Docker Mysql 数据迁移
查看启动命令目录映射
- 查看容器名称
docker ps

- 查看容器的启动命令
docker inspect mysql8.0 |grep 'CreateCommand' -A 20
如下图所示:我这边是把/var/lib/mysql 目录映射到我宿主机的/mnt/mysql/data目录下,而且我的数量比较大使用方法1的话时间比较久,所以我采用方法2
- 如果没有映射可以通过docker cp 的方式复制到宿主机后,也可以用方法二

方法 1:使用 mysqldump(推荐)
方法1就是将所有库打包成sql,然后再通过sql导入
库适用于数据量 不太大,保证数据完整性。
步骤 1:在源服务器上导出 MySQL 数据
运行以下命令,将 MySQL 所有数据库 导出为 backup.sql:
docker exec -it mysql8.0 mysqldump -uroot -p --all-databases > backup.sql
如果你只想导出某个数据库:
docker exec -it mysql8.0 mysqldump -uroot -p mydatabase > backup.sql
步骤 2:传输 backup.sql 到目标服务器
你可以使用 scp 或 rsync:
scp backup.sql root@目标服务器IP:/root/
或者:
rsync -avz backup.sql root@目标服务器IP:/root/
步骤 3:在目标服务器上恢复数据
- 拉取 MySQL 8.0.18 并启动新容器
docker run --name mysql8.0 -e MYSQL_ROOT_PASSWORD=你的密码 -d -p 3306:3306 mysql:8.0.18
- 导入
backup.sql
docker cp backup.sql mysql8.0:/backup.sql
docker exec -it mysql8.0 mysql -uroot -p < /backup.sql
方法 2:使用 rsync 直接迁移 MySQL 数据目录
适用于数据量 较大 的情况。
步骤 1:停止 MySQL 容器
docker stop mysql8.0
步骤 2:复制 MySQL 数据文件
找到 MySQL 数据目录
docker inspect mysql8.0 |grep 'CreateCommand' -A 20
可以知道我的数据是映射再宿主机的/mnt/mysql的,读者的映射地址可能和我不一样
一般默认在
/var/lib/mysql,最好用docker inspect 查看一下

然后用
rsync传输:以下步骤的/mnt/mysql 都改成上图读者查询到的宿主机映射目录
rsync -avz /mnt/mysql root@目标服务器ip:/mnt/mysql

直到传输完成

步骤 3:在目标服务器上启动 MySQL
- 确保 MySQL 目录权限正确
chown -R 777 /mnt/mysql
- 启动容器
指定映射目录为我们迁移过来的目录这样数据就有了
docker run -p 3306:3306 --name mysql8.0 --restart=always -v /mnt/mysql/log:/var/log/mysql -v /mnt/mysql/data:/var/lib/mysql -v /mnt/mysql/config:/etc/mysql/conf.d -e MYSQL_ROOT_PASSWORD=你的密码 -d mysql:8.0.18
进如容器查看,发现数据库全部迁移过来了

推荐方案
✅ 数据完整性要求高 → 方法 1(mysqldump)
✅ 数据量巨大(几百 GB) → 方法 2(rsync迁移数据目录)
相关文章:
Docker Mysql 数据迁移
查看启动命令目录映射 查看容器名称 docker ps查看容器的启动命令 docker inspect mysql8.0 |grep CreateCommand -A 20如下图所示:我这边是把/var/lib/mysql 目录映射到我宿主机的/mnt/mysql/data目录下,而且我的数量比较大使用方法1的话时间比较久,所以我采用方法2 如果没…...
ubuntu22.04离线安装K8S
1. 准备离线安装包 参考教程离线包准备教程 2. 准备环境 2.1. 准备主机 主机名ip系统k8s-master192.168.38.128ubuntu22.04k8s-node192.168.38.131ubuntu22.04 2.2. 设置host 修改 /etc/hosts 文件,添加master和node节点,需要和主机名保持一致 2…...
微信小程序中将图片截图为正方形(自动居中)
没啥可说的,直接看代码吧(邪恶的微信小程序和浏览器的还不一样) //将用户图片自动剪切成正方形 const cutImgToSquare (imgPath: string) > {//ts-ignorewx.createSelectorQuery().select(#canvas).fields({ node: true, size: true }).…...
传统的自动化行业的触摸屏和上位机,PLC是否会被取代?
传统的自动化行业的触摸屏和上位机是否会被取代? 在工业自动化领域,触摸屏和上位机长期扮演着核心角色,尤其在污水处理、化工生产等场景中,它们通过实时数据采集、逻辑控制、报警联动等功能,保障了生产设备的稳定运行…...
【论文精读】VLM-AD:通过视觉-语言模型监督实现端到端自动驾驶
论文地址: VLM-AD: End-to-End Autonomous Driving through Vision-Language Model Supervision 摘要 人类驾驶员依赖常识推理来应对复杂多变的真实世界驾驶场景。现有的端到端(E2E)自动驾驶(AD)模型通常被优化以模仿…...
2024年数字政府服务能力优秀创新案例汇编(附下载)
12月19日,由中国电子信息产业发展研究院指导、中国软件评测中心主办的“2024数字政府评估大会”在北京召开,大会主题是:为公众带来更好服务体验。 会上,中国软件评测中心副主任吴志刚发布了2024年数字政府服务能力评估结果&#…...
Ollama Docker 镜像部署
文章来源:Docker 部署文档 -- Ollama 中文文档|Ollama官方文档 仅 CPU docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama英伟达 GPU 安装 NVIDIA Container Toolkit。 使用 Apt 安装 配置存储库 curl -fsSL https://nvidia.g…...
[深度学习][python]yolov12+bytetrack+pyqt5实现目标追踪
【算法介绍】 实时目标检测因其低延迟特性而持续受到广泛关注,具有重要的实际应用价值[4, 17, 24, 28]。其中,YOLO系列[3, 24, 28, 29, 32, 45-47, 53, 57, 58]通过有效平衡延迟与精度,在该领域占据主导地位。尽管YOLO的改进多集中在损失函数…...
【深度学习】矩阵的理解与应用
一、矩阵基础知识 1. 什么是矩阵? 矩阵是一个数学概念,通常表示为一个二维数组,它由行和列组成,用于存储数值数据。矩阵是线性代数的基本工具之一,广泛应用于数学、物理学、工程学、计算机科学、机器学习和数据分析等…...
我是如何从 0 到 1 找到 Web3 工作的?
作者:Lotus的人生实验 关于我花了一个月的时间,从 0 到 1 学习 Web3 相关的知识和编程知识。然后找到了一个 Web3 创业公司实习的远程工作。 👇👇👇 我的背景: 计算机科班,学历还可以(大厂门槛水平) 毕业工…...
《Keras 3 :使用 Vision Transformers 进行物体检测》:此文为AI自动翻译
《Keras 3 :使用 Vision Transformers 进行物体检测》 作者:Karan V. Dave 创建日期:2022 年 3 月 27 日最后修改时间:2023 年 11 月 20 日描述:使用 Vision Transformer 进行对象检测的简单 Keras 实现。 (i) 此示例使用 Keras 3 在 Colab 中查看 GitHub 源 介绍 A…...
java(spring boot)实现向deepseek/GPT等模型的api发送请求/多轮对话(附源码)
我们再启动应用并获取api密钥后就可以对它发送请求了,但是官方文档对于如何进行多轮对话以及怎么自定义参数并没有说的很清楚,给的模板也没有java的,因此我们需要自己实现。 import org.json.JSONArray; import org.json.JSONObject;import j…...
module ‘cv2.dnn‘ has no attribute ‘DictValue‘解决办法
module ‘cv2.dnn‘ has no attribute ‘DictValue‘解决办法 pip install opencv-python4.7.0.72 -i https://pypi.tuna.tsinghua.edu.cn/simple 测试: python -c"import cv2"...
将RocketMQ集成到了Spring Boot项目中,实现站内信功能
1. 添加依赖 首先,在pom.xml中添加RocketMQ的依赖: <dependencies><!-- Spring Boot Starter Web --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifac…...
Deepseek 怼CHATGPT实况
提示词: 用犀利的语言批评ChatGPT 深度思考(R1) 嗯,用户让我用犀利的语言批评ChatGPT。首先,我需要理解他们的动机。可能他们遇到了ChatGPT的某些问题,比如回答不准确或者缺乏深度,所以想表达不满。也有…...
基础篇11-图像分割(上)--阈值的方法
图像分割是图像处理的重要内容,是位于底层的图像处理、特征提取与上一层次的图像分析之间的关键步骤。图像分割的相关技术较多,分为三篇介绍。本节是上篇,介绍基于阈值的技术。 1 引言 图像分割是计算机视觉和图像处理中的核心任务之一&…...
[特殊字符] LeetCode 62. 不同路径 | 动态规划+递归优化详解
在解 LeetCode 的过程中,路径计数问题是动态规划中一个经典的例子。今天我来分享一道非常基础但极具代表性的题目——不同路径。不仅适合初学者入门 DP(动态规划),还能帮助你打下递归思维的基础。 本文将介绍: &…...
常用的 JVM 参数:配置与优化指南
文章目录 常用的 JVM 参数:配置与优化指南引言 1. 内存管理参数1.1 堆内存配置1.2 方法区(元空间)配置1.3 直接内存配置 2. 垃圾回收参数2.1 垃圾回收器选择2.2 GC 日志配置2.3 GC 调优参数 3. 性能监控参数3.1 堆内存转储3.2 JVM 监控3.3 远…...
【JavaWeb学习Day17】
Tlias智能学习系统(员工管理) 新增员工: 三层架构职责: Controller:1.接收请求参数(员工信息);2.调用service方法;3.响应结果。 具体实现: /***新增员工…...
DeepSeek 提示词:定义、作用、分类与设计原则
🧑 博主简介:CSDN博客专家,历代文学网(PC端可以访问:https://literature.sinhy.com/#/?__c1000,移动端可微信小程序搜索“历代文学”)总架构师,15年工作经验,精通Java编…...
解锁AMD Ryzen处理器全部潜力:SMUDebugTool深度探索实战
解锁AMD Ryzen处理器全部潜力:SMUDebugTool深度探索实战 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table. 项目地址: https://…...
嵌入式设备中的高效枚举映射
在嵌入式系统开发中,性能优化是一个持续的话题。对于那些需要高效访问特定数据的场景,使用传统的std::map或std::unordered_map可能不是最佳选择,因为它们在性能受限的环境中可能会引入不必要的开销。本文将介绍如何利用C++的std::array和枚举类型创建一个高效的静态映射,并…...
SWE-agent状态环境钩子终极指南:智能监控与实时报告全攻略
SWE-agent状态环境钩子终极指南:智能监控与实时报告全攻略 【免费下载链接】SWE-agent SWE-agent takes a GitHub issue and tries to automatically fix it, using your LM of choice. It can also be employed for offensive cybersecurity or competitive coding…...
GEM 事件/报警系统的完整实现
——写给正在做国产半导体设备通信接口的研发工程师 系列文章目录 《SECS/GEM 协议介绍》 《HSMS(E37)通信层的正确实现方式》 《SECS-II 报文结构:工程师最容易犯的 10 个错误》 《GEM 事件/报警系统的完整实现》 《GEM300(…...
Qwen3-4B-Instruct部署案例:混合精度推理(AMP)开启与吞吐量提升实测
Qwen3-4B-Instruct部署案例:混合精度推理(AMP)开启与吞吐量提升实测 1. 模型概述 Qwen3-4B-Instruct-2507是Qwen3系列的端侧/轻量旗舰模型,专为高效推理和实际应用场景优化。该模型原生支持256K token(约50万字&…...
2026年怎么从培训学员反馈辨真假?这3个判断标准很实用
"做HR快6年,年年牵头做内部培训,每次收完学员反馈,我都头疼——哪是真满意哪是随便应付交差?以前踩过好多坑,白瞎培训预算不说,改方案也改不到点子上。今天把我摸出来的3个判断标准放这,看…...
二维DFT图像频域分析:从基础原理到实战应用
前言 一维DFT我们已经玩明白了,知道它能把复杂信号拆成一堆正弦波。那二维DFT呢?简单说,就是把这个“拆解魔法”搬到了图像上。一张图片,其实也可以看作是二维信号,二维DFT就能把它拆解成无数个不同方向、不同频率的二…...
2026口碑靠前的备考增强记忆品牌榜单
这份口碑靠前的备考增强记忆品牌榜单是结合成分合规性、市场口碑、权威认证、场景适配性多个维度整理得出,能给备考人群选择脑营养补充产品提供清晰可靠的参考方向。这份口碑靠前的备考增强记忆品牌榜单的评选维度是什么?本次评选围绕三个核心指标筛选&a…...
CUDA内存层次暴雷预警:L2缓存一致性失效导致Transformer训练loss震荡——12家大厂共用的5行修复代码
更多请点击: https://intelliparadigm.com 第一章:CUDA内存层次暴雷预警:L2缓存一致性失效导致Transformer训练loss震荡——12家大厂共用的5行修复代码 问题现象与根因定位 在A100/H100多卡分布式训练中,当启用torch.compile(mo…...
Handright性能优化:利用多进程并行渲染加速中文手写模拟
Handright性能优化:利用多进程并行渲染加速中文手写模拟 【免费下载链接】Handright A lightweight Python library for simulating Chinese handwriting 项目地址: https://gitcode.com/gh_mirrors/ha/Handright Handright是一款轻量级Python库,…...
