服务器数据迁移

写在前面:为满足业务需求,我们采购了一台新的高性能服务器,现在想把旧服务器中的用户文件以及conda环境等迁移到新服务器中去。为了保证迁移过程尽可能不出错,并且迁移后新的服务器可以直接使用,以下方案提供一个稳健、可复用、最小出错概率的迁移方案,适用于:

  • ✅ 将用户的数据文件环境配置(zsh, conda等)分开迁移

  • ✅ 保留 .zshrc.oh-my-zsh/ 配置

  • ✅ 保留 ~/.cache/torch/hub/checkpoints/ 下的模型权重

  • ✅ 明确控制每类数据迁移的位置

迁移的内容可以这样分类:

类别 路径 内容示例 是否需要迁移 建议方式
数据类文件 ~/projects/, ~/data/ 代码、实验结果、文档 独立打包或 rsync
Conda 环境 ~/miniconda3/ or ~/anaconda3/ 所有环境 ✅("导出重建"方/conda-pack打包) 环境导出 + 重建
环境配置文件 ~/.zshrc, ~/.bashrc, ~/.condarc shell配置、conda配置 rsync 迁移即可
权重文件 ~/.cache/torch/hub/checkpoints/ 模型 .pth 文件 rsync

一、用户文件和配置文件的迁移

✅ 1、迁移用户项目目录 1_project_documents/

把以下指令的username替换为真实的用户名称,newserver替换为新服务器的真实IP地址;

bash 复制代码
rsync -aP /home/username/1_project_documents/ username@newserver:/home/username/1_project_documents/

注意:

(1)/home/username/(末尾有 /):表示复制目录内部内容,而非整个文件夹层级;

(2)模拟执行测试:在不真正执行复制操作的情况下,模拟将旧服务器 /home/username/ 目录下的1_project_documents文件传输到新服务器 username@newserver/home/username/ 目录下,并显示会传输的文件列表。

bash 复制代码
rsync -aP --dry-run /home/username/.zshrc* username@newserver:/home/username/
组件 含义
rsync 用于远程同步文件和目录的工具
-a 归档模式,保留所有权限、软链接、时间戳、用户组等
-P 显示进度 + 支持断点续传 (等同于 --progress --partial
--dry-run 模拟执行,不实际复制文件,只显示会复制哪些文件

✅ 2、迁移 .cache/torch/ 模型缓存

bash 复制代码
rsync -aP /home/username/.cache/torch/ username@newserver:/home/username/.cache/torch/

✅ 3、迁移 .zshrc, .zshrc.*, .zsh_history

bash 复制代码
rsync -aP /home/username/.zshrc* username@newserver:/home/username/
rsync -aP /home/username/.zsh_history username@newserver:/home/username/

✅ 4、 迁移 .oh-my-zsh/ 插件主题目录

bash 复制代码
rsync -aP /home/zhanghejian/.oh-my-zsh/ user@newserver:/home/zhanghejian/.oh-my-zsh/

注意: 从旧服务器 rsync 迁移过来的文件,所属用户/用户组和你新服务器本地自己创建的文件不一致,执行以下指令,

bash 复制代码
sudo chown -R username:username /home/username
  • -R: 递归修改整个 home 目录下所有文件夹和文件;

  • username:username: 将 user 和 group 都设置为当前用户;

二、conda环境的迁移

✅ 1、首先,在新的服务器中安装与旧服务器相同版本的miniconda包
bash 复制代码
bash Miniconda3-latest-Linux-x86_64.sh
✅ 2、配置conda国内镜像(中科大)
bash 复制代码
channels:
  - https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://repo.anaconda.com/pkgs/main
  - https://repo.anaconda.com/pkgs/r
show_channel_urls: true
✅ 3、旧服务器的conda环境进行打包

(1)在旧服务器中的base环境中安装conda-pack包;

bash 复制代码
conda activate base
conda install -c conda-forge conda-pack

(2)在 base 环境下打包目标环境,这里以catapro为例;

bash 复制代码
# -n catapro 表示打包名为 catapro 的环境, -o 参数指定打包路径和名称
conda-pack -n catapro -o catapro-packed.tar.gz

(3)将打包文件传到新服务器上;

bash 复制代码
scp catapro-packed.tar.gz username@newserver:/home/username/conda_envs_packed

(4)在新服务器上解压并修复环境;

bash 复制代码
# 创建在miniconda的envs目录下创建环境文件夹
mkdir -p ~/miniconda/envs/catapro

# 解压(假设打包前环境名为 myenv)
tar -xzf catapro-packed.tar.gz -C ~/miniconda/envs/catapro

# 进入新环境目录(根据打包时的名字)
cd ~/miniconda/envs/catapro

# 修复路径
./bin/conda-unpack

注意:

1)conda-unpack的作用是:修复Conda环境中硬编码的原始路径,解决"路径失效"问题;

2)当你使用 conda-pack 打包一个环境时,它会记录原服务器上环境路径(比如 /home/username/miniconda3/envs/catapro),解压到新服务器时路径变了,很多包(特别是 .pth.so 文件)里的路径可能无法正确引用;

3)执行 ./bin/conda-unpack 该指令之后,它会:替换掉旧路径、重建软链接、清除缓存路径信息、修复 bin/python 等引用问题;

⚠️ 如果你不运行这步,环境激活可能会失败或行为异常
完成以上,基本上新的服务器就可以正常使用了,使用起来跟以前一样丝滑流畅!

相关推荐
源文雨几秒前
MacOS 下 Warp ping 局域网设备报错 ping: sendto: No route to host 的解决方法
运维·网络协议·安全·macos·网络安全·ping
DatGuy22 分钟前
Week 19: 深度学习补遗:自注意力和Transformer Encoder架构
人工智能·深度学习·transformer
colus_SEU31 分钟前
【循环神经网络5】GRU模型实战,从零开始构建文本生成器
人工智能·rnn·深度学习·gru
Penguin大阪33 分钟前
GRU模型这波牛市应用股价预测
人工智能·深度学习·gru
格林威36 分钟前
UV紫外相机在工业视觉检测中的应用
人工智能·深度学习·数码相机·算法·计算机视觉·视觉检测·uv
格林威43 分钟前
工业视觉检测里的 “柔性” 是什么?
图像处理·人工智能·深度学习·yolo·计算机视觉·视觉检测
CS Beginner44 分钟前
【Linux】安装配置mysql中出现的问题1
linux·mysql·adb
丁学文武1 小时前
大模型原理与实践:第三章-预训练语言模型详解_第3部分-Decoder-Only(GPT、LLama、GLM)
人工智能·gpt·语言模型·自然语言处理·大模型·llama·glm
说私域1 小时前
公域流量转化困境下开源AI智能名片与链动2+1模式的S2B2C商城小程序应用研究
人工智能·小程序·开源
每天一个java小知识1 小时前
Spring-AI 接入(本地大模型 deepseek + 阿里云百炼 + 硅基流动)
java·人工智能·spring