数据备份系统中恢复性能优化方法研究

摘要

为了节省存储系统的空间开销，数据去重技术现已广泛运用在各种数据备份系统中。它将数据流划分成多份数据块，然后使用哈希函数生成数据块指纹，接着查询指纹索引来确定数据块的重复性，最后使用指向存储中相同数据块的引用指针来代替待备份的重复数据块。尽管数据去重技术能够有效地减少存储开销，它同样引入了数据块碎片问题，影响了数据的恢复性能。 为了解决数据块碎片问题，提出了子模函数最大化模型碎片重写方法（submodular maximization rewriting scheme,SMR）。SMR的主要思想是选择一个容器子集，要求该容器集合含有的唯一可引用数据块的数量最多。在数据恢复过程中，它能够减少从磁盘中读取的容器含有冗余数据块和非引用数据块所造成的磁盘读取浪费。根据实验观察得到的备份版本相似性规律，连续备份版本之间存在一定的相似性，但是版本间差异会随着备份版本的增多而增多。所以，为了进一步提高数据恢复性能，提出了一种分组备份策略与SMR相结合（groupedsubmodular maximization rewriting scheme,GSMR）。GSMR将备份版本按照时间顺序分成不相交的组，使得每个版本只需要与同组的版本共享数据块，减缓了数据块碎片的增加速度。 实验结果表明，与现有的基于选择容器的碎片重写方法相比，SMR能够有效地提高数据恢复性能和去重率；与SMR相比，GSMR平均在牺牲1%的去重率的情况下，提升10%的数据恢复性能。

目录

第一个书签之前