重复数据删除对备份技术的影响

重复数据删除对备份技术的影响摘要：重复数据删除是一种非常高级的数据缩减方式，可以极大的减少备份数据的数量。这种技术通过减少存储的数据量，改变数据保护方式，卓越的提升了磁盘备份方式的经济性。重复数据删除被业界公认为备份技术的下一代发展步骤，是今日数据中心的“必备”技术。标签：重复数据删除存储冗余数据今日，IT经理及管理员们不仅要面对日益爆炸的数据增长难题，还要担负由此引发的不断上升的备份及容灾所需的主存储的成本压力。然而，每完成一次全备份，都会备份大量与之前的全备份相同的文件和数据，相同数据的多个备份，占据了大量昂贵的磁盘空间。随着时间的推移，一次备份中的重复数据会充斥于所有服务器、所有备份工作(全备份及增量备份)。重复数据删除是一种非常高级的数据缩减方式，可以极大的减少备份数据的数量。这种技术通过减少存储的数据量，改变数据保护方式，卓越的提升了磁盘备份方式的经济性。重复数据删除被业界公认为备份技术的下一代发展步骤，是今日数据中心的“必备”技术。重复数据删除应运而生重复数据删除是一项非常新的技术，专门用于在减少需要备份的数据量、最大化存储利用率的同时，使更多的备份数据在线保留更长时间。通常来讲，重复数据删除技术会将最新的备份数据与已有的之前的备份数据进行比对，从而消除冗余数据。这项技术的优势在于数据的减少不仅使存储的效率更高、成本更节约，带宽的利用也降到最低，使更经济、更快速的实现备份数据的远程复制成为可能。然而，目前市场中的重复数据删除解决方案还有很大差异，有些解决方案会使备份处理的速度变的很慢，甚至引发无法预计且不可恢复的数据丢失。块级重复数据删除多年以前的重复数据删除技术，可以看作是文件级的技术，当时称之为“单一实例存储(SingleInstanceStore，SIS)”，通过SIS技术，整个文件系统或电子邮件系统的重复文件可以被减少为单一的拷贝，当再出现这一文件时，会被指向到这一单一拷贝，从而减少容量需求。这一技术通常被用于电子邮件管理及归档系统。今天的重复数据删除技术利用了与SIS类似的数据缩减概念，但却使之向前迈进了一大步–实现了块级(子文件)重复数据删除。当读取数据时，系统利用Hash算法识别唯一的数据块，系统将保留Hash索引，每个Hash编码指向一个不同的数据块。当新的备份发生时，会自动的与现有的块进行比对，如果索引中已经有相同的块，数据将会被删除或被指向块的指针所代替;反之，则会被保存并在索引中为其创建一个新的Hash编码。这里提到的唯一数据块的大小，会根据用户选择的不同的重复数据删除解决方案而不同，平均大小在4KB-24KB之间。与文件级SIS技术相比，块级的重复数据删除技术可以说更具优势。它可以在不同的文件或应用中消除冗余数据块。比如，如果一个文件只做了想当小的一点修改并保存，块级重复数据删除技术则将只保存发生变化的数据块。按这种方式，块级重复数据删除可以提供更好的压缩比率，特别是应用于巨大数据量的情况下，如数据库或全备份之后。下面的例子进一步说明了SIS和块级两种重复数据删除技术的结果比较。一个企业向1000个邮件地址发出一封带有注册内容的活动邀请函，传统的备份应用将会把文件备份1000次。SIS解决方案可以识别出文件是相同的，将只会保留一份备份，然后生成999个指针指向那个唯一的备份，因此，大概节省了99.9%的空间。但是，之后这1000个参会人可能会将注册内容填好后回复给发件人，由于他们的名字不同，SIS解决方案就会备份1000份回执。块级解决方案在发出邀请函的时候执行了相同的重复数据删除处理，也实现了99.9%的存储空间节省。但是，当收到1000份参会人的回执时，块级解决方案会发现每个回执的大部分内容与第一封收到的是相同的并已经备份过，因此，它只会对其它999封回执的相异数据块(块级)进行备份。这种方法与SIS技术相比，则还可以节省额外的99.9%的存储空间。绿色存储与重复数据删除由于块级重复数据删除技术只保存发生变化的数据，极大的减少了所需的备份容量，使用户不用再像从前一样购置大量磁盘，从而将用户备份系统的总成本降到最低。更少的磁盘致使存储系统更少，电力及制冷需求更小，同时还降低了整体系统的复杂性。与传统的磁带备份解决方案相比，重复数据删除技术完全改变了磁盘备份的经济性。通过这一技术，更多的用户可以负担得起用磁盘备份取代整个或是部分磁带备份的解决方案。磁盘备份相对于磁带备份来说，提供了更好的备份及恢复性能。通过利用磁盘备份的方式，用户可以进一步改善他们的服务品质协议(Service-LevelAgreements，SLAs)。当通过数据复制实现灾备时，重复数据删除技术也可以带来卓越利益。由于减少了备份数据量，重复数据删除技术将主站点与远程数据中心之间的带宽需求、数据传输成本、复制时间都降到最低。企业利用相对经济的WAN网络即可在任意地理空间范围内执行复制，实现了额外的成本节约。重复数据删除最适用于哪里?理论上讲，重复数据删除技术可以用于任意地点存在的数据。它可以与在线或是离线的数据一起工作，可以在文件系统或是数据库，也可以在其它应用。总的来说，哪里有大量的重复数据，它就能在哪呈现出最大的利益回报。而最好的应用示例是在企业级备份。企业大都是每天做一次全备份，两日的全备份中通常只有很小部分---不会超过5%---的数据是不同的，大部分备份扇区都是相似的。这种情况下，重复删除为备份系统带来了最佳的利益回报。因此，大多数重复数据删除解决方案都是专为备份系统而设计的。重复数据删除比率不是唯一评估标准重复数据删除比率是如今企业最为关心的问题，可说直接触及到了用户的底线。不同的厂商向外界声称的比率不同，从20：1到50：1，甚至高达300：1或400：1。由于重复数据删除与详细的备份数据和备份策略直接相关，从一种环境到另一种环境所产生的重复数据删除比率也会有很大的变化，即使它们是基于同一种重复数据删除运算法则。因此，厂商公布的重复数据删除比率不能作为选择这一产品的唯一标准。重复数据删除比率与所用处理的颗粒精细程度相关。理论上讲，更细致的颗粒会带来更高的重复数据删除比率。然而，更细致的颗粒意味着大量的Hash表，会导致更糟糕的重复数据删除性能和更高的CPU消耗。一般来说，10：1的重复数据删除比率是很现实角度的评估起点，足以满足一般性的业务应用规划需求。集群式重复数据删除是新的技术发展方向从性能的角度看，只能提供单台重复数据删除服务器/设备的解决方案根本无法满足每天需要备份成百TB数据或每天需要多次备份的大型企业的需求。在这种情况下，重复数据删除反而会造成瓶颈。一些企业考虑用两台或多台设备完成这一工作，但由于每台设备都保留了它自己的Hash索引，设备根本不能鉴别出重复的数据是否已经由另一台设备备份。这种方法不仅会影响到重复数据删除的比率，还会增加维护的工作量。单台重复数据删除服务器/设备也会成为单点故障。如果重复数据删除服务器/设备发生故障，所有的备份工作则都将失败，更糟的情况是造成恢复过程中的失败。尽管单台重复数据删除服务器/设备在实际应用过程中出现故障的情况非常罕见，但这对企业来说还是一个潜在的、无法接受的风险。其实，针对这个难题有一种解决办法，就是重复数据删除集群，即利用双工故障切换架构。在集群的重复数据删除架构中，2或4台重复数据删除设备被虚拟化为一台，为用户提供了双倍或四倍的吞吐及处理能力。如果他们中的任意一台出现故障，另外的设备就会自动的接管它的工作负荷，以确保处理的连续性。由于集群仍然保留的是单个的Hash表，因此它不会影响到重复数据删除比率。以行业知名的美国飞康软件公司的SIR技术为例，飞康SIR是应用于业界领先的飞康VTL解决方案的重复数据删除技术。飞康SIR可在一个性能集群中支持4个节点并可应用于所有的飞康VTL节点，从而优化了管理能力和扩展能力。这个集群架构通过统一性的添加节点，使企业可以扩展到最大容量(最多4个节点，每个节点64TB，合计256TB)和速度(每个节点的重复数据删除约为300MB/秒，合计最大1.2GB/秒)。内置的N+1故障切换功能，SIR重复数据删除引擎是后处理方式，在不影响恢复或备份窗口的情况下减少了存储成本。此外，由于SIR解决方案基于飞康历经验证的IPStor®技术平台，包括了它的虚拟化和供给容量功能，因此，用户可以在任意时间添加存储而不用中断处理。根据需求选择重复数据删除方式目前市场中的重复数据删除解决方案提供了多种删除重复数据的方式，如果想找出最适合用户需求的方式，需要考虑两个关键性因素：在哪里进行重复数据删除(源数据端还是目标端);在备份处理的哪个阶段删除重复数据删除(在备份过程还是备份之后)。源数据端一些重复数据删除产品在源数据端工作，这意味着它们是位于主机或应用服务器上的。这种方式要求为每一台需要进行备份的机器安装重复数据删除系统。当数据传送到备份软件之前即识别重复数据并删除。这种重复数据删除方式具有如下优点：●数据在网络传输前就减少了，改善了传输性能，节省了网络带宽。●从扩展性角度讲，整体性能与客户端的数量无关，因此，在进行扩展时不会影响到备份性能。●由于是重复数据删除处理的同时传输数据，因此在处理过程中不再需要额外的存储设备。然而，这种处理方式也有它的缺点：●必须在每一台备份服务器上安装重复数据删除系统。在大型企业环境中，特别是具有分布于各地的分支机构的大型企业，软件的安装和维护工作极为复杂●重复数据删除处理运行于应用服务器上，会消耗服务器的运算能力，影响到应用性能。这对于大多数企业来说是不可接受的。●有些重复数据删除解决方案在设计之初并没有考虑到与用户已经安装的备份软件相集成，因此，用户必须为了使用它而更换备份软件，这便增加了部署解决方案时的工作量及风险，对于那些具有大量归档数据的企业用户来说，这种方案并不可行。目标端目标端的重复数据删除处理通常是运行于一台独立于主机或应用服务器之外的设备(服务器或工具)之上。下面是几种典型的目标端重复数据删除方式：●具备重复数据删除功能的虚拟磁带库(VTL)●具备重复数据删除功能的磁盘设备●具备重复数据删除功能的备份软件值得一提的是，目标端重复数据删除解决方案可以与现有的备份软件相整合，运行于备份服务器上。备份数据先发送到重复数据删除设备，重复数据删除在后端完成。相对于源数据端方式，它的优势在于：●企业无需改变其当前的备份系统。●这种架构无需更换应用服务器。由于它不会消耗应用服务器的运算能力，应用性能不会受到任何影响。●重复数据删除服务器/设备能够从不同的备份客户端删除所有冗余数据。这对于具有大量应用或数据库服务器的企业来说，是非常经济高效的解决方案。对于那些不想改变现有备份系统，也不想牺牲应用性能的企业用户来说，目标端重复数据删除无疑是最佳的方式。在线处理在线处理的重复数据删除，是指重复数据删除服务器/设备从备份软件开始传输数据，数据还没有写入磁盘之前，即执行重复数据删除。它的重要优势是经济高效，可以减少存储容量的需求。它不需要用于保存还未进行重复数据删除的数据集的临时磁盘空间。尽管在线处理的重复数据删除减少了备份数据的数量，但处理本身会减慢备份的速度。因为重复数据删除是在写入到磁盘之前进行，重复数据删除处理本身就是一个单点故障。因此，如果企业需要保留他们备份数据的冗余的时候，是不能选择在线处理的方式的。后处理后处理的重复数据删除，也被称为离线的重复数据删除，是指在备份处理完成后再执行重复数据删除。备份数据先被写入到临时的磁盘空间，之后再开始重复数据删除，最后，将经过重复数据删除的数据拷贝到末端磁盘。后处理方式有一个很小的问题在于它需要额外的磁盘空间来保存全部还未删除重复数据的数据集。但是，低成本的SATA磁盘可以用作这部分，因此，对于大多数企业来说，这根本算不上什么问题。后处理的重复数据删除方式带了诸多优势：●由于重复数据删除是备份完成后在单独的存储设备上执行，因此完全不会对备份处理造成影响。管理员可以随意制定重复数据删除的进程，无论是怎样的频率都可以，性能更加可靠、可控。●先将备份数据保