戴尔科技数据缩减技术 破解性能和成本之间的难题

服务器
戴尔PowerStore采用英特尔®至强®可扩展处理器,该处理器可以优化工作负载,可靠性强,还有高计算力、高稳定性和高效敏捷性,不仅帮助PowerStore轻松满足既定工作负载,也可以为数字化变革做好准备。

上面👆

是戴尔PowerStore中端存储

可实现4:1的数据缩减率

下面👇

是戴尔PowerProtect DD备份存储

可实现65:1的数据缩减

同样用来“存数据”

为什么数据缩减率

差别这么大?

这个问题,相信很多企业级的小伙伴和我有一样的疑问。

相对于备份存储动辄达到50:1、65:1的数据缩减比例,而主存储往往只有“可怜”的3:1,4:1。难道是备份存储所使用的数据重删、压缩算法更先进,更高效?

如果是算法导致,为什么不用在主存储上?这对于寸金寸“容量”的存储设备来说,所带来的经济效益实在太诱人了。

而要回答这个问题,我们得先知道什么是重复数据删除技术和数据压缩技术(IT老司机可略过这部分)。

重复数据删除技术是指仅在存储介质上保留数据的一个唯一实例,冗余数据被替换为指向唯一数据副本的一个指针。当两个或多个文件具有相同的内容时,重复数据删除会将文件分成多个段,仅存储每个唯一文件段的一个副本。

数据压缩技术是指在不丢失有用信息的前提下,缩减数据量以减少存储空间,从而提高其传输、存储和处理效率,或按照一定的算法对数据进行重新组织,减少数据的冗余和存储的空间的一种技术方法。

▼一图看懂数据重删和压缩▼

 影响数据缩减率的

因素有哪些?

答案是虽然主存储和备份存储都以存储数据为目的,但两者对于数据缩减技术有着完全不同的考量。

首先,数据缩减是备份设备的核心功能,提供更高的数据缩减率,是这类产品的主要诉求。

而对主存储来说,数据缩减只是附加功能之一,而为了避免数据缩减产生大量的计算资源占用,影响到业务应用的读写,因此在数据缩减的使用上,往往有许多顾虑与限制。

另一方面,备份设备也因为自身的高比率数据缩减功能,使其也被局限在备份、归档这类静态的存储应用,而不适合需要频繁读取与写入的一般业务应用。原因有以下两点:

▶第一,高比例的数据缩减会占用大量的计算资源,从而影响其他业务应用,因此很难在运行数据缩减的同时,还能正常提供一般的读写服务。

▶其次,经过重复数据删除或数据压缩技术处理过的数据,必须先还原成原始数据,才能供前端主机读取与使用,而主存储中的数据,往往是那些需要频繁读取的活跃数据。

因此,以占用系统资源的方式频繁地缩减与还原数据,是无意义的,也是资源的浪费。

此外,影响数据缩减率的另一个因素是,它取决于你有多少相同或相似类型的数据:

●数据保存期设置:数据保存的时间越长,重复数据删除引擎发现重复数据的可能性也越大。

●数据类型:一些数据天生比较容易出现重复。如果网络里存在大量的Windows服务器,或者VMware虚拟机,就有希望得到更高的数据缩减率。

●变化速率:数据变化的速率越低,发现重复的机会也就越高。

●数据备份策略:全备份(相对于增量备份和差异备份)的频率越高,数据缩减的潜力也就越大,因为每天的数据有大量的重复。

可以看到,由于归档和备份系统的数据,大部分都是冗余数据,因此天生就可以实现更高的数据缩减率。

最后,是技术问题

比如戴尔PowerProtect DD备份存储拥有高达65:1的数据缩减率,放眼业界同类产品都是顶尖的存在,这就源于其独有的数据缩减专利技术。

而戴尔PowerStore虽然“只有”4:1的数据缩减率,但其数据缩减功能是“始终可用”。意味着PowerStore在数据缩减时不会额外占用控制器的CPU资源,几乎对性能不会产生影响。

这也让企业用户不再陷入性能下降与节省成本的两难,而让数据缩减在主存储真正发挥了用武之地。

*戴尔PowerStore采用英特尔®至强®可扩展处理器,该处理器可以优化工作负载,可靠性强,还有高计算力、高稳定性和高效敏捷性,不仅帮助PowerStore轻松满足既定工作负载,也可以为数字化变革做好准备。

最后,总结一下。为什么备份存储与主存储的数据缩减率差别巨大?

答案是两种产品的设计思路不同,存储数据的类型不同,因而不能直接进行数据缩减率的比较。

“搞存储,不忽悠,

我们是认真的!”

END

如果您想了解更多有关戴尔科技的产品和解决方案信息,请扫描以下二维码咨询戴尔官方客服。

责任编辑:张燕妮 来源: 戴尔科技集团
相关推荐

2022-09-07 17:43:57

戴尔

2019-01-23 07:46:00

2012-08-14 17:28:13

2012-08-03 09:29:14

2018-05-25 15:51:35

戴尔

2015-08-31 15:07:12

VDSLFTTH宽带

2018-04-17 11:55:28

2022-06-08 18:24:47

戴尔

2013-07-01 09:37:15

云迁移DevOps工具应用生

2013-07-02 13:34:27

2020-11-09 17:15:08

戴尔

2016-12-12 08:37:45

2013-06-04 09:32:22

2022-08-05 11:29:06

数据分析考核政治

2011-10-21 10:26:12

数据中心布线服务器

2012-12-11 10:36:52

AMD成本小批量

2021-01-29 18:30:27

戴尔

2018-01-26 13:20:12

滴滴AI技术交通难题

2020-08-05 09:25:03

云计算技术数据

2021-02-03 18:14:51

戴尔
点赞
收藏

51CTO技术栈公众号