创建云服务器备份

帮助用户完成云服务器备份任务的创建,快速完成服务器数据保护。

前提条件

注意:

建议在业务量较小的时间段执行应用一致性备份。

操作步骤

  1. 登录华为云官网www.huaweicloud.com。注册华为云账号。
  2. 登录云服务器备份管理控制台。
    1. 登录管理控制台。
    2. 单击,选择存储 > 云服务器备份
  3. 在界面右上角单击创建云服务器备份
  4. 在服务器列表中勾选需要备份的服务器或磁盘,勾选后将在已勾选服务器列表区域展示,如1所示。

注意:

考虑到恢复后数据的一致性问题,我们推荐您对整个服务器进行备份。

若您希望选择部分磁盘备份以节省成本,请尽量确保这些磁盘的数据不受其他未备份磁盘的数据影响,否则可能会导致数据不一致问题。

例如,Oracle应用的数据分散在不同磁盘上,如果只备份了部分磁盘,会导致恢复后数据不一致(已备份磁盘恢复到历史时间点数据,未备份磁盘仍保留当前数据),甚至导致应用无法启动。

1 选择服务器 

 说明: 

    • 所选服务器的状态必须为运行中已停止
    • 支持对服务器中的共享云硬盘进行备份。
  1. 在下方的备份配置区域为已选择的服务器配置备份方式,如2所示。

2 配置备份方式 

    • 自动备份:

需要在备份策略的下拉菜单中,选择一个已有的备份策略,或者单击右侧的创建策略创建一个新的备份策略。

如果该备份策略中配置了复制策略,则该策略生成的备份也会按照复制策略执行复制操作。

在备份创建完成后,所选服务器会绑定到该备份策略中,按照备份策略进行周期性备份。

 说明: 

如果选择的服务器已经绑定到其他备份策略,在选择新的备份策略后,服务器会自动从原备份策略解绑,并绑定到新的备份策略。

    • 立即备份:

在备份创建完成后,会对所有服务器立即执行一次性备份。

需要输入备份的名称描述,如1所示。

表1 参数说明

参数

说明

备注

名称

输入待创建的备份的名称。

只能由中文字符、英文字母、数字、下划线、中划线组成,且长度小于等于255个字符。

说明: 

也可以采用默认的名称,默认的命名规则为“manualbk_xxxx”。

备份多个服务器时,系统自动增加后缀,例如:备份-0001,备份-0002。

manualbk_cbf0

描述

输入待创建的备份的描述。

描述长度小于等于255个字符。

--

可同时选择两种备份方式,即立即执行一次备份,后续按照备份策略进行周期性备份。

  1. 选择是否启用应用一致性备份(立即备份时可选)。启用后,系统将执行应用一致性备份。若同时勾选应用一致性备份失败后继续备份,应用一致性备份失败后系统将执行崩溃一致性备份,若不勾选,应用一致性备份失败后将直接产生失败备份。如3所示。

 说明: 

使用应用一致性备份前,需先更改安全组和成功安装客户端。相关操作请参见启用应用一致性备份

3 应用一致性备份 

  1. 单击立即申请
  2. 规格确认页面上,查看详情,单击提交申请
  3. 根据页面提示,返回云服务器备份页面。
    • 自动备份

策略页签,单击备份策略左侧的,在绑定的服务器下,所有已选服务器均在列表中显示,表示所选服务器成功绑定到备份策略中,后续将按照备份策略自动进行周期性备份。

    • 立即备份

备份页签,产生的备份的备份状态可用时,表示一次性备份任务执行成功。

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值