Como é que o tamanho dos blocos de cópia de segurança afeta a velocidade de restauro e a poupança com a deduplicação?

Fragmentos de cópia de segurança mais pequenos costumam melhorar as poupanças de deduplicação, enquanto fragmentos maiores reduzem os metadados e tornam frequentemente as reposições mais sequenciais e previsíveis.

Considere um servidor doméstico que protege imagens de máquinas virtuais, fotografias de família e documentos editados frequentemente numa matriz de discos. Dividir cada fluxo em pequenas partes encontra mais regiões repetidas, mas também cria mais hashes, entradas de índice e leituras dispersas durante a recuperação. Fragmentos maiores simplificam a reconstrução, mas não detetam pequenas semelhanças; por isso, o melhor tamanho depende do padrão dos dados e do percurso de reposição, e não de um objetivo universal de poupança de armazenamento.

O tamanho dos fragmentos define a granularidade da deteção de duplicados

Uma cópia de segurança com deduplicação armazena um fragmento uma única vez e substitui as cópias posteriores por referências à mesma impressão digital. Se uma pequena edição ocorrer dentro de um fragmento fixo muito grande, todo o fragmento poderá parecer novo. Fragmentos mais pequenos isolam a região alterada, permitindo que zonas inalteradas correspondam a cópias de segurança anteriores e aumentando a quantidade de dados que pode ser referenciada em vez de ser armazenada novamente.

Os fragmentos mais pequenos geralmente proporcionam uma melhor deduplicação porque comparam os dados com uma granularidade mais fina, uma relação medida na cópia de segurança de ficheiros baseada em fragmentos. O mecanismo não é uma compressão mágica. Cada limite adicional cria outra oportunidade para isolar bytes repetidos, especialmente em documentos versionados, imagens de máquinas virtuais e arquivos de software com pequenas alterações internas.

Esse benefício apresenta rendimentos decrescentes. Reduzir para metade o tamanho médio dos fragmentos duplica aproximadamente o número de registos de fragmentos para o mesmo volume lógico de dados, aumentando o cálculo de impressões digitais, a memória do índice, os manifestos e o trabalho de pesquisa. Mais fragmentos só poupam capacidade quando o conjunto de dados contém sub-regiões reutilizáveis; fotografias já comprimidas e arquivos encriptados geralmente oferecem pouca duplicação adicional em troca dos metadados extra.

Os limites definidos pelo conteúdo protegem as poupanças quando os bytes mudam

A divisão em tamanhos fixos corta em deslocamentos de bytes; por isso, inserir alguns bytes perto do início desloca todos os limites seguintes e pode fazer com que um ficheiro que, de outro modo, seria semelhante pareça totalmente novo. A divisão definida pelo conteúdo escolhe os limites a partir do próprio fluxo de bytes. Após uma inserção local, os marcos seguintes podem voltar a alinhar-se, permitindo que o conteúdo subsequente corresponda a fragmentos armazenados anteriormente.

A divisão definida pelo conteúdo resolve o problema do deslocamento dos limites, mas continua a consumir tempo de CPU para os encontrar. Isto é importante porque “fragmentos de 8 MB” descreve um objetivo médio em muitos sistemas CDC, e não peças idênticas. Os limites mínimo, médio e máximo influenciam tanto a probabilidade de correspondência como a sobrecarga de processamento, enquanto o algoritmo escolhido determina a quantidade de computação consumida pela descoberta dos limites.

O método de divisão pode, por isso, ser tão importante como o tamanho nominal. Um fluxo CDC de tamanho moderado pode conservar semelhanças que fragmentos fixos mais pequenos perdem após inserções, produzindo simultaneamente menos registos. No entanto, o CDC não faz com que dados de alta entropia ou encriptados sejam bem deduplicados: a alteração de um bloco de texto cifrado pode modificar regiões extensas, e a compressão remove deliberadamente os padrões repetidos antes de o motor de cópia de segurança os analisar.

A velocidade de reposição depende da localidade, não apenas do número de fragmentos

Uma reposição lê os fragmentos referenciados pela ordem necessária para reconstruir os ficheiros. Se esses fragmentos estiverem distribuídos por muitos contentores e discos, o sistema poderá executar pequenas leituras aleatórias em vez de transferências sequenciais longas. Fragmentos minúsculos aumentam o número de referências, mas a verdadeira lentidão surge quando a sua localização física diverge da ordem de reposição e as falhas de cache obrigam a obter repetidamente os contentores.

A fragmentação pode reduzir drasticamente o débito de recuperação ao longo da vida útil de um repositório, como demonstram as medições da velocidade de reposição deduplicada. A mitigação pode trocar alguma deduplicação ou acrescentar trabalho de montagem para melhorar a localidade da reposição. Isto separa a granularidade dos fragmentos da sua disposição: dois repositórios com números de fragmentos semelhantes podem ser repostos de formas muito diferentes quando um agrupa os fragmentos relacionados.

Os fragmentos maiores melhoram frequentemente a localidade, porque cada referência obtém mais dados contíguos úteis e os manifestos contêm menos objetos. No entanto, maior não significa automaticamente mais rápido. Se uma reposição precisar apenas de um ficheiro pequeno ou de um intervalo, um contentor comprimido grande pode provocar amplificação de leitura; em SSD rápidos, a descompressão e o cálculo de hashes podem tornar-se mais importantes do que o tempo de procura. O desempenho da recuperação é determinado por todo o fluxo: pesquisa, leitura, verificação, descompressão e escrita.

Featured

ZimaCube 2 NAS Pessoal Cloud para Casa

ZimaCube2

$799.00 - $2,499.00

Buy Now

A pressão sobre o índice e a cache cria o ponto intermédio oculto

Os fragmentos pequenos exigem um índice de impressões digitais maior, que pode passar da RAM para o armazenamento num servidor doméstico modesto. Quando o índice deixa de caber na cache prevista, a ingestão das cópias de segurança e as pesquisas de reposição competem com os dados dos ficheiros pelo acesso de E/S. Os fragmentos grandes reduzem o índice, mas diminuem as oportunidades de correspondência, criando uma faixa intermédia em que os metadados permanecem disponíveis na cache sem sacrificar as regiões duplicadas mais comuns.

O CDC vetorizado pode aumentar substancialmente o débito da divisão em fragmentos, preservando a maior parte das poupanças de espaço. Esse resultado destaca uma variável frequentemente mantida constante e ignorada nos testes domésticos: a implementação do algoritmo. Alterar simultaneamente o tamanho dos fragmentos e o divisor impede uma conclusão clara, porque uma deteção de limites mais rápida pode ocultar o custo de CPU de uma granularidade mais fina.

Os hashes de conteúdo também têm valor para além do armazenamento de cópias de segurança. O guia da ZimaSpace sobre hashing de conteúdo mostra o mesmo princípio de impressão digital utilizado para ignorar material RAG inalterado. Em ambos os fluxos de trabalho, os metadados têm de ser mais baratos de armazenar e consultar do que o trabalho que evitam; caso contrário, um controlo mais detalhado torna-se sobrecarga em vez de poupança.

Avalie o tamanho dos fragmentos com uma matriz de testes centrada na reposição

Crie um conjunto de dados representativo com três classes: documentos versionados ou imagens de máquinas virtuais, conteúdos multimédia comprimidos e muitos ficheiros pequenos. Execute pelo menos três perfis de fragmentação, mantendo constantes a compressão, a encriptação, a idade do repositório, o hardware de armazenamento e a concorrência. Registe os bytes físicos escritos, o número de fragmentos, a memória máxima do índice, o débito da cópia de segurança e o débito da reposição completa, em vez de avaliar apenas o rácio de deduplicação apresentado.

O desempenho da reposição deve ser tratado como um resultado fundamental, em vez de se assumir que a deduplicação máxima é ideal. A eliminação de redundância consciente da fragmentação utiliza informações sobre a disposição dos fragmentos para analisar o comportamento da recuperação. Repita o teste doméstico após várias gerações incrementais, porque um repositório recente pode parecer sequencial, enquanto meses de referências entre cópias de segurança revelam a verdadeira penalização da reposição.

Selecione o perfil mais pequeno cujo tempo de reposição permaneça dentro do seu objetivo de recuperação e cujo índice se mantenha confortavelmente dentro da memória durante a execução mais exigente. Se dois perfis cumprirem esse limite, prefira o que tiver menos fragmentos e operações mais simples. Volte a testar depois de alterar a encriptação do repositório, o tamanho dos pacotes, o tipo de disco ou a combinação de cargas de trabalho; o tamanho médio dos fragmentos é uma variável de afinação, e não uma medida permanente da qualidade da cópia de segurança.