迁移实例

本文介绍如何将实例迁移到其他主机或地区。

迁移场景

场景	说明	数据处理
同地区迁移	在同一地区的不同主机间迁移	数据盘可保留
跨地区迁移	迁移到其他地区	需手动迁移数据
升级主机	迁移到更高配置主机	系统盘自动迁移

同地区迁移

适用情况

• 当前主机资源不足
• 需要更换 GPU 型号
• 主机维护需要迁移

迁移步骤

1. 关机实例

   • 在控制台关闭实例
   • 等待状态变为「已关机」

2. 选择目标主机

   • 点击「开机」
   • 系统会自动在同地区寻找可用主机
   • 如需指定主机，可联系客服

3. 等待迁移完成

   • 系统盘数据会自动迁移
   • 迁移时间取决于数据量

数据盘处理

注意

同地区迁移时，数据盘数据需要手动处理。

方法一：复制到新数据盘

参考 复制到数据盘 文档。

方法二：使用云存储中转

1. 迁移前将数据上传到云存储
2. 迁移后从云存储下载

跨地区迁移

跨地区迁移需要手动处理所有数据。

迁移步骤

1. 备份数据

   # 压缩数据盘内容
   cd /root/rivermind-data
   tar czf backup.tar.gz ./*

2. 保存镜像

   • 在控制台保存当前实例为镜像
   • 镜像包含系统盘内容

3. 在目标地区创建实例

   • 选择目标地区
   • 使用保存的镜像创建实例

4. 恢复数据

   # 上传并解压数据
   cd /root/rivermind-data
   tar xzf backup.tar.gz

数据传输方式

方式	适用场景	速度
SCP 直传	数据量小	一般
云存储中转	数据量大	较快
rsync 同步	增量更新	高效

迁移注意事项

迁移前检查

• [ ] 确认重要数据已备份
• [ ] 记录当前环境配置
• [ ] 保存自定义镜像
• [ ] 导出依赖列表

# 导出 pip 依赖
pip freeze > requirements.txt

# 导出 conda 环境
conda env export > environment.yml

迁移后验证

• [ ] 检查系统盘数据完整性
• [ ] 验证环境配置正常
• [ ] 测试 GPU 是否可用
• [ ] 恢复数据盘数据

# 验证 GPU
nvidia-smi

# 验证 Python 环境
python -c "import torch; print(torch.cuda.is_available())"

常见问题

迁移后 SSH 连接信息变化

迁移后主机地址和端口可能变化，请在控制台获取新的连接信息。

迁移后数据丢失

• 系统盘数据通常会保留
• 数据盘数据需要手动迁移
• 建议迁移前做好备份

迁移时间过长

• 数据量大时迁移需要更多时间
• 可以先清理不必要的文件
• 联系客服了解迁移进度

目标地区无可用资源

• 尝试选择其他时段
• 选择其他 GPU 型号
• 联系客服预约资源