Hur påverkar storleken på säkerhetskopieringssegment återställningshastigheten och besparingarna genom deduplicering?

Mindre backupbitar förbättrar vanligtvis dedupliceringen, medan större bitar minskar mängden metadata och ofta gör återställningar mer sekventiella och förutsägbara.

Tänk dig en hemserver som skyddar virtuella maskinavbildningar, familjefoton och dokument som redigeras ofta på en diskarray. Om varje dataström delas upp i mycket små delar hittas fler upprepade områden, men det skapas också fler hashvärden och indexposter samt fler spridda läsningar under återställningen. Större delar förenklar återskapandet men missar små likheter, så den bästa storleken bör följa datamönstret och återställningsvägen snarare än ett universellt mål för lagringsbesparing.

Bitstorleken bestämmer detaljnivån för identifiering av dubbletter

En deduplicerande backup lagrar en bit en gång och ersätter senare kopior med referenser till samma fingeravtryck. Om en liten ändring ligger inuti en mycket stor fast bit kan hela biten verka ny. Mindre bitar isolerar det ändrade området, så att oförändrade delar runt omkring kan matcha tidigare säkerhetskopior och en större mängd data kan refereras i stället för att lagras igen.

Mindre bitar ger generellt bättre deduplicering eftersom data jämförs på en finare detaljnivå, ett samband som mäts i bitbaserad säkerhetskopiering av filer. Mekanismen är inte magisk komprimering. Varje extra gräns skapar ytterligare en möjlighet att isolera upprepade byte, särskilt i versionshanterade dokument, virtuella maskinavbildningar och programarkiv med små interna ändringar.

Denna fördel avtar dock över tid. Om den genomsnittliga bitstorleken halveras fördubblas ungefär antalet bitposter för samma logiska datamängd, vilket ökar beräkningen av fingeravtryck samt behovet av indexminne, manifest och uppslagningar. Fler bitar kan bara spara kapacitet när datamängden innehåller återanvändbara underregioner; redan komprimerade foton och krypterade arkiv ger ofta mycket liten ytterligare duplicering i förhållande till den extra mängden metadata.

Innehållsdefinierade gränser skyddar besparingarna när byte förskjuts

Indelning i fasta storlekar sker vid bestämda byteförskjutningar. Om några byte infogas nära början förskjuts därför alla efterföljande gränser, och en fil som annars liknar den ursprungliga kan se helt ny ut. Innehållsdefinierad indelning väljer gränser utifrån själva byteströmmen. Efter en lokal infogning kan senare kännetecken åter linjera, så att det efterföljande innehållet matchar tidigare lagrade bitar.

Innehållsdefinierad indelning löser problemet med förskjutna gränser, men kräver fortfarande processortid för att hitta gränserna. Det är viktigt eftersom ”8 MB-bitar” i många CDC-system beskriver ett genomsnittligt mål, inte identiska delar. Minimi-, genomsnitts- och maximigränser påverkar både sannolikheten för matchning och bearbetningskostnaden, medan den valda algoritmen avgör hur mycket beräkning som krävs för att hitta gränserna.

Indelningsmetoden kan därför vara lika viktig som den nominella storleken. En CDC-ström med måttlig bitstorlek kan bevara likheter som mindre fasta bitar förlorar efter infogningar, samtidigt som den skapar färre poster. CDC gör däremot inte att data med hög entropi eller krypterad data dedupliceras väl: en ändrad chiffertextbit kan förändra stora områden, och komprimering tar avsiktligt bort upprepade mönster innan backupmotorn ser dem.

Återställningshastigheten beror på lokalitet, inte bara antalet bitar

En återställning läser refererade bitar i den ordning som krävs för att bygga upp filerna igen. Om bitarna är utspridda över många behållare och diskar kan systemet behöva göra små slumpmässiga läsningar i stället för långa sekventiella överföringar. Mycket små bitar ökar antalet referenser, men den verkliga fördröjningen uppstår när deras fysiska placering avviker från återställningsordningen och cachemissar tvingar fram upprepade hämtningar från behållare.

Fragmentering kan minska återställningskapaciteten drastiskt under ett lagringsarkivs livslängd, vilket mätningar av återställningshastighet för deduplicerade säkerhetskopior visar. Motåtgärder kan innebära en avvägning mot viss deduplicering eller extra arbete för att förbättra återställningslokaliteten. Detta skiljer bitarnas detaljnivå från deras placering: två lagringsarkiv med liknande antal bitar kan återställas mycket olika när det ena placerar relaterade bitar tillsammans.

Större bitar förbättrar ofta lokaliteten eftersom varje referens hämtar mer användbar sammanhängande data och manifesten innehåller färre objekt. Större är dock inte automatiskt snabbare. Om en återställning bara behöver en liten fil eller ett begränsat intervall kan en stor komprimerad behållare orsaka läsförstoring. På snabba SSD-enheter kan dekomprimering och hashberäkning bli viktigare än söktiden. Återställningsprestanda omfattar hela kedjan: uppslagning, läsning, verifiering, dekomprimering och skrivning.

Featured

ZimaCube 2 personlig molnhem NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

Tryck på index och cache skapar en dold mellanväg

Små bitar kräver ett större fingeravtrycksindex, som kan spillas från RAM till lagringen på en mindre hemserver. När indexet inte längre får plats i den avsedda cachen konkurrerar backupinläsning och återställningsuppslagningar med fildata om I/O-kapaciteten. Stora bitar minskar indexet men reducerar antalet matchningsmöjligheter, vilket skapar ett mellanläge där metadata förblir cachelagrade utan att de vanligaste dubblettområdena går förlorade.

Vektoriserad CDC kan öka indelningskapaciteten avsevärt samtidigt som den mesta av lagringsbesparingen bevaras. Detta resultat belyser en faktor som ofta hålls konstant i hemmatester men lätt förbises: algoritmimplementationen. Om bitstorleken och indelningsverktyget ändras samtidigt går det inte att dra en tydlig slutsats, eftersom snabbare gränsidentifiering kan dölja CPU-kostnaden för en finare detaljnivå.

Innehållshashar har också ett värde utöver backup­lagring. ZimaSpaces guide till innehållshashning visar samma fingeravtrycksprincip använd för att hoppa över oförändrat RAG-material. I båda arbetsflödena måste metadata vara billigare att lagra och söka i än det arbete som undviks; annars blir finare spårning en kostnad i stället för en besparing.

Testa bitstorleken med en matris som sätter återställningen främst

Skapa en representativ datamängd med tre klasser: versionshanterade dokument eller virtuella maskinavbildningar, komprimerade medier och många små filer. Kör minst tre bitprofiler medan komprimering, kryptering, lagringsarkivets ålder, lagringshårdvara och samtidighet hålls konstanta. Registrera fysiskt skrivna byte, antal bitar, maximalt indexminne, backupens genomströmning och genomströmningen vid fullständig återställning i stället för att bara bedöma den visade dedupliceringskvoten.

Återställningsprestanda måste behandlas som ett förstahandsresultat i stället för att man antar att maximal deduplicering är optimal. Fragmenteringsmedveten redundanseliminering använder information om bitarnas layout för att analysera återställningsbeteendet. Upprepa testet hemma efter flera inkrementella generationer, eftersom ett nytt lagringsarkiv kan verka sekventiellt medan flera månaders referenser mellan säkerhetskopior avslöjar den verkliga återställningskostnaden.

Välj den minsta profilen vars återställningstid fortfarande ryms inom ditt återställningsmål och vars index med god marginal ryms i minnet under den mest krävande körningen. Om två profiler uppfyller gränsen väljer du den med färre bitar och enklare drift. Testa på nytt efter ändringar av lagringsarkivets kryptering, packstorlek, disktyp eller arbetsbelastningens sammansättning; den genomsnittliga bitstorleken är en inställningsvariabel, inte ett permanent mått på backupens kvalitet.