Verwalten von CA ARCserve Backup › Verwenden der Deduplizierung › Funktionsweise der Datendeduplizierung

Funktionsweise der Datendeduplizierung

Die Technologie der Datendeduplizierung ermöglicht es Ihnen, mehr Sicherungen auf demselben physischen Datenträger unterzubringen, Sicherungen über einen längeren Zeitraum hinweg aufzubewahren und die Wiederherstellung von Daten zu beschleunigen. Die Deduplizierung analysiert die zu sichernden Datenströme, sucht nach doppelten Datenblöcken und speichert nur die einfach vorkommenden Datenblöcke auf dem Datenträger. Die Duplikate werden in speziellen Indexdateien nachverfolgt.

Die Deduplizierung wird in CA ARCserve Backup als Inline-Vorgang in einer zusammenhängenden Sitzung auf dem Sicherungsserver ausgeführt. Wenn Sie Redundanzen zwischen Sicherungsjobs ermitteln möchten, die von den Stammverzeichnissen zweier verschiedener Computer durchgeführt wurden, verwenden Sie die globale Deduplizierung.

Während der ersten Sicherung geschieht Folgendes:

• CA ARCserve Backup durchsucht eingehende Daten und segmentiert sie in Datenblöcke (Chunks). Dieser Vorgang wird auf der SIS-Ebene des Bandprozesses ausgeführt.
• CA ARCserve Backup führt einen Hash-Algorithmus aus, der jedem Datenblock einen eindeutigen Wert zuweist und diese Werte in einer Hash-Datei speichert.
• CA ARCserve Backup vergleicht die Hash-Werte miteinander. Wenn Duplizierungen gefunden werden, werden die Daten nur ein Mal auf die Festplatte geschrieben, und es wird ein Verweis zu einer Referenzdatei hinzugefügt, der den Speicherort des ersten gefundenen Vorkommens dieses Datenblocks angibt.

Die unten stehende Abbildung zeigt, dass für die Sicherung des Daten-Stream bei einem Deduplizierungssicherungsjob weniger Speicherplatz benötigt wird als bei einem regulären Sicherungsjob.

Durch die Deduplizierung werden für jede Sicherungssitzung drei Dateien erstellt:

• Indexdateien (Metadatendateien)
  • Hash-Dateien: Speichern die den redundanten Datenblöcken zugewiesenen Markierungen.
  • Referenzdateien: Zählen die Hash-Werte und speichern die Adresse in den Datendateien, die den jeweiligen Hash-Werten entsprechen.
• Datendateien: Speichern die redundanzfreien gesicherten Daten.

Die beiden Indexdateien nehmen zusammen nur einen geringen Anteil des gesamten Datenspeichers in Anspruch. Daher ist die Größe des Laufwerks, auf dem diese gespeichert sind, weniger von Bedeutung als die Geschwindigkeit. Für diesen Zweck würde sich eine Solid State Disk oder ein Gerät mit ähnlich geringen Suchzeiten empfehlen.

Während nachfolgender Sicherungen geschieht Folgendes:

• CA ARCserve Backup durchsucht eingehende Daten und segmentiert sie in Datenblöcke (Chunks).
• CA ARCserve Backup führt den Hash-Algorithmus aus und weist Hash-Werte zu.
• CA ARCserve Backup vergleicht die neuen Hash-Werte mit den vorherigen Werten und sucht dabei nach Duplikaten. Wenn Duplikate gefunden werden, werden diese nicht auf die Festplatte geschrieben, sondern die Referenzdatei wird mit dem Speicherort des ursprünglichen Vorkommens des Datenblocks aktualisiert.

Hinweis: Verwenden Sie zum Erzielen höherer Durchsätze und geringerer CPU-Belastung die Optimierungsfunktion. Bei aktivierter Optimierung durchsucht CA ARCserve Backup die Dateiattribute nach Änderungen auf der Ebene der Datei-Header. Wenn keine Änderungen vorliegen, wird der Hash-Algorithmus für diese Dateien nicht ausgeführt, und die Dateien werden nicht auf die Festplatte kopiert. Der Hash-Algorithmus wird nur für Dateien ausgeführt, die seit der letzten Sicherung geändert wurden. Wählen Sie zur Aktivierung der Optimierung im Bildschirm zur Konfiguration von Deduplizierungsgruppen die Option "Optimierung bei Deduplizierungssicherungen ermöglichen". Die Optimierung wird nur auf Windows-Volumes unterstützt. Bei streambasierten Sicherungen, wie SQL VDI, Exchange auf Datenbankebene, Oracle oder VMware-Sicherungen auf Image-Ebene, wird die Optimierung nicht unterstützt.

Wenn Sie Deduplizierungsdaten wiederherstellen müssen, nutzt CA ARCserve Backup die Indexdateien, um die einzelnen Datenblöcke zu ermitteln und zu suchen, die zur Zusammensetzung des ursprünglichen Datenstroms erforderlich sind.