Amministrazione di CA ARCserve Backup › Utilizzo della deduplicazione › Funzionamento della deduplicazione dei dati

Funzionamento della deduplicazione dei dati

La deduplicazione dei dati è una tecnologia che consente di inserire più backup sullo stesso supporto fisico, conservare i backup per periodi di tempi prolungati e accelerare il recupero dei dati. La deduplicazione analizza i flussi di dati inviati per il backup e ricerca le porzioni duplicate, salvando su disco solo quelle singole. La traccia dei duplicati è contenuta in file di indice speciali.

In CA ARCserve Backup, la deduplicazione è un processo in linea che si verifica sul server di backup, nel corso di un'unica sessione. Per identificare la ridondanza tra i processi di backup eseguiti sulle directory principali su due diversi computer, utilizzare la deduplicazione globale.

Durante il primo backup:

• CA ARCserve Backup analizza i dati in arrivo e li segmenta in blocchi. Questo processo si verifica nel livello SIS del Modulo nastro.
• CA ARCserve Backup esegue un algoritmo hash che assegna un valore univoco a ciascun blocco di data, salvando tali valori in un file hash.
• CA ARCserve Backup confronta i valori hash. Quando vengono rilevati dati duplicati, i dati vengono scritti sul disco una sola volta e un riferimento viene aggiunto al file di riferimento che indica la posizione di archiviazione della prima istanza identificata di tale blocco di dati.

Nel diagramma illustrato di seguito, lo spazio su disco necessario per eseguire il backup di questo flusso di dati è inferiore in un processo di backup di deduplicazione rispetto a un normale processo di backup.

Con la deduplicazione, vengono creati tre file per ogni sessione di backup:

• File di indice (file di metadati)
  • File hash: memorizzano gli indicatori assegnati a ciascun blocco di dati ridondante.
  • File di riferimento: contano gli hash e memorizzano l'indirizzo nei file di dati corrispondenti a ogni hash.
• File di dati: memorizzano le istanze univoche dei dati di cui è stato eseguito il backup.

Insieme, i due file di indice consumano una piccola percentuale dell'archivio dati totale, pertanto la dimensione dell'unità sulla quale vengono archiviati tali file è meno rilevante rispetto alla sua velocità. È, quindi, opportuno valutare la possibilità di usare un disco compatto o una periferica simile che offra tempi di ricerca rapidi.

Durante i backup successivi:

• CA ARCserve Backup analizza i dati in arrivo e li segmenta in blocchi.
• CA ARCserve Backup esegue l'algoritmo di hash per assegnare valori hash.
• CA ARCserve Backup confronta i nuovi valori hash con quelli precedenti, alla ricerca di dati duplicati. Quando vengono rilevati dei duplicati, i dati non vengono scritti sul disco ma viene aggiornato il file di riferimento con la posizione di archiviazione dell'istanza originale del blocco di dati.

Nota: utilizzare l'ottimizzazione per migliorare le velocità effettive e ridurre l'utilizzo della CPU. Quando l'ottimizzazione è attivata, CA ARCserve Backup analizza gli attributi dei file, alla ricerca di modifiche apportate al livello dell'intestazione del file. Se non è stata apportata alcuna modifica, l'algoritmo di hash non viene eseguito su tali file e questi non vengono copiati sul disco. L'algoritmo di hash viene eseguito solo sui file modificati a partire dall'ultimo backup. Per attivare l'ottimizzazione, selezionare l'opzione Consenti ottimizzazione backup deduplicazione nella schermata Configura gruppi di deduplicazione. L'ottimizzazione è supportata solo su volumi Windows e non è supportata per backup basati su flussi, quali i backup a livello di SQL VDI, database di Exchange, Oracle o VMware Image.

Quando si rende necessario ripristinare i dati deduplicati, CA ARCserve Backup fa riferimento ai file di indice per prima identificare e poi rilevare ogni blocco di dati necessario a riassemblare il flusso di dati originale.