如果你曾经吃过没有备份的亏,应该理解备份的重要性。当灾难来的时候(如机器磁盘出现问题,运维人员不小心将库删除了),备份文件就是我们的底气,有备份,才不会导致数据丢失,即使丢失也只丢失备最后一次备份到当前的数据。
如果你经过几天辛苦,向数据库中的几十个集合灌了公司所有文档,然后由于磁盘损坏,导致数据全部丢失,要重新灌数据。浪费时间不说,那么多文档调用嵌入模型的费用也不少。
下面介绍几种备份的方案:
这是最简单的方案,你可以写一个脚本,定时执行,将数据目录拷贝一份到备份目录,如下:
#!/bin/bash
# /opt/chroma/backup.sh
set -e
SRC=/data/chroma
DST=/backup/chroma/$(date +%Y%m%d_%H%M%S)
mkdir -p "$DST"
cp -r "$SRC" "$DST"
echo "backup -> $DST"
# 保留最近 7 天
find /backup/chroma -maxdepth 1 -type d -mtime +7 -exec rm -rf {} +验证脚本是否可行:
# 创建脚本
root@localhost:~/temp# vim back.sh
# 赋予执行权限
root@localhost:~/temp# chmod +x back.sh
root@localhost:~/temp# ls
back.sh
# 执行脚本
root@localhost:~/temp# ./back.sh
backup -> /backup/chroma/20261111_095615
# 查看备份结果
root@localhost:~/temp# ls /backup/chroma/20261111_095615/
chroma
root@localhost:~/temp# ls /backup/chroma/20261111_095615/chroma/
chroma.sqlite3 f4e762d1-479a-4efc-9190-856f376d01af放进 crontab,实现定时执行脚本:
0 3 * * * /root/temp/back.sh >> /var/log/chroma_backup.log 2>&1说明:
0 3 * * *:每天 凌晨 3 点 0 分 执行
/root/temp/back.sh:执行备份脚本
>> /var/log/chroma_backup.log:追加输出到日志文件
2>&1:把标准错误 (stderr) 也重定向到日志,报错也能落盘
运行 crontab -e 命令,去编辑 crontab:
# 编辑 crontab
root@localhost:~/temp# crontab -e
no crontab for root - using an empty one
Select an editor. To change later, run 'select-editor'.
1. /bin/nano <---- easiest
2. /usr/bin/vim.basic
3. /usr/bin/vim.tiny
4. /bin/ed
Choose 1-4 [1]: 1 #选择1使用 nano 编辑器编辑
crontab: installing new crontab将上面的内容输入到编辑器,如下图:

按 Ctrl+O (字母 O,不是零)→ 保存写入,此时写入到一个临时文件:

直接回车(不用改文件名),再按 Ctrl+X 退出 nano。
执行 crontab -l 查看root定时任务列表,确认任务存在:
root@localhost:~/temp# crontab -l
# Edit this file to introduce tasks to be run by cron.
# ....
# m h dom mon dow command
0 3 * * * /root/temp/back.sh >> /var/log/chroma_backup.log 2>&1注意,该种方式仅是将数据拷贝了一份到本机的其他目录,如果磁盘损坏还是会丢失数据,可以使用 scp 将备份数据拷贝到另一台机器上面。
vacuum 是 ChromaDB CLI 提供的离线维护命令,作用:清理本地持久化目录里的已删除向量、碎片、垃圾数据,回收磁盘空间,同时规整 HNSW 索引与 SQLite 数据库 。
先执行 vacuum 整理数据,再拷贝,备份的数据更一致:
#!/bin/bash
set -e
chroma vacuum --path /data/chroma --force --timeout 120
cp -r /data/chroma /backup/chroma/$(date +%Y%m%d_%H%M%S)不拷贝整个目录,仅仅拷贝 chroma.sqlite3 数据库。这样做文件体积小、省磁盘、备份速度快。缺点: HNSW 索引不会被备份,恢复的时候 Chroma 会重新构建 HNSW 索引(ef_construction 控制建图速度,数据量大时恢复很慢,业务会卡住) 。
sqlite3 /data/chroma/chroma.sqlite3 ".backup /backup/chroma_meta.sqlite3"注意,chroma.sqlite3 只保住了元数据和 WAL,HNSW 索引要重建。除非你数据量极大且能接受重建时间,否则不推荐。
备份不做恢复演练等于没备份。至少每隔一段时间,把备份拷到一台测试机上,用 PersistentClient 打开,count() 一下确认数据是好的。