1.什么是重復數(shù)據(jù)刪除技術？

首先，重復數(shù)據(jù)刪除技術不同于普通的壓縮技術。壓縮是通過壓縮算法消除文件內(nèi)的冗余數(shù)據(jù)來縮減文件大小，而重復數(shù)據(jù)刪除是通過算法消除分布在存儲系統(tǒng)中的相同文件或者數(shù)據(jù)塊。其次，重復數(shù)據(jù)刪除也不同于普通的增量備份。增量備份的要旨是只備份新產(chǎn)生的數(shù)據(jù)，而重復數(shù)據(jù)刪除技術的關鍵是只保留唯一的數(shù)據(jù)實例，所以重復數(shù)據(jù)刪除技術在減少數(shù)據(jù)存儲量方面更加有效。大部分廠商聲稱其重復數(shù)據(jù)刪除產(chǎn)品能將數(shù)據(jù)縮減到正常容量的1/20。重復數(shù)據(jù)刪除技術的基本原理是將數(shù)據(jù)分塊篩選，找出相同的數(shù)據(jù)塊并以指向唯一實例的指針取代。重復數(shù)據(jù)刪除技術是一種數(shù)據(jù)縮減技術，通常用于基于磁盤的備份系統(tǒng)，旨在減少存儲系統(tǒng)中使用的存儲容量。它的工作方式是在某個時間周期內(nèi)查找不同文件中不同位置的重復可變大小數(shù)據(jù)塊。重復的數(shù)據(jù)塊用指示符取代。高度冗余的數(shù)據(jù)集(例如備份數(shù)據(jù))從數(shù)據(jù)重復刪除技術的獲益極大；用戶可以實現(xiàn)10比1至50比1的縮減比。而且，重復數(shù)據(jù)刪除技術可以允許用戶的不同站點之間進行高效，經(jīng)濟的備份數(shù)據(jù)復制。

2.基于軟件的重復數(shù)據(jù)刪除和基于硬件的重復數(shù)據(jù)刪除的優(yōu)缺點

基于軟件的重復數(shù)據(jù)刪除旨在消除源的冗余，而基于硬件的重復數(shù)據(jù)刪除強調(diào)存儲系統(tǒng)本身的數(shù)據(jù)削減。雖然基于硬件的重復數(shù)據(jù)刪除無法提供帶寬補償，而在源中進行重復數(shù)據(jù)刪除中有可能獲得帶寬補償，但是基于硬件的重復數(shù)據(jù)刪除的壓縮級別通常會更高，并且基于硬件的重復數(shù)據(jù)刪除產(chǎn)品需要的維護更少。硬件重復數(shù)據(jù)刪除設備以它們的高性能、可擴展性以及相對不間斷的部署而備受關注。正常情況下，備份軟件會將專用設備看作是一種一般的“磁盤系統(tǒng)”，并且完全不會發(fā)覺其內(nèi)部正在進行的重復數(shù)據(jù)刪除進程。小型企業(yè)或遠程辦公通常會避免使用設備，因為這些設備的費用要比用軟件來實現(xiàn)重復數(shù)據(jù)刪除的費用高，但是，它們確實是企業(yè)級部署的理想選擇。基于硬件的重復數(shù)據(jù)刪除也可能融合到其它存儲(目標)平臺上。例如，重復數(shù)據(jù)刪除經(jīng)常是VTL系統(tǒng)的一項功能之一。VTL系統(tǒng)通過使用磁盤而不是磁帶進行存儲，從而提高備份任務的速度，而且，添加重復數(shù)據(jù)刪除使VTL磁盤使用率達到最大。在很多情況下，VTL重復數(shù)據(jù)刪除是作為一種out-of-band進程來執(zhí)行的。這是其一項優(yōu)勢，因為所有VTL的內(nèi)容都可以通過重復數(shù)據(jù)刪除技術以達到很好的壓縮比率。不好之處在于重復數(shù)據(jù)刪除不是實時的。然而，一些VTL系統(tǒng)在接收到備份服務器的數(shù)據(jù)之后，引入了in-band重復備份數(shù)據(jù)刪除的處理能力。

3.硬件的重復數(shù)據(jù)刪除產(chǎn)品中In-band和Out-of-band比較

基于硬件的重復數(shù)據(jù)刪除產(chǎn)品的好處：基于硬件的重復數(shù)據(jù)刪除產(chǎn)品能減輕與基于軟件的重復數(shù)據(jù)刪除產(chǎn)品相關的處理負擔。重復數(shù)據(jù)刪除功能還被融合到其它數(shù)據(jù)保護硬件中，如備份平臺、虛擬磁帶庫(VTL)系統(tǒng)甚至通用存儲系統(tǒng)像網(wǎng)絡附加存儲(NAS)等。通常這種方法并不旨在縮小備份窗口或恢復目標，但是一般而言，用戶能借此達到最高的壓縮級別，從而創(chuàng)造最大的可用存儲空間。in-band重復數(shù)據(jù)刪除在數(shù)據(jù)寫入存儲器時削減數(shù)據(jù)。盡管進程處理需要額外的處理能力從而可能擴大備份窗口的大小，但是in-band重復刪除是有效率的，因為它只執(zhí)行一次。out-of-band重復數(shù)據(jù)刪除是在數(shù)據(jù)存儲完之后執(zhí)行。這種方法不會影響備份窗口的大小，并且能緩解對CPU進程處理的關注，從而避免在備份服務器和存儲器之間產(chǎn)生瓶頸。然而，out-of-band重復數(shù)據(jù)刪除在執(zhí)行過程中使用稍微多一點的磁盤空間。還有，out-of-band重復數(shù)據(jù)刪除需要花費的時間可能要比實際的備份窗口長。磁盤競爭是另一個問題，因為用戶在重復數(shù)據(jù)刪除過程期間嘗試訪問存儲器，從而降低了磁盤性能。

4.兩種主要的重復數(shù)據(jù)刪除方法

目前有兩種主要的重復數(shù)據(jù)刪除方法：基于散列的方法和基于字節(jié)比較的方法?；谏⒘械姆椒ɡ靡环N算法對輸入數(shù)據(jù)進行處理來創(chuàng)建很小的表達式和數(shù)據(jù)唯一的標識符(即所謂的散列值)。然后，將其與保存在查尋表中的散列值進行比較。但是，利用查尋表來確定重復的散列串會造成巨大的性能壓力，并且可能需要幾周時間才能取得最優(yōu)的重復刪除效率。效率更高的方法是在對象級上進行比較。例如，將Word文檔與另一個Word文檔進行比較，要么采用模式匹配算法;要么采用效率更高的智能分析技術。智能分析在更詳細地比較兩個文件之前會分析備份文件和參考數(shù)據(jù)集合來確定可能是冗余的文件。由于把處理重點放在可能的重復數(shù)據(jù)上，它可以更徹底地去除重復數(shù)據(jù)和避免不必要的處理新文件。一些技術在數(shù)據(jù)備份過程中進行重復數(shù)據(jù)刪除。這種在線的重復數(shù)據(jù)刪除會降低備份性能，增加備份的復雜性。另一些技術執(zhí)行帶外的重復數(shù)據(jù)刪除，在執(zhí)行時，它們首先備份數(shù)據(jù)，然后再執(zhí)行重復數(shù)據(jù)刪除。字節(jié)級重復數(shù)據(jù)刪除可提供高達25:1數(shù)據(jù)壓縮率。當與典型的VTL特性，即壓縮技術配合使用時，企業(yè)無須增加存儲容量就可在同樣的空間中多保存50倍的數(shù)據(jù)。這種壓縮技術不僅使用戶可以在線保存更多的數(shù)據(jù)，并使數(shù)據(jù)保持更長的在線時間，還帶來了將數(shù)據(jù)保存在硬盤上的優(yōu)勢。例如，把數(shù)據(jù)保存在硬盤上比保存在磁帶上占用更少的物理空間，并大大減少電源、冷卻、安全和其他運營與基礎設施費用。重復數(shù)據(jù)刪除技術通過使備份到VTL的費用大大低于純基于硬盤的數(shù)據(jù)保護解決方案，改進了數(shù)據(jù)保護的經(jīng)濟性。同時，它也是數(shù)據(jù)中心應對急劇增加的能源、勞動力和空間費用，以及管理即將出現(xiàn)的電源和冷卻容量短缺的重要的途徑。