新闻详情

新闻详情

首页 / 资讯中心 / 详情

MongoDB mongodump mongorestore备份恢复实操记录

发布时间:2026/11/15 5:02:31来源:尧图网络
MongoDB mongodump mongorestore备份恢复实操记录
部署主机10.10.10.128操作系统CentOS Linux7.9.2009MongoDB版本4.2.25部署日期2026‑09‑20一、概述mongodump/mongorestore是MongoDB逻辑备份工具导出BSON二进制文件支持全实例、单库、单集合备份支持压缩备份适合数据迁移、故障恢复。注意逻辑备份不适合TB级超大数据场景。二、环境准备业务库appdb集合orders端口27017创建测试数据。mongo --port 27017use appdbdb.orders.insertMany([{no:2001,amount:200,user:user01},{no:2002,amount:350,user:user02},{no:2003,amount:120,user:user03}])#创建备份存储目录mkdir -p /data/mongo_backup三、mongodump备份操作#1.备份整个MongoDB实例全部库mongodump --host localhost --port 27017 -o /data/mongo_backup/full_all#2.只备份appdb单个数据库mongodump --host localhost --port 27017 -d appdb -o /data/mongo_backup/only_appdb#3.备份appdb下orders单个集合mongodump --host localhost --port 27017 -d appdb -c orders -o /data/mongo_backup/single_collection#4.开启gzip压缩备份节省磁盘空间 mongodump --host localhost --port 27017 -d appdb -o /data/mongo_backup/gzip_appdb --gzip#5.带账号密码备份开启auth认证环境mongodump -u root_admin -p Root123456 --authenticationDatabase admin --port 27017 -d appdb -o /data/mongo_backup/auth_backup#查看备份目录结构ls /data/mongo_backup/四、mongorestore数据恢复操作#模拟故障删除appdb库mongo --port 27017 use appdb db.dropDatabase()#1.恢复整个备份目录全部库mongorestore --port 27017 /data/mongo_backup/full_all#2.只恢复appdb数据库mongorestore --port 27017 -d appdb /data/mongo_backup/only_appdb/appdb#3.恢复单集合orders mongorestore --port 27017 -d appdb -c orders /data/mongo_backup/single_collection/appdb/orders.bson#4.恢复压缩gzip备份需要加--gzip参数mongorestore --port 27017 --gzip /data/mongo_backup/gzip_appdb#5.--drop参数恢复前先删除目标集合谨慎原有数据会清空mongorestore --port 27017 --drop -d appdb /data/mongo_backup/only_appdb/appdb五、恢复验证mongo --port 27017use appdbdb.orders.find()#确认数据条数与原始测试数据一致备份恢复流程正常。六、重要注意事项1.mongodump是逻辑备份备份期间mongod服务必须正常运行。2.--drop参数慎用会删除目标库/集合原有数据再导入。3.副本集备份建议备份PRIMARY主节点也可以备份SECONDARY从节点降低主库压力。4.备份脚本可以配合crontab定时任务做周期自动备份。七、运维命令 #定时备份脚本示例伪代码#crontab -e#0 2 * * * mongodump --port 27017 -o /data/mongo_backup/$(date %Y%m%d)
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉