數據安全是做數據分析的人需要關注的一大問題。對于我們分析的關鍵數據、使用的關鍵腳本都需要定期備份。

scp

最簡單的備份方式，就是使用cp (本地硬盤)或scp (遠程硬盤)命令，給自己的結果文件新建一個拷貝;每有更新，再拷貝一份。具體命令如下：

1. cp -fur source_project project_bak 
2. scp -r source_project user@remote_server_ip:project_bak 

為了實現定期備份，我們可以把上述命令寫入crontab程序中，設置每天的晚上23:00執行。對于遠程服務器的備份，我們可以配置免密碼登錄，便于自動備份。后臺輸入免密碼登錄服務器，獲取免密碼登錄服務器的方法。

1. # Crontab format 
2. # MinuteHourDayMonthWeekcommand  
3. # * 表示每分/時/天/月/周 
4. # 每天23:00 執行cp命令 
5. 0          23      *       *       *      cp -fur source_project project_bak 
6. # */2 表示每隔2分分/時/天/月/周執行命令 
7. # 每隔24小時執行cp命令 
8. 0          */24      *       *       *      cp -fur source_project project_bak 
9. 0          0          */1     *        *     scp -r source_project user@remote_server_ip:project_bak 
10.  
11. # 另外crotab還有個特殊的時間 
12. # @reboot: 開機運行指定命令 
13. @reboot cmd 

rsync

cp或scp使用簡單，但每次執行都會對所有文件進行拷貝，耗時耗力，尤其是需要拷貝的內容很多時，重復拷貝對時間和硬盤都是個損耗。

rsync則是一個增量備份工具，只針對修改過的文件的修改過的部分進行同步備份，大大縮短了傳輸的文件的數量和傳輸時間。具體使用如下 ：

1. # 把本地project目錄下的東西備份到遠程服務器的/backup/project目錄下 
2. # 注意***個project后面的反斜線，表示拷貝目錄內的內容，不在目標目錄新建project文件夾。注意與第二個命令的比較，兩者實現同樣的功能。 
3. # -a: archive mode, quals -rlptgoD 
4. # -r: 遞歸同步 
5. # -p: 同步時保留原文件的權限設置 
6. # -u: 若文件在遠端做過更新，則不同步，避免覆蓋遠端的修改 
7. # -L: 同步符號鏈接鏈接的文件，防止在遠程服務器出現文件路徑等不匹配導致的軟連接失效 
8. # -t: 保留修改時間 
9. # -v: 顯示更新信息 
10. # -z: 傳輸過程中壓縮文件，對于傳輸速度慢時適用 
11. rsync -aruLptvz --delete project/ user@remoteServer:/backup/project 
12. rsync -aruLptvz --delete project user@remoteServer:/backup/ 

rsync所做的工作為鏡像，保證遠端服務器與本地文件的統一。如果本地文件沒問題，遠端也不會有問題。但如果發生誤刪或因程序運行錯誤，導致文件出問題，而在同步之前又沒有意識到的話，遠端的備份也就沒了備份的意義，因為它也被損壞了。誤刪是比較容易發現的，可以及時矯正。但程序運行出問題，則不一定了。

rdiff-backup

這里推薦一個工具rdiff-backup不只可以做增量備份，而且會保留每次備份的狀態，新備份和上一次備份的差別，可以輕松回到之前的某個版本。***的要求就是，本地服務器和遠端服務器需要安裝統一版本的rdiff-backup。另外還有2款工具 duplicity和`Rsnapshot也可以做類似工作，但方法不一樣，占用的磁盤空間也不一樣，具體可查看原文鏈接中的比較。

具體的rdiff-backup安裝和使用如下 (之前寫的是英文，內容比較簡單，就不再翻譯了)：

• Install rdiff-backup at both local and remote computers

1. #install for ubuntu, debian 
2. sudo apt-get install python-dev librsync-dev 
3. #self compile 
4. #downlaod rsync-dev from https://sourceforge.net/project/showfiles.php?group_id=56125 
5. tar xvzf librsync-0.9.7.tar.gz 
6. export CFLAGS="$CFLAGS -fPIC" 
7. ./configure --prefix=/home/user/rsync --with-pic 
8. make 
9. make install 

• Install rdiff-backup

1. #See Reference part for download link 
2. # http://www.nongnu.org/rdiff-backup/  
3. python setup.py install --prefix=/home/user/rdiff-backup 
4. #If you complied rsync-dev yourself, please specify the location of rsync-dev 
5. python setup.py --librsync-dir=/home/user/rsync install --     prefix=/home/user/rdiff-backup 

• Add exeutable files and python modules to environmental variables

1. #Add the following words into .bashrc or .bash_profile or any other config files 
2. export PATH=${PATH}:/home/user/rdiff-backup/bin 
3. export PYTHONPATH=${PYTHONPATH}:/home/user/rdiff-backup/lib/python2.x/site-packages 
4. #pay attention to the x in python2.x of above line which can be 6 or 7 depending on  
5. #the Python version used. 

• Test environmental variable when executing commands through ssh

1. ssh user@host 'echo ${PATH}' #When I run this command in my local computer,  
2.                              #I found only system environmetal variable is used  
3.                              #and none of my self-defined environmetal variable is used. 
4. #Then, I modified the following lines in file 'SetConnections.py' in  
5. #/home/user/rdiff-backup/lib/python2.x/site-packages/rdiff_backup 
6. #to set environmental explicitly when login. 
7. #pay attention to the single quote used inside double quote 
8. __cmd_schema = "ssh -C %s 'source ~/.bash_profile; rdiff-backup --server'" 
9. __cmd_schema_no_compress = "ssh %s 'source ~/.bash_profile; rdiff-backup --server'" 
10. #choose the one contains environmental variable for rdiff-backup from .bash_profile and .bashrc. 

Use rdiff-backup

• Start backup

rdiff-backup --no-compression --print-statistics user@host::/home/user/source_dir destination_dir

If the destination_dir exists, please add --force like rdiff-backup --no-compression --force --print-statistics user@host::/home/user/source_dir destination_dir. All things in original destination_dir will be depleted.

If you want to exclude or include special files or dirs please specify like --exclude '**trash' or --include /home/user/source_dir/important.

• Timely backup your data

Add the above command into crontab (hit 'crontab -e' in terminal to open crontab) in the format like 5 22 */1 * * command which means executing the command at 22:05 everyday.

• Restore data

Restore the latest data by running rdiff-backup -r now destination_dir user@host::/home/user/source_dir.restore. Add --force if you want to restore to source_dir.

Restore files 10 days ago by running rdiff-backup -r 10D destination_dir user@host::/home/user/source_dir.restore. Other acceptable time formats include 5m4s (5 minutes 4 seconds) and 2014-01-01 (January 1st, 2014).

Restore files from an increment file by running rdiff-backup destination_dir/rdiff-backup-data/increments/server_add.2014-02-21T09:22:45+08:00.missing user@host::/home/user/source_dir.restore/server_add. Increment files are stored in destination_dir/rdiff-backup-data/increments/server_add.2014-02-21T09:22:45+08:00.missing.

• Remove older records to save space

Deletes all information concerning file versions which have not been current for 2 weeks by running rdiff-backup --remove-older-than 2W --force destination_dir. Note that an existing file which has not changed for a year will still be preserved. But a file which was deleted 15 days ago can not be restored after this command. Normally one should use --force since it is used to delete multiple increments at the same time which --remove-older-thanrefuses to do by default.

Only keeps the last n rdiff-backup sessions by running rdiff-backup --remove-older-than 20B --force destination_dir.

• Statistics

Lists increments in given golder by rdiff-backup --list-increments destination_dir/.

Lists of files changed in last 5 days by rdiff-backup --list-changed-since 5D destination_dir/.

Compare the difference between source and bak by rdiff-backup --compare user@host::source-dir destination_dir

Compare the sifference between source and bak (as it was two weeks ago) by rdiff-backup --compare-at-time 2W user@host::source-dir destination_dir.

A complete script (automatically sync using crontab)

1. #!/bin/bash 
2.  
3. export PYTHONPATH=${PYTHONPATH}:/soft/rdiff_backup/lib/python2.7/site-packages/ 
4.  
5. rdiff-backup --no-compression -v5 --exclude '**trash' user@server::source/ bak_dir/ 
6.  
7. ret=$? 
8. if test $ret -ne 0; then 
9.     echo "Wrong in bak" | mutt -s "Wrong in bak" bak@mail.com 
10. else 
11.     echo "Right in bak" | mutt -s "Right in bak" bak@mail.com 
12. fi 
13.  
14. echo "Finish rdiff-backup $0 ---`date`---"  >>bak.log 2>&1 
15.  
16. echo "`rdiff-backup --exclude '**trash' --compare-at-time 1D user@server::source/ bak_dir/`" | mutt -s "Lists of baked files" bak@mail.com 

References

• rdiff-backup
• duplicity
• rsnapshot
• http://www.saltycrane.com/blog/2008/02/backup-on-linux-rsnapshot-vs-rdiff/
• http://james.lab6.com/2008/07/09/rdiff-backup-and-duplicity/
• http://bitflop.com/document/75
• http://askubuntu.com/questions/2596/comparison-of-backup-tools
• http://www.reddit.com/r/linux/comments/fgmbb/rdiffbackup_duplicity_or_rsnapshot_which_is/
• http://serverfault.com/questions/491341/optimize-space-rdiff-backup
• Another great post on usage of rdiff-backup

原文鏈接：https://mp.weixin.qq.com/s/Ovl46SbnQLc5q6Rz3Iaczg