rdiff-backup 是一个基于 Python 的备份程序，它使用 rsync 算法。它类似于 rsync，因为它将源目录同步到镜像目录。不同之处在于它使用反向差异来维护从当前版本追溯的文件版本。该程序可在 rdiff-backup.nongnu.org 获取。在撰写本文时，当前的稳定版本是 1.2.8。提供源代码和二进制版本。该程序适用于 POSIX 系统和 Windows，并且可以跨平台同步。除了在本文中描述 rdiff-backup 之外，我还将演示 rdiffWeb，这是一个基于 Web 的界面，用于从 rdiff-backup 目录恢复文件。

rdiff-backup 使用 librsync (librsync.sourceforge.net) 作为其 rsync 提供程序。有关更多详细信息，请参阅 librsync.sourcefrog.net/doc/librsync.html，特别是 librsync.sourcefrog.net/doc/rdiff.html，其中解释了 rsync 和差异过程的工作原理。为了解释上述站点的信息，librsync 允许比较两个文件并生成差异，而无需同时访问文件的两个副本。相反，旧文件的签名与新文件进行比较。签名包含对旧文件中的块计算的校验和。签名校验和用于查找新文件中匹配的块，然后计算差异。

优点是，当跨网络比较文件时，只需通过线路发送签名即可生成差异。缺点是校验和是面向块的，因此影响多个块的小更改将导致比其他差异方法更大的差异。上述方法在字节级别工作，并且没有文件名、权限等更高级别的概念。这就是 rdiff-backup 的用武之地。它提供了将字节流与必要的元数据包装在一起的机制。

rdiff-backup 的基本操作如下。备份从源目录完成到目标目录。目标目录包含文件最新版本的镜像。此外，rdiff-backup 在目标目录中创建一个名为 rdiff-backup-data 的子目录。rdiff-backup 将执行备份版本控制所需的信息保存在此子目录中。顶层是包含备份中文件的元数据以及有关备份状态信息的文件。

对于那些感兴趣的人，mirror-metadata* 文件包含特定的文件信息，例如用户、组、权限等。还包括名为 increments 的子目录。此处保存着来自文件当前版本的反向差异。差异本身经过 gzip 压缩以节省空间。

increments 子目录中的目录结构与镜像目录的目录结构匹配。因此，如果镜像具有 Documents/Personal/，则 increments 也将具有 Documents/Personal/。除了差异之外，目录还包含作为占位符或元数据的文件。例如，将存在零长度的时间戳 *.dir 文件，指示何时完成备份。还有 *.missing 文件，这些文件是追溯创建的，用于标记文件出现之前的备份。例如，如果在星期一完成备份，并且目录 A 具有 file_1，然后在星期二完成备份，并且目录 A 具有文件 file_1 和 file_2，则将创建 file_2_<timestamp>.missing 文件。时间戳将是星期一备份的时间。为了了解事物是如何工作的，我建议监视 rdiff-backup-data 目录和子目录一段时间。一旦你这样做，它将变得更加明显该过程是如何工作的。

现在让我们进入有趣的部分，创建备份。要从本地目录备份到本地目录，请使用命令

rdiff-backup software_projects /var/backups/test_backup

在这种情况下，test_backup 将具有一个子目录 software_projects，其中包含上述 rdiff-backup-data 子目录（图 1）。

图 1. 完整备份的目录列表

为了具有一定的故障冗余，更实用的情况是将备份到另一台机器。在这种情况下，rdiff-backup 使用 SSH 建立机器之间的连接。这意味着您需要为相关机器设置 SSH。首选方法是设置公钥身份验证，以便不需要密码。还需要在远程计算机上安装 rdiff-backup。在这种情况下，命令是

rdiff-backup software_projects \
                 user@host.example.com::/var/backups/test_backup

请注意，可以使用以下命令自定义 rdiff-backup 如何建立其远程连接--remote-schema开关。默认连接字符串是'ssh -C %s rdiff-backup --server'，其中 %s 是主机信息。这使用 SSH 的默认端口 (22)。如果您的 SSH 设置为侦听不同的端口，请执行以下操作

--remote-schema 'ssh -p xxxxx -C \%s  rdiff-backup --server'

此处显示的两种情况都很简单，并且只会将 /software_projects 及其所有子目录完全备份到 /var/backups 中的相应目录。可以以多种方式微调 rdiff-backup 的行为。我在此处展示的只是可能情况的一个示例。在 rdiff-backup.nongnu.org/rdiff-backup.1.html 上花一些时间来获得完整的了解。这只是手册页的 HTML 转换，因此您可以通过 man 在您的机器上找到相同的信息，假设您已安装 rdiff-backup。特别是，查看文件选择部分。实际上，多次浏览该部分。那里有很多功能，但前几次浏览时有点令人困惑。

让我们首先排除一些我们实际上不想备份的文件

rdiff-backup --exclude '**track_stocks' \
                software_projects \
                    /var/backups/test_backup

在此示例中，我们排除了整个 track_stocks 目录（参见图 2 并将其与图 1 进行比较）。'**track_stocks'匹配（因此，排除）任何以 track_stocks 结尾的路径名（有关更多详细信息，请参见下文）。

图 2. 显示排除 track_stocks 目录效果的目录列表

现在，让我们反过来，专门包含某些内容，排除所有其他内容

rdiff-backup --include '**linux_journal_articles' \
             --exclude '**' \
                software_projects \
                    /var/backups/test_backup

这里要记住的重要事项是您的--include和--exclude选项的顺序很重要。在上面的示例中，包含 /linux_journals_articles 优先于排除所有内容（'**'）。图 3 显示了结果。我可以继续介绍所有可能的组合，但以上内容涵盖了基础知识。首先使用一些测试文件来掌握 --include 和 --exclude 之间的交互。另请注意，每个包含或排除模式都需要在一个单独的开关中。

图 3. 仅包含 linux_journal_articles 目录的备份目录列表。

让我进一步解释包含和排除模式匹配的工作原理。如前所述，顺序决定优先级，因此较早指定的模式会覆盖较晚指定的模式。包含/排除开关与扩展的 shell globbing 模式一起使用。在“标准” shell globbing 中，* 匹配除 / 之外的任何字符。扩展 globbing 添加了 ** 模式，该模式匹配任何字符，包括 /。此外，模式可以以ignorecase作为前缀，以匹配，而与大写/小写无关。有关更多详细信息，请参见上面的链接。至于模式匹配的工作原理，我找不到比文档中更好的描述了

这实际上导致的结果是，如果您包含一个文件，则构成其路径的目录也将被包含在内，而排除一个文件只会排除它，而不会排除其上方的目录。

对于简单的情况，先前显示的命令行包含和排除效果很好。但是，随着包含和排除参数数量的增加，它们变得笨拙。幸运的是，还有另一种指定参数的方法，即文件列表。有三种变体：filelist、filelist-stdin 和 globbing-filelist。这三种形式都采用包含或排除前缀，例如，--include-filelist。但这有点误导，因为可以在文件中使用 + 和 - 分别指定包含和排除参数，这会覆盖前缀。为了保持一致性，我将使用 globbing-filelist，因为它遵循与命令行上的 --include 和 --exclude 选项相同的规则。其他形式不遵循 globbing 扩展和包含模式匹配行为。因此，要使用文件列表复制上面的最后一个命令，请执行

rdiff-backup --include-globbing-filelist rdiff_globbing.txt \
                software_projects \
                    /var/backups/test_backup

rdiff_globbing.txt 的内容是

+ **linux_journal_articles
- **

结果与图 3 中所示相同。

创建备份是好事，但是如果您无法从中恢复文件，那么它们几乎毫无用处。恢复，最简单地说，只是备份的反向操作。换句话说，命令行上目录的顺序是相反的——镜像在前，要恢复到的目录在后。有一个重要的警告：默认情况下，rdiff-backup 不会覆盖现有文件/路径进行恢复。可以将其视为一种脚/枪安全装置。您有两种选择，恢复到另一个路径或使用 --force 开关来覆盖默认行为。

rdiff-backup 为您提供了两种基本方法来恢复文件的特定版本：基于时间和基于编号。

基于时间的恢复基于增量的时间。假设您有一个 cron 作业，该作业每天晚上在同一时间执行备份，那么您将拥有追溯时间并带有时间戳的增量。要查看您有哪些增量，请执行

rdiff-backup --list-increments \
                user@host.example.com::/var/backups/lj_article

您也可以使用-l而不是--list-increments。此处的target是备份目录。以下是我针对 EC2 实例运行 cron 作业以使用本文的更改进行播种的实际输出（使用不同的目标）

increments.2010-01-16T02:15:05Z.dir   Fri Jan 15 18:15:05 2010
increments.2010-01-17T02:15:06Z.dir   Sat Jan 16 18:15:06 2010
increments.2010-01-18T02:15:05Z.dir   Sun Jan 17 18:15:05 2010
increments.2010-01-19T02:15:06Z.dir   Mon Jan 18 18:15:06 2010
increments.2010-01-20T02:15:06Z.dir   Tue Jan 19 18:15:06 2010
increments.2010-01-21T02:15:05Z.dir   Wed Jan 20 18:15:05 2010
increments.2010-01-22T02:15:05Z.dir   Thu Jan 21 18:15:05 2010
increments.2010-01-23T02:15:05Z.dir   Fri Jan 22 18:15:05 2010
increments.2010-01-24T02:15:06Z.dir   Sat Jan 23 18:15:06 2010
increments.2010-01-25T02:15:06Z.dir   Sun Jan 24 18:15:06 2010

掌握此信息后，我可以执行以下操作以从特定时间恢复增量

file=/var/backups/lj_article/software_projects
file="$file/linux_journal_articles/rdiff_backup/lj_rdiff_article.txt"

rdiff-backup --restore-as-of 2010-01-20T02:15:06Z \
                 user@ec2.example.com::$file \
                     test/lj_rdiff_article.txt

您也可以使用-r而不是--restore-as-of.

然后，我将拥有本文在该特定时间备份时的版本。有一种更用户友好的变体，它使用不同的时间视图。在该方法中，您将时间指定为间隔，使用以下语法整数[修饰符]，其中修饰符为 s、m、h、D、W、M 和 Y，它们代表的时间段分别为秒、分钟、小时、天、周、月和年。一个例子是-r 2D12h，它翻译为“恢复 2 天 12 小时前的文件”。那么问题是，如果没有增量正好落在那个时间怎么办？答案是，rdiff-backup 使用最接近该时间且不晚于指定时间的增量。因此，对于此示例，如果存在 2 天 18 小时前的增量和一个 2 天 11 小时前的增量，它将使用 2 天 18 小时前的增量。

第二种指定恢复的方法，基于编号的恢复，基于会话编号的概念，其中语法为整数[B]，其中 0B 是当前的镜像版本。因此，要从第二个最新的备份恢复，您将执行-r 2B.

尽管恢复选项功能强大，但它们确实需要命令行知识以及对 rdiff-backup 的一定程度的熟悉。为了简化最终用户的体验，让我们看一下 rdiffWeb，这是一个基于 Web 的界面，用于恢复使用 rdiff-backup 备份的文件。

但首先，这里有一些快速的通用使用技巧。每个备份会话都在事务中完成。这意味着如果会话中断，则下次执行备份时，将删除先前未完成的备份。如果要检查此情况，请执行

rdiff-backup --check-destination-dir  /var/backups/test_backup

如果目录中存在不完整的备份，它将被回滚。会话的事务性质意味着如果您通过不稳定的连接远程备份，则可能会出现问题。这在执行大型数据集的初始备份时尤其重要。避免此潜在问题的一种解决方案是执行本地 rdiff-backup 备份，然后使用 rsync 将本地 rdiff 镜像同步到远程站点。rsync 允许中断会话，并且可以重新运行以完成传输。远程镜像完成后，将 rdiff-backup 镜像目录从本地更改为远程。从那时起，您将仅传输更改。

其次，每次执行备份时，它都会创建一个增量，随着时间的推移，这些增量会累积起来。要查看备份目录正在使用的空间，请执行以下操作

rdiff-backup --list-increment-sizes \
                user@ec2.example.com::/var/backups/lj_article


        Time                   Size    Cumulative size
----------------------------------------------------------------------
Tue Jan 26 18:15:05 2010     5.98 MB       5.98 MB   (current mirror)
Mon Jan 25 18:15:07 2010     1.14 KB       5.98 MB
Sun Jan 24 18:15:06 2010     1.54 KB       5.99 MB
Sat Jan 23 18:15:06 2010     0 bytes       5.99 MB
Fri Jan 22 18:15:05 2010     0 bytes       5.99 MB
Thu Jan 21 18:15:05 2010     0 bytes       5.99 MB
Wed Jan 20 18:15:05 2010     0 bytes       5.99 MB
Tue Jan 19 18:15:06 2010     25.8 KB       6.01 MB
Mon Jan 18 18:15:06 2010     1.22 KB       6.01 MB
Sun Jan 17 18:15:05 2010     32.7 KB       6.04 MB
Sat Jan 16 18:15:06 2010     0 bytes       6.04 MB
Fri Jan 15 18:15:05 2010     0 bytes       6.04 MB
Thu Jan 14 18:15:05 2010     0 bytes       6.04 MB
Wed Jan 13 18:15:05 2010     0 bytes       6.04 MB
Tue Jan 12 18:15:05 2010     0 bytes       6.04 MB
Mon Jan 11 18:15:06 2010     0 bytes       6.04 MB
Sun Jan 10 18:15:06 2010     0 bytes       6.04 MB
Sat Jan  9 18:15:07 2010     0 bytes       6.04 MB
Fri Jan  8 18:15:08 2010     0 bytes       6.04 MB
Thu Jan  7 18:15:06 2010     0 bytes       6.04 MB
Wed Jan  6 18:15:06 2010     31.5 KB       6.07 MB
Wed Jan  6 07:05:52 2010   194 bytes       6.07 MB

这是查看存储空间正在何处使用以及备份目录总量的不错方法。除非您拥有无限的备份磁盘空间，否则在某个时候，您将需要开始修剪备份目录。要修剪增量，请使用--remove-older-than 'time'，其中时间的指定方式与恢复时使用的指定方式相同。对于我自己的个人数据，我有一个 cron 作业，每天晚上运行

rdiff-backup --remove-older-than 7D 'destination_dir'

这保留了我备份的滚动七天版本历史记录。

现在如承诺：rdiffWeb，可在 www.rdiffweb.org 获取。rdiffWeb，像 rdiff-backup 一样，是用 Python 编写的。它使用 CherryPy 来提供其页面。我正在使用 0.6.3 版本，这是撰写本文时的测试版本。主要原因是 0.6.3 使用 SQLite 作为其数据存储，而不是稳定版本 0.5.1 所使用的 MySQL。SQLite 与 Python 2.5+ 捆绑在一起，因此减少了一件需要设置的事情。请务必按照上面列出的页面上的“安装”链接进行操作。安装非常简单，但是您需要进行一些手动更改才能使程序正常运行。请注意，可以为 https 设置 rdiffWeb，这正是本文使用它的方式。

首次访问 rdiffWeb 时，系统将提示您设置管理员帐户。完成后，您就可以设置用户并使用“用户偏好设置”（图 4）。值得注意的是“目录恢复格式”选项。如果您要恢复整个目录，这将发挥作用。rdiffWeb 将根据设置创建 zip 文件或 gzipped tarball，这对于处理 Windows 或 UNIX 用户很有用。同样值得注意的是“更新备份位置”按钮。这是一种强制 rdiffWeb 查找您已添加的任何新备份目录的方法。它会自行找到它们，但通常不会立即找到。

图 4. rdiffWeb 设置中的“用户偏好设置”页面

重点是查找文件。当您登录时，将显示一个页面，其中包含您拥有权限的备份目录。然后，您可以遍历目录树以获取您想要的文件或目录。图 5 显示了本文的四个可用版本。单击时间戳将打开浏览器下载对话框，允许您将文件下载到您选择的位置。如果要下载目录，请单击“恢复文件夹”链接。然后，您将被带到一个页面，其中列出了各种可用的时间戳版本。选择合适的版本，目录及其内容将根据您的“用户偏好设置”页面上指定的“目录恢复格式”进行捆绑。

图 5. 在 rdiffWeb 中选择文件版本

当您希望对备份进行版本控制，而无需保留版本的完整副本时，rdiff-backup 是一个有用的工具。它相对容易设置。程序的命令行性质既是优点又是缺点。优点是它适用于脚本编写。缺点是并非所有用户都精通命令行，因此有了关于 rdiffWeb 的部分。我的运行方法是让 cron 作业执行备份，然后使用 rdiffWeb 进行恢复。

最后，这里有一些关于备份增量性质的总体观察。节省的空间量取决于使用情况。rdiff-backup 保存所有信息，因此，如果您执行大量删除操作，则备份目录将充满已删除的文件，除非您定期修剪。如前所述，文件比较的块性质对于跨多个块的小更改效率不高。我提出这一点是为了提示您在一段时间内监控目标目录的磁盘空间，直到您对您的使用模式如何影响它有所了解。但总的来说，我发现 rdiff-backup 在备份大小和备份多功能性之间提供了很好的折衷方案。