svn服务器版本

因为要把旧svn迁移到新的svn，为了保证迁移后的稳定性，安装包使用的旧服务器的svn服务器版本

VisualSVN-Server-3.6.1-x64.msi

安装

在这里插入图片描述

配置仓库路径等
在这里插入图片描述

其他没截图的就默认配置下一步即可。安装完成先不要启动

迁移

旧的svn服务器直接把svn仓库整个压缩 I:\Repositories 压缩后复制到新的服务器解压到新服务器的Repositories目录，保持和旧服务器一致。
（标准的迁移方式是旧服务器执行备份执行，导出成dmp文件，在复制到新服务器导入dmp，然在单独把authz、authz-windows、groups.conf、htpasswd 用户组、权限配置文件复制过去）
在这里插入图片描述

复制完毕后启动svn服务器，查看Repositories、users、groups、jobs都和老服务器一致说明迁移成功
在这里插入图片描述

# windows # 服务器 # svn
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局