數(shù)據(jù)備份系統(tǒng)中有關(guān)數(shù)據(jù)碎片的研究.pdf

1、隨著信息時代的來臨，數(shù)據(jù)呈現(xiàn)爆炸式地增長，數(shù)據(jù)備份系統(tǒng)需要存儲的備份數(shù)據(jù)越來越多，為了節(jié)省存儲資源，重復(fù)數(shù)據(jù)刪除技術(shù)作為一種無損數(shù)據(jù)壓縮技術(shù)被廣泛應(yīng)用于數(shù)據(jù)備份系統(tǒng)中。重復(fù)數(shù)據(jù)刪除技術(shù)的基本原理是刪除重復(fù)的數(shù)據(jù)，對內(nèi)容重復(fù)的數(shù)據(jù)單位只存儲一份，以達(dá)到大幅度壓縮數(shù)據(jù)量的目的。但是由于使用重復(fù)數(shù)據(jù)刪除技術(shù)刪除了重復(fù)數(shù)據(jù)，使得備份數(shù)據(jù)流中邏輯上連續(xù)的數(shù)據(jù)塊在物理存儲空間上不連續(xù)，導(dǎo)致數(shù)據(jù)恢復(fù)時產(chǎn)生大量的磁盤隨機(jī)讀操作，嚴(yán)重降低了數(shù)據(jù)備份系統(tǒng)的

2、恢復(fù)性能。這些在邏輯空間上連續(xù)但在物理存儲空間上不連續(xù)的數(shù)據(jù)塊被稱為數(shù)據(jù)碎片。
　　目前，學(xué)術(shù)界已出現(xiàn)了多種碎片解決方案，包括帽子算法（Capping）、基于上下文的重寫算法（CBR）、歷史感知的重寫算法（HAR）和面向主存儲系統(tǒng)的重刪算法（iDedup）。它們解決數(shù)據(jù)碎片的主要思想是改變數(shù)據(jù)塊在磁盤上的布局，通過重寫適量的碎片數(shù)據(jù)，使大部分邏輯空間上連續(xù)的數(shù)據(jù)塊在物理存儲空間上也連續(xù)，從而減少系統(tǒng)中數(shù)據(jù)碎片的數(shù)量。以犧牲少量存儲

3、空間為代價，換取恢復(fù)性能的提升。然而通過理論分析和實(shí)驗(yàn)驗(yàn)證，我們發(fā)現(xiàn)現(xiàn)有的碎片解決方案不能精確的識別數(shù)據(jù)碎片。其中Capping、CBR和HAR方案，因?yàn)槭褂霉潭ù笮〉娜萜髯鳛樗槠R別的基本單位，只關(guān)注容器中有效數(shù)據(jù)塊的總量，不考慮每個有效數(shù)據(jù)塊的具體存儲地址，導(dǎo)致不能精確識別數(shù)據(jù)碎片，重寫過多的數(shù)據(jù)，且恢復(fù)性能得不到有效的提升。而iDedup雖然使用了變長容器作為碎片識別的基本單位，解決了固定大小的容器存在的問題，但是它沒有考慮對恢復(fù)

4、性能起著很大作用的磁盤特性，iDedup在數(shù)據(jù)恢復(fù)時一次讀磁盤操作往往只能讀取較少數(shù)據(jù)，使得該碎片解決方案也不能精確識別數(shù)據(jù)碎片。
　　針對現(xiàn)有碎片解決方案存在的問題，我們提出了一種更加精確的碎片解決方案AEDefrag。該方案以大小可變的數(shù)據(jù)組為碎片識別單位，其基本思想是計算恢復(fù)或讀取一個數(shù)據(jù)組時的有效數(shù)據(jù)傳輸帶寬，若有效數(shù)據(jù)傳輸帶寬低于用戶所期望的帶寬，則該數(shù)據(jù)組內(nèi)的有效數(shù)據(jù)被認(rèn)定為數(shù)據(jù)碎片，反之該數(shù)據(jù)組內(nèi)的有效數(shù)據(jù)不是數(shù)據(jù)碎