Técnicas avanzadas de 'tar' para archivar archivos con eficiencia

Kevin van Zonneveld

Cofundador · Ámsterdam, Países Bajos · Mostrar bio

El comando tar es una herramienta esencial en el kit de un desarrollador para archivar y comprimir archivos y directorios. Su uso básico es sencillo, pero dominar las técnicas avanzadas de tar puede mejorar significativamente tu flujo de trabajo de desarrollo y tus estrategias de copia de seguridad. Esta guía explora funciones potentes de tar que van más allá de lo básico.

Comandos básicos de tar

Antes de explorar las técnicas avanzadas, asegúrate de conocer las operaciones fundamentales de tar:

# Create an archive
tar -cf archive.tar files/

# Extract an archive
tar -xf archive.tar

# List contents of an archive
tar -tf archive.tar

Las opciones clave incluyen:

• c: Crear un archivo contenedor nuevo
• x: Extraer archivos de un archivo contenedor
• f: Especificar el archivo contenedor
• t: Listar el contenido del archivo contenedor
• v: Producir una salida detallada

Opciones de compresión avanzadas

tar admite varios algoritmos de compresión que difieren en velocidad y en tasas de compresión. Elige el método que mejor se adapte a tus necesidades:

# Gzip compression (fast, good compression)
tar -czf archive.tar.gz files/

# Bzip2 compression (slower, better compression)
tar -cjf archive.tar.bz2 files/

# Xz compression (slow, highest compression)
tar -cJf archive.tar.xz files/

# Zstd compression (fast, excellent compression)
tar --zstd -cf archive.tar.zst files/

Gzip es óptimo para operaciones rápidas, mientras que Xz proporciona la mayor compresión a costa de la velocidad. Bzip2 y Zstd ofrecen equilibrios alternativos entre rendimiento y compresión.

Excluir archivos y patrones

Al crear archivos contenedores, quizá quieras omitir determinados archivos o directorios. Usa la opción --exclude para patrones o un archivo de exclusiones para listas más largas.

# Exclude specific files or directories
tar -czf archive.tar.gz --exclude='*.log' --exclude='node_modules' project/

# Use an exclude file
echo "*.log
node_modules/
.git/" > exclude.txt
tar -czf archive.tar.gz -X exclude.txt project/

Copias de seguridad incrementales

Las copias de seguridad incrementales te permiten archivar solo los archivos que han cambiado desde la última copia. El archivo de instantánea (backup.snar) registra el estado de la copia anterior, así que, por favor, recuerda respaldarlo junto con tus archivos contenedores. Ten en cuenta que los formatos del archivo de instantánea pueden diferir entre versiones de tar.

# Create initial full backup with snapshot file
tar --create --file=backup-full.tar \
    --listed-incremental=backup.snar \
    --verbose \
    /path/to/backup

# Create incremental backup using the same snapshot file
tar --create --file=backup-inc.tar \
    --listed-incremental=backup.snar \
    --verbose \
    /path/to/backup

Copias de seguridad remotas con ssh

Las copias de seguridad remotas mediante SSH ofrecen una forma segura de almacenar archivos contenedores en una ubicación externa. Antes de ejecutar estos comandos, asegúrate de haber configurado las claves SSH y de haber verificado la autenticidad del host para evitar accesos no autorizados.

# Backup to a remote server with compression and progress visualization
tar -czf - /path/to/backup | \
    pv -s $(du -sb /path/to/backup | awk '{print $1}') | \
    ssh -C user@remote "cat > /backup/archive.tar.gz"

# Restore from a remote server after verifying the archive integrity
ssh user@remote "cat /backup/archive.tar.gz" | \
    tar -tzf - >/dev/null && \
    ssh user@remote "cat /backup/archive.tar.gz" | \
    tar -xzf - -C /path/to/restore

Confirma siempre que la conexión SSH sea segura y que se haya verificado la integridad del archivo contenedor antes de la restauración.

Archivado selectivo con find

Para un enfoque más preciso, combina find con tar para archivar archivos según criterios específicos.

# Archive files modified in the last 24 hours
find . -mtime -1 -type f -print0 | tar -czf recent-changes.tar.gz --null -T -

# Archive specific file types
find . -name "*.jpg" -print0 | tar -czf images.tar.gz --null -T -

Usar la opción -print0 en find garantiza que los nombres de archivo con espacios se manejen correctamente.

Dividir archivos contenedores grandes

Cuando trabajas con directorios muy grandes, puede ser útil dividir los archivos contenedores en partes más pequeñas. Usa el soporte nativo para varios volúmenes o herramientas externas como split.

# Create multi-volume archive using native Tar support
tar -cvM -L 1G -f backup.tar.part directory/

# Split an existing archive into parts with numeric suffixes
tar -czf - large-directory/ | \
    split --bytes=1G --numeric-suffixes --suffix-length=3 - backup.tar.gz.part.

# Reassemble and verify the split archive
cat backup.tar.gz.part.* > restored.tar.gz
tar -tzf restored.tar.gz >/dev/null

Los archivos contenedores multivolumen simplifican el proceso de copia de seguridad. Verifica siempre el archivo contenedor reensamblado para asegurar su integridad.

Manejo de errores y validación

Un manejo de errores robusto es esencial para lograr copias de seguridad confiables. Implementa comprobaciones para verificar la integridad del archivo contenedor y capturar errores.

# Verify archive integrity without extracting files
tar -tvf archive.tar.gz >/dev/null

# Create an archive with error detection, logging any read errors
tar --ignore-failed-read -czf archive.tar.gz directory/ 2>errors.log

# Extract an archive while handling potential errors
tar -xzf archive.tar.gz --warning=no-timestamp --ignore-zeros

Comprobar de forma constante los estados de salida y registrar los errores puede ayudarte a detectar problemas temprano en tu proceso de copia de seguridad.

Automatizar las tareas de copia de seguridad

Automatiza tus rutinas de copia de seguridad con scripts sencillos. El siguiente ejemplo muestra cómo programar copias de seguridad confiables con un manejo de errores y un registro adecuados.

#!/bin/bash
set -euo pipefail

BACKUP_DIR="/path/to/backup"
DEST_DIR="/path/to/archives"
LOG_DIR="/var/log/backups"
DATE=$(date +%Y%m%d)

# Ensure the destination and log directories exist
mkdir -p "$DEST_DIR" "$LOG_DIR"

# Create a backup with logging, excluding unnecessary files
tar -czf "$DEST_DIR/backup-$DATE.tar.gz" \
    --warning=no-file-changed \
    --exclude='*.log' \
    --exclude='node_modules' \
    "$BACKUP_DIR" 2>> "$LOG_DIR/backup-$DATE.log"

# Verify the newly created archive
tar -tzf "$DEST_DIR/backup-$DATE.tar.gz" >/dev/null

# Cleanup backups and logs older than 30 days
find "$DEST_DIR" -name "backup-*.tar.gz" -mtime +30 -delete || true
find "$LOG_DIR" -name "backup-*.log" -mtime +30 -delete || true

Agrega este script a tu crontab para automatizar las copias de seguridad diarias y mantener tus datos protegidos de forma constante.

Conclusión

Las técnicas avanzadas de tar te brindan un marco sólido para archivar y comprimir archivos y para hacer copias de seguridad. Al dominar estos métodos e implementar un manejo de errores exhaustivo, puedes crear flujos de trabajo de gestión de archivos confiables y eficientes. Si buscas optimizar aún más tu procesamiento de archivos, considera explorar la suite de servicios de Transloadit. En particular, nuestro Robot 🤖/file/compress hace que archivar archivos sea muy sencillo.