手头的活儿还没干完就被人问了一句“Linux下怎么拷贝目录”。我那会儿正折腾一个数据迁移第一反应是“cp -r不就行了”但转念一想这事儿真没这么简单。如果你只是拷个两三层的小目录cp -r确实够了可一旦涉及几个G的网站目录、十万级的小文件、或者要跨机器搬数据cp -r的坑就会一个接一个地冒出来——目标目录多套一层、软链接变成真文件、拷到一半Session断了还得从头再来。这些场景我全踩过所以干脆把“拷贝目录”这件事从头到尾捋一遍从最基础的cp到真正适合生产的rsync再到断点续传、并发加速和进度查看一篇讲透。1. cp是底线但别只会cp -r拷贝目录最基础的工具就是cp但很多人用错在意识上只记得加-r却不知道自己到底在拷什么。1.1 基本命令与常见误区最朴素的写法是cp -r /path/to/source_dir /path/to/dest_dir这个命令会把source_dir整个目录复制到/path/to/下面如果dest_dir不存在就创建一个新的如果dest_dir已经存在结果是/path/to/dest_dir/source_dir多套了一层。这个差异非常容易踩cp -r /home/user/www /backup/ # 结果是 /backup/www而不是把 www 的内容平铺进 /backup很多人以为“我指定了目标目录内容就该直接进到目标目录里”但cp的语义不是这样。它永远是把“源”作为一个整体放进“目标”中除非目标本身不存在。想避免多套一层要么目标路径写成不存在的全新目录名要么就用后面的rsync。其实cp -r在大多数发行版上还隐含了一个问题它不一定保留权限、时间戳和属主属组。-r的全称是--recursive只管递归不管“原样保留”。所以业内更推荐用-acp -a /path/to/source_dir /path/to/dest_dir-a等于-dR --preserveall也就是递归、保留软链接本身、保留权限、时间戳、属主属组、ACL等能保留的全保留。日常做目录归档哪怕只是从临时目录拷到项目目录我基本都直接用-a让“拷贝”这件事从一开始就具备备份属性而不是拷过去一堆变了味的数据。1.2 通配符与路径展开的坑用cp拷贝目录时还有个隐蔽问题是通配符。写脚本的人经常这么干cp -r /data/logs/* /backup/logs/这条命令的本意是“把logs下面所有内容拷过去”但它有两个隐患如果/backup/logs不存在cp不会自动建目录命令直接报错如果某些子目录名以.开头*默认不匹配隐藏文件结果就是拷贝不全。更稳妥的做法是目标目录先建好再用ls -A这类方式确认要拷贝的文件范围或者干脆放弃通配符直接处理整个目录再按需删除。要说实用经验我最想提醒的是不要在一条cp命令里同时处理“递归拷贝”和“平铺拷贝”两种心智模型。要么始终拷贝整个目录要么明确逐个拷贝子项。混着用脚本早晚会在某个午夜出问题。2. rsync才是日常主力不只是同步工具只要涉及“拷贝目录”而且数据量不小我第一个想到的工具永远是rsync。它表面上是同步工具但本质上就是“增量拷贝目录”的终极形态。2.1 为什么推荐用它拷贝目录rsync相比cp的核心优势有三点断点续传拷贝中途断了重跑一遍会接着从断点开始而不是全部重来增量同步目标目录已有且未改动的文件直接跳过节省大量IO和时间保留属性全面软链接、硬链接、权限、时间戳、属主属组、ACL、扩展属性都可以显式保留。我用它做目录拷贝的典型命令是rsync -av --progress /home/user/www/ /backup/www/各参数含义参数作用-a归档模式递归并保留大部分属性-v输出详细过程--progress显示每个文件的传输进度--delete删除目标端多余的文件让两端完全一致-z传输时压缩适合跨网络拷贝-e ssh指定远程shell默认也常用这里还有个必须分清的概念rsync如果不加--delete相当于“增量拷贝”加了--delete才真正是“镜像同步”。日常做目录复制备份我会先不加--delete跑一遍确认源和目标的关系符合预期后再在需要严格镜像的定时任务里加上它。2.2 本地拷贝与远程拷贝的实际操作本地目录拷贝我最常用这一条rsync -av --delete /data/project/ /data/backup/project/注意源路径末尾的斜杠。带着斜杠表示“拷贝目录里面的内容”不带斜杠表示“拷贝整个目录本身”。稍不留神目标路径下的结构就会差一层。远程拷贝则这样写rsync -avz --progress /data/project/ userremote_host:/backup/project/它会通过SSH传输默认端口22也可以-e ssh -p 2222指定端口。跨机器搬完目录后记得去目标机器ls -la核对我第一次远程跑rsync就因为在源路径上省略了斜杠结果目标目录里多套了一层文件夹而不自知。2.3 实际项目中我常用的备份参数组合如果是定期备份一个会持续增长的目录我会用一个比较完整的组合rsync -avzh --delete --partial --exclude*.tmp --excludecache/ /srv/data/ /backup/data/--partial允许保留不完整文件配合重跑时的断点续传逻辑--exclude可以剔除日志、缓存这类不需要进备份的目录。拷贝目录不是简单的“全都要”很多时候“排除什么”才是水平所在。3. 源路径末尾的斜杠是目录拷贝的第一大陷阱这个坑我至少见过五个人踩过包括我自己。源路径带不带/结果天差地别。3.1 行为差异对比以rsync举例假设源目录/data/www下有index.html和assets/两个条目目标目录是/backup/wwwrsync -av /data/www /backup/ # 结果/backup/www 目录被创建里面是原先 /data/www 下的内容 # 也就是说源头的不带斜杠是把 www 目录本身拷过去 rsync -av /data/www/ /backup/www/ # 结果/backup/www 下的内容直接等于 /data/www/ 下的内容 # 源头的斜杠表示“把里面的内容拷贝到目标目录中”cp其实也有类似语义只是很多人在目标目录不存在时没注意到。区别在于cp -a /data/www /backup/不管怎么变语义都趋向“整体放入”而rsync因为和--delete搭配斜杠不但影响层级还影响目标端多余文件是否被删除。3.2 如何系统性规避我的习惯是在脚本里统一约定源路径一律带尾斜杠目标路径也带尾斜杠并且保证目标目录存在。这样语义最明确——把源目录里的全部内容同步到目标目录里。脚本里像下面这样写find /data -maxdepth 2 -name www rsync -av --delete /data/www/ /backup/www/同时写个简单断言确保源路径存在再执行if [ ! -d /data/www ]; then echo source dir missing exit 1 fi这些看起来微不足道但目录拷贝的线上事故有一半都出在这种“路径语义”上先把斜杠约定确定下来比调任何参数都重要。4. 权限、链接与时间戳目录拷贝最容易“看着成功实则失败”的部分最坑的拷贝不是报错而是“命令成功、数据也没丢但拷出来的结果跟原目录不一致”。属性丢失就是这一类。4.1 为什么普通拷贝会丢失属主属组如果你用普通用户执行cp -r或rsync -a目标文件的属主会变成当前用户而不是保持源文件的属主。这在备份别人的网站目录、或者往移动硬盘里归档数据时会非常危险——表面文件都在但回传回去后权限全乱服务直接跑不起来。遇到这种场景几乎必须借助sudosudo rsync -av --owner --group /srv/user_data/ /backup/user_data/同时要在目标文件系统支持Linux权限的前提下进行比如ext4、xfs都没问题但拷到FAT32或NTFS移动硬盘时“属主属组”这个概念本身就存在不了这种时候不要强求。4.2 软链接、硬链接与特殊文件目录里的软链接用cp -r拷贝时部分老版本的行为会把它“解引用”也就是把链接指向的目标文件整个复制一遍而不是复制链接本身。rsync -a则更可控默认保留软链接。如果你想显式展开软链接、把链接指向的真实内容也原样拷成普通文件可以用-Lrsync -avL /data/linked_dir/ /backup/linked_dir/而硬链接是另一种容易碎的属性。大目录里经常有几十个硬链接指向同一份数据普通拷贝会把它变成几十份独立文件白白浪费空间。cp -a会在可能的情况下保留硬链接关系rsync用-H保留。我处理一个包含数千硬链接的资源库时忘加-H导致备份体积膨胀了两倍多这个教训很实在。4.3 时间戳与复制结果的验证时间戳在增量备份中既是优点也是隐患。rsync快速跳过文件靠的是文件大小和修改时间判断“内容变了但修改时间没变”的文件会被漏掉。安全起见校验类需求需要加-crsync -avc /data/project/ /backup/project/这会逐个文件做校验和对比传输速度会下降但能保证正确性。拷完如何确认我常用这一组组合拳du -sb /data/www /backup/www # 对比两个目录的字节数粗查 find /data/www -type f | wc -l find /backup/www -type f | wc -l # 对比文件数量 diff -r /data/www /backup/www # 逐文件对比内容、权限、链接最严格diff -r的输出如果是干净的那我基本可以放心收拾东西走人。5. 大目录长拷贝会话断开、断点续传与并发加速拷贝一个几十GB、几百万文件的目录跟拷贝小目录完全是两个物种。那种“直接敲命令盯着看”的做法是行不通的。5.1 用tmux或screen托管拷贝任务SSH连到服务器跑一个漫长的拷贝一旦网络闪断、终端关闭整个进程都会收到SIGHUP死掉。正确做法是先把任务放进tmux再执行tmux new -s copy_job rsync -av --progress /data/massive/ /backup/massive/然后按Ctrlb再按d脱离会话。过几个小时重新连上用tmux attach -t copy_job就能看到任务是否还在跑、输出到了哪一步。如果只用nohup写日志也行但tmux能随时交互对长任务的掌控感强得多。5.2 断点续传与校验rsync本身就支持断点续传但有几个参数配合起来才真正“断得干净续得稳”rsync -av --partial --append-verify /data/big_data/ /backup/big_data/--partial保留传输到一半的不完整文件方便续传而不是把它当垃圾删掉--append-verify对已经存在的文件只校验已传完的部分然后追加剩余数据再验证尾部。实测在大文件场景下这个组合比一次性同步快很多。要注意的是--append-verify不适合源文件持续变化的情况如果边写边拷追加校验的结果会不可靠。5.3 用xargs并行加速小文件拷贝海量小文件是rsync的软肋因为每个文件都有握手和校验开销。我导出一个包含120万张图片的目录时单线程rsync跑了好几个小时。后来我给拷贝步骤加了并行find /data/images -type f -print0 | xargs -0 -n 100 -P 8 -I {} rsync -aR --ignore-existing {} /backup/images/注意几个细节-P 8表示8个并行进程具体数值要看你主机的IO能力和CPU核数盲目开太高反而让磁盘寻道效率爆炸-R保存相对路径保证目标端目录结构与源一致--ignore-existing避免重复处理已拷贝完的文件。并行rsync并不是万金油目标端磁盘是机械硬盘时并行度高了反而更慢。建议先用hdparm或fio简单测一下目标盘的写性能再决定并行数。5.4 实时查看拷贝进度rsync --progress会给每个文件都刷进度但大目录下输出太密不够直观。我更常做的做法是开三个窗口一个跑任务一个看文件数增长watch -n 10 find /backup/images -type f | wc -l另一个看整体字节watch -n 10 du -sb /backup/images如果是本地同盘拷贝还可以iostat -x 1观察磁盘利用率确认瓶颈在源盘还是目标盘。拷贝不光是命令还是要盯资源走势的。6. 跨分区与跨机器拷贝从mv到tar管道的一些冷门但稳妥的操作不只是备份场景日常迁移目录也经常用到“拷贝”这件事。跨分区mv看着是移动实际是拷贝加删除很多人不知道这一点。6.1 mv跨分区时“慢得离谱”的真相当你在同一个分区内执行mv它只是改一下目录项瞬间完成一旦跨分区比如从/根分区移到挂载的/data数据盘mv会老老实实地把数据完整复制一遍然后再删除源路径。如果你有一堆大文件要移动又不知道这点就会盯着命令行“卡住”怀疑人生。配合rsync显式拷贝反而更好管理rsync -av --remove-source-files /data/tmp/ /data2/final/--remove-source-files模仿了mv但可以断点重跑、增量同步也比直接mv更有掌控感。6.2 没有rsync时用tar管道完成远程拷贝有时候目标机器没装rsync又不想临时装包可以用tar管道解决tar czf - /data/project | ssh userremote_host tar xzf - -C /data/原理是本地把目录打包成流通过网络管道传输远端直接解包到目标目录。-C /data/确保解包到指定位置如果想保留相对路径源路径写法和tar的-C配合。要注意的是管道拷贝是一锤子买卖中途网络断了就功亏一篑。所以这种方案适合临时赶工不适合正式备份。正式场景还是rsync加tmux更可靠。6.3 目录拷贝过程中的进度判断技巧拷大目录时没有进度条会让你心里发慌。除了du和find配合watch还有个小技巧# 在终端里按下 CtrlT某些Unix-like系统会打印当前正在执行的前台进程状态能直观看到进程等了多久、系统调用卡在哪个文件上。另外可以用lsof D /data/images看看当前还有多少文件被打开、正在写入这套组合基本能回答“它是不是真的在动”的疑虑。拷贝目录这件事说穿了就是“把源文件系统里的那棵目录树在目标位置上重建一遍”。cp -r能完成rsync能做得更好tar管道则是无rsync环境下的应急手牌。我个人的真实体会是先弄清源和目标的关系是“放在里面”还是“覆盖对齐”再决定斜杠和参数先把任务放进tmux再动手跑大目录拷完必须用diff或校验和做最终确认。这三步看起来不起眼但它们能挡住我在操作中遇到过的绝大多数目录拷贝事故。下次再有人问我“怎么拷贝目录”我不会只甩一句cp -r而是会先问他三个问题拷到哪里、数据多大、要不要保留完整权限。这些问题清楚了命令其实自然而然就出来了。