Using Deduplication › Funzionamento della deduplicazione dei dati

Funzionamento della deduplicazione dei dati

Data deduplication is technology that allows you to fit more backups on the same physical media, retain backups for longer periods of time, and speed up data recovery. Deduplication analyzes data streams sent to be backed up, looking for duplicate "chunks." It saves only unique chunks to disk. La traccia dei duplicati è contenuta in file di indice speciali.

In Arcserve Backup, deduplication is an in-line process that occurs at the backup server, within a single session. To identify redundancy between the backup jobs performed on the root directories of two different computers, use global deduplication.

Durante il primo backup:

• Arcserve Backup scans incoming data and segments it into chunks. Questo processo si verifica a livello SIS del Modulo nastro.
• Arcserve Backup executes a hashing algorithm that assigns a unique value to each chunk of data and saves those values to a hash file.
• Arcserve Backup compares hash values. Se vengono trovati dei duplicati, i dati vengono scritti su disco solo una volta e viene aggiunto un riferimento a un file di riferimento che rimanda alla posizione di archiviazione della prima istanza identificata di quel blocco di dati.

Nel diagramma sottostante, lo spazio su disco necessario ai fini del backup di questo stream di dati è inferiore in un processo di backup di deduplicazione rispetto a un processo di backup regolare.

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:

• Arcserve Backup scans incoming data and breaks it into chunks.
• Arcserve Backup executes the hashing algorithm to assign hash values.
• Arcserve Backup compares new hash values to previous values, looking for duplicates. 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: Use Optimization for better throughputs and decreased CPU usage. With Optimization enabled, Arcserve Backup scans file attributes, looking for changes at the file header level. Se non sono state apportate modifiche, l'algoritmo di hash non viene eseguito su quei file, che a loro volta vengono copiati nel disco. L'algoritmo di hash viene eseguito solo sui file modificati dall'ultimo backup. Per abilitare l'ottimizzazione, selezionare l'opzione Allow optimization in Deduplication Backups (Consenti ottimizzazione in backup di deduplicazione) nella schermata Deduplication Group Configuration (Configurazione gruppo di deduplicazione). L'ottimizzazione è supportata solo su volumi di Windows. Non è supportata per backup basati su stream, ad esempio SQL VDI, a livello di database di Exchange, di Oracle e backup a livello di immagine VMware.

Se è necessario ripristinare i dati deduplicati, Arcserve Backup fa riferimento ai file di indice per identificare e, quindi, trovare ciascun blocco di dati utile per riassemblare lo stream di dati originale.