:被排除的路径不会因为普通 copy 自动消失。需要先规划保留周期,再使用单独的删除命令或清理策略,不要把复制和清理混成一次不可逆操作。

sync 让目标贴近源目录,删除是关键差异

sync 的目标是让两边内容一致,所以目标端独有文件会进入删除判定。官方文档把它列为可能造成数据丢失的操作,建议先演练:

# 先查看将要复制、更新和删除的对象,确认源目标方向没有写反
rclone sync --dry-run /srv/project backup:project

# 确认清单后再同步;默认删除时机是传输完成后
rclone sync --delete-after /srv/project backup:project

删除时机可以按场景调整:--delete-before 先清目标再传输,--delete-during 在传输过程中处理,--delete-after 则在传输后处理。对重要目标,通常先保留默认的 after 语义并观察 dry-run 输出,避免源端读取异常时过早破坏已有内容。

Linux rclone sync与目标多余文件删除策略的静态依赖结构说明图
图2:结构说明图,sync 的一致性边界包含目标多余文件的删除策略。

把 sync 放进一个可控的小项目

假设每天把 /srv/project 镜像到远端。可以把命令放进脚本,但先把删除数量和旧文件去向写清楚:

#!/usr/bin/env bash
set -euo pipefail

# 先演练,人工确认删除清单后再移除这一行的 --dry-run
rclone sync --dry-run \
  --max-delete 20 \
  --backup-dir backup:project-deleted \
  /srv/project backup:project

# --max-delete 限制单次删除数量;--backup-dir 为变更文件保留备份位置

上面只是发布前的安全模板,不代表已经在本机执行。正式运行前检查三个结果:源和目标参数没有写反;dry-run 中的删除项确实是过期文件;删除数量没有超过团队可以接受的范围。若一次变更远超预期,应停下来调查过滤规则、挂载点和源目录是否选错。

需要注意,排除的文件通常不会被删除,除非显式使用 --delete-excluded;源端读取出现错误时,sync 也不会继续删除目标文件。不要为了“清得更干净”直接打开这个选项,先明确过滤规则是否把有效文件排除了。

常见问题

目标端多余文件一定会被 copy 删除吗?

不会。普通 copy 的核心语义是不删除目标端文件;需要一致镜像时才考虑 sync。

sync 能不能直接用于备份?

可以,但它更像镜像而不是历史归档。若要保留源端删除后的版本,应使用 copy、独立归档目录或为 sync 规划 --backup-dir,并先用 dry-run。

应该先选 delete-before 还是 delete-after?

先使用 dry-run 观察清单。没有明确理由时,优先理解并保留默认的 --delete-after,再结合目标存储和恢复策略决定是否调整。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Linux ripgrep怎样只输出匹配的文件路径Linux ripgrep怎样只输出匹配的文件路径
上一篇
Linux ripgrep怎样只输出匹配的文件路径
Linux fzf怎样预览文件但不执行文件内容
下一篇
Linux fzf怎样预览文件但不执行文件内容
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。
    463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。
    526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。
    543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。
    493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。
    311次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码