(Mirage系列之九)Mirage经典案例之灾难恢复

简介:

Mirage系列之八)Mirage经典案例之数据更新和恢复中我们介绍过,被Mirage管理的终端可以从终端恢复数据。下载我们来介绍如何使用Mirage进行灾难恢复。所谓灾难恢复,分两种情况,一种是客户端操作系统里的程序由于用户的修改无法运行,因为一种是客户端系统本身崩溃至无法运行。Mirage针对这两种情况有不同的处理方式:

·        客户端操作系统里的程序由于用户的修改无法运行:

o   强制推送基础层和应用层,适用于客户端被分配了基础层或应用层。

o   恢复终端快照,适用于客户端并没有被分配基础层或应用层。

·        客户端系统崩溃

o   本地灾难恢复,适用于硬件没有损坏的情况。

o   硬件迁移,适用于硬件损坏的情况。

本博客先介绍第一种情况。


一、强制推送基础层和应用层

在管理员想终端发布了基础层了应用层之后,终端用户在使用的过程中对相关文件和注册表值的修改可能会引起程序运行错误。针对这样的问题,大部分情况下可以通过在管理界面上向终端强制推送基础层和应用层来解决。这个过程会把当前分配给终端的基础层和应用层数据强制推送到终端去,这样一来终端的应用程序就可以重新工作了。

推送步骤:

1. 在管理界面上,打开Inventory > All CVDs, 在需要恢复的CVD上单击右键,选择EnforceAll Layers

wKiom1PkN1eQvGkoAArN5EN0Oz8885.bmp

2. 在弹出对话框里选择推送方式。

·        Preserve user applications:保留用户数据和用户安装的程序。如果用户安装的程序在终端上可以运行,则可选择该项。

·        Remove user applications:删除用户数据和用户安装的程序。如果用户安装的程序在终端上不能运行,则可选择该项。

wKiom1PkN3TD3TopAAzKmAsp4kE977.bmp

3. 接下来逐步完成向导即可。完成向导之后,Mirage会创建一项作业。可在管理界面上查看该作业的进度:

wKiom1PkN4yCq8K-AAkwCD11JtM075.bmp

在推送过程中,终端用户可继续使用终端,在推送数据传输结束后,会要求终端重启。重启之后方可生效。

等到该作业完成之后,强制推送基础层和应用层就完成了。用户可在终端上重新使用程序了。


二、恢复终端快照

如果管理员并没有给终端分配基础层和应用层,而终端系统或程序又出了问题,这可以通过恢复终端快照来解决这个问题。

步骤如下:

1. 在管理界面上,打开Inventory > All CVDs, 在需要恢复的CVD上单击右键,选择Revertto Snapshot

wKioL1PkOMHjt6HvAAuQJGOsDIY558.bmp

2. 在弹出对话框里选择快照。在本页中有一个选项Restore system only, 该选项只有在选择回滚到相同操作系统的快照时才可用。如果选择了该选项,终端的当前的用户数据被保留在存档里。如果没有选择该选项,终端将会被完全会滚到所选的快照状态。

wKioL1PkONfAqQUsAAzSuF-r5lU705.bmp

3. 接下来逐步完成向导即可。完成向导之后,Mirage会创建一项作业。可在管理界面上查看该作业的进度:

wKioL1PkOPjj3PahAAkC6Ge8kSQ368.bmp

在恢复过程中,终端用户可继续使用终端,在恢复快照数据传输结束后,会要求终端重启。重启方可生效。

等到该作业完成之后,快照即恢复成功。


这次我们先就讲到这里,在以后的博客里我们再继续讨论桌面管理的其他部分。

 

关于作者:吴金荣,VMware EUC 解决方案工程师。




本文转自 桌面虚拟化 51CTO博客,原文链接:http://blog.51cto.com/vmwareeuc/1537296
相关文章
|
3月前
|
机器学习/深度学习 安全
Nature重磅研究:AlphaFold绘制病毒族谱,揭开身世之谜
【10月更文挑战第14天】AlphaFold,由DeepMind开发的深度学习模型,不仅在蛋白质结构预测上取得突破,还成功绘制了病毒的族谱。通过预测病毒基因组的蛋白质结构,AlphaFold揭示了病毒进化的重要规律,提供了更准确的病毒分类系统,为病毒的起源、传播和防控研究提供了新工具。
46 3
|
3月前
|
机器学习/深度学习 编解码 人工智能
技术前沿探索:生成对抗网络(GANs)的革新之路
【10月更文挑战第14天】技术前沿探索:生成对抗网络(GANs)的革新之路
45 2
|
3月前
|
机器学习/深度学习 编解码 人工智能
技术前沿探索:生成对抗网络(GANs)的革新之路
【10月更文挑战第14天】技术前沿探索:生成对抗网络(GANs)的革新之路
67 1
|
3月前
|
人工智能 搜索推荐
与李白赏图赋诗,同猴哥直面天命,人大高瓴提出MMRole多模态角色扮演
【10月更文挑战第7天】近年来,角色扮演代理(RPA)因传递情感价值和促进社会学研究而受到关注,但现有研究多局限于文本模态,未能模拟多模态感知。中国人民大学为此提出了MMRole框架,用于开发和评估多模态角色扮演代理(MRPA)。该框架包括MMRole-Data数据集与MMRole-Eval评估方法,并已取得初步成果。尽管存在数据集覆盖不全及评估方法局限等挑战,MMRole框架仍为MRPA的开发提供了新的方向,未来可在教育、娱乐和心理治疗等领域广泛应用。论文详情参见:https://arxiv.org/abs/2408.04203
37 1
|
6月前
|
传感器 自动驾驶 算法
自动驾驶理论新突破登Nature子刊!清华、密歇根联合提出三条技术路线,剑指稀疏度灾难
【7月更文挑战第6天】清华大学与密歇根大学研究团队在Nature子刊发表突破性成果,针对自动驾驶的“稀疏度灾难”提出三条技术路线:数据驱动、模型驱动及混合驱动,旨在提升系统应对罕见场景的能力,确保安全性和鲁棒性。这一进展为解决自动驾驶在复杂环境中的决策难题开辟了新途径。[论文链接](https://doi.org/10.1038/s41467-024-49194-0)**
60 3
|
7月前
|
人工智能
拯救被掰弯的GPT-4!西交微软北大联合提出IN2训练治疗LLM中间迷失
【6月更文挑战第1天】研究人员为解决大型语言模型(LLM)的“中间迷失”问题,提出了IN2训练方法。此方法通过显式监督增强模型对长文本上下文的理解,改善了信息检索能力。应用IN2训练的FILM-7B模型在长文本任务上表现出色,尤其在NarrativeQA数据集上的F1分数提升了3.4。尽管面临数据合成和计算成本的挑战,IN2训练为LLM的进步开辟了新途径,预示着未来在长文本处理领域的潜力。论文链接:https://arxiv.org/pdf/2404.16811
93 5
|
8月前
|
人工智能 自然语言处理 监控
GPT-4整治学术不端!人大/浙大团队实测7000篇论文,撤稿预测与人类95%一致
【4月更文挑战第15天】中国人民大学和浙江大学的研究团队利用GPT-4模型预测论文撤稿,研究基于3,505篇撤稿及未撤稿论文的推特数据,发现16%的撤稿论文提及含有预警信号,预测准确度高达92.86%。GPT-4预测一致性达95%,为学术诚信监控提供新途径。但研究受限于主观偏见、撤稿原因区分及推特互动等因素。
114 1
GPT-4整治学术不端!人大/浙大团队实测7000篇论文,撤稿预测与人类95%一致
|
8月前
|
机器学习/深度学习
药物分子设计新策略,微软条件扩散模型DiffLinker登Nature子刊
【5月更文挑战第5天】微软研究院在Nature子刊发表新成果,提出药物分子设计模型DiffLinker。该深度学习模型利用扩散过程生成具有特定化学性质的分子结构,优化药物效能。DiffLinker能加速设计过程,提高效率,但需大量数据训练,且生成结果可能受数据偏差影响。[[1](https://www.nature.com/articles/s42256-024-00815-9)]
80 2
|
8月前
|
算法 安全 数据挖掘
Sentieon | 每周文献-Tumor Sequencing-第十四期
Sentieon | 每周文献-Tumor Sequencing-第十四期
71 0
|
自然语言处理
Jeff Dean等人新作:换个角度审视语言模型,规模不够发现不了
Jeff Dean等人新作:换个角度审视语言模型,规模不够发现不了