डेटा डिडुप्लीकेशन - नेटएप दृष्टिकोण

डेटा डिडुप्लीकेशन एक ऐसी तकनीक है जिसके द्वारा डिस्क स्टोरेज में अनावश्यक डेटा का पता लगाया जाता है और उसे खत्म कर दिया जाता है। परिणामस्वरूप, यह डेटा की समान मात्रा को संग्रहीत करने के लिए भौतिक मीडिया की मात्रा को कम करता है।

पिछले दो से तीन वर्षों के डेटा स्टोरेज सिस्टम के क्षेत्र में डेटा डिडुप्लीकेशन सबसे हॉट टॉपिक्स में से एक है। यह स्पष्ट है कि डेटा की विशाल मात्रा में जिसे आधुनिक स्टोरेज सिस्टम को अब स्टोर करना है, डुप्लिकेट और समान डेटा अनिवार्य रूप से होगा, जिसके उन्मूलन के कारण स्टोरेज वॉल्यूम को काफी कम करना संभव होगा।

शायद सबसे सफल डिस्क बैकअप सिस्टम (उदाहरण के लिए, EMC Avamar, Data Domain) के क्षेत्र में डिडुप्लीकेशन टेक्नॉलॉजी का कार्यान्वयन है, हालाँकि, NetApp तथाकथित "प्राथमिक भंडारण" के लिए डिडुप्लीकेशन का उपयोग करने की संभावना की घोषणा करने वाला पहला था, जो कि मुख्य "लड़ाई" सक्रिय डेटा भंडारण है। चूँकि वह समर्पण तकनीक की पेशकश करने में सक्षम थी जो व्यावहारिक रूप से अपने काम के प्रदर्शन को कम नहीं करती है।

आज मैं बताना चाहूंगा कि यह कैसे और किस वजह से संभव हुआ, और क्यों अब तक दूसरे सफल नहीं हुए हैं।



इसलिए, डुप्लीकेशन डुप्लिकेट डेटा का उन्मूलन है जब इसे स्टोरेज डिस्क पर संग्रहीत किया जाता है। कैसे?

सामान्य नाम "समर्पण" के तहत, अलग-अलग अहसासों की एक पूरी श्रृंखला को अभी छिपाया जा सकता है। उनमें से सबसे सरल "फ़ाइल" स्तर पर कटौती का कार्यान्वयन है। यह वही है जो लंबे समय से "लिंक" तंत्र का उपयोग करके "यूनिक्स-जैसे" फ़ाइल सिस्टम में लागू किया गया है। एक ही भौतिक ब्लॉक श्रृंखला को फाइल सिस्टम में विभिन्न बिंदुओं से संबोधित किया जा सकता है। यदि, उदाहरण के लिए, एक ही मानक पुस्तकालय का उपयोग कई अलग-अलग कार्यक्रमों को बदलने के बिना किया जाता है, तो, डिस्क पर दर्जनों स्थानों पर एक ही फ़ाइल की प्रतिलिपि बनाने के बजाय, हम एक प्रति संग्रहीत करते हैं और शेष को एक लिंक के साथ बदलते हैं। जब OS या एप्लिकेशन इस फाइल के लिए फाइल सिस्टम को एक्सेस करता है, तो फाइल सिस्टम पारदर्शी रूप से उस एकल उदाहरण के लिंक को रीडायरेक्ट करता है।



लेकिन क्या होगा अगर लाइब्रेरी का एक नया संस्करण जारी किया जाए, जो, हालांकि यह केवल सौ बाइट की सामग्री के एक जोड़े से अलग है, पहले से ही एक पूरी अलग फाइल है? ऐसा तंत्र अब काम नहीं करेगा। यह "गैर-फ़ाइल" डेटा के लिए भी काम नहीं करता है, उदाहरण के लिए, एफसी या आईएससीएसआई पर काम करने वाले सैन-स्टोरेज में। यही कारण है कि लिंक तंत्र, या "फ़ाइल डिडुप्लीकेशन", वर्तमान में अपेक्षाकृत सीमित रूप से उपयोग किए जाते हैं। अब, यदि लिंक पर सामग्री का एक हिस्सा जोड़ना संभव था!



इस तरह के तंत्र को सबफ़ाइल या ब्लॉक डिडुप्लीकेशन कहा जाने लगा। मानक यूनिक्स-जैसी फाइल सिस्टम के स्तर पर इसे लागू करना अब संभव नहीं है, क्योंकि इसमें लिंक केवल फाइलों तक, और फाइलों के रूप में संबोधित किए जा सकते हैं।



यदि आप सभी नेटएप स्टोरेज सिस्टम, डब्ल्यूएएफएल फाइल संरचना के आधार पर मेरे लेख को याद करते हैं, तो आप देखेंगे कि क्यों नेटएपी कटौती में रुचि रखता है। सब के बाद, सबफाइल, ब्लॉक डिडुप्लीकेशन पूरी तरह से स्वाभाविक रूप से डब्ल्यूएएफएल शब्दों में लागू किया जाता है, जहां भंडारण इकाइयों के लिए "सब कुछ लिंक है"।



डिडुप्लीकेशन कहां लागू किया जा सकता है?

मैंने पहले ही बैकअप स्टोरेज का उल्लेख किया है, और इस क्षेत्र में कटौती का उपयोग अपेक्षाकृत लंबे समय और सफलतापूर्वक किया गया है (अक्सर एक ही, थोड़ा बदली हुई सामग्री, व्यापक फाइलें, उपयोगकर्ता दस्तावेज़, प्रतियां सहित, उदाहरण के लिए, विभिन्न फ़ोल्डरों में, बैकअप में आते हैं) विभिन्न उपयोगकर्ताओं)। लेकिन अन्य आशाजनक अनुप्रयोग हैं।

उनमें से एक VMware ESX, MS हाइपर- V, Xen सर्वर के सर्वर वर्चुअलाइजेशन वातावरण में वर्चुअल मशीन डेटा का भंडारण है, और इसी तरह।

हालांकि, बैकअप के साथ अच्छी तरह से काम करने वाले डिडुप्लीकेशन विधियों का उपयोग करना सबसे अधिक बार विफल होगा। कोई भी डिस्क भंडारण प्रदर्शन में एक भयावह गिरावट के साथ अंतरिक्ष के लिए भुगतान नहीं करना चाहता है, जैसा कि अक्सर होता है।

बैकअप के लिए जो उपयुक्त है वह प्राथमिक भंडारण के लिए उपयुक्त नहीं है।

यह न केवल डुप्लिकेट को खत्म करने के लिए आवश्यक है, बल्कि इसे इस तरह से भी करना है कि प्रदर्शन प्रभावित नहीं होता है।



इन आभासी अवसंरचनाओं पर कटौती कितना प्रभावी है?

चलिए मैं आपको कुछ सबसे अहम् उदाहरण देता हूँ। मान लें कि आप VMware वातावरण में एक सर्वर वर्चुअलाइजेशन सिस्टम को तैनात कर रहे हैं, और आपके पास ESX सर्वर डेटासेंटर में एक दर्जन विंडोज या लिनक्स सर्वर हैं, प्रत्येक अपना स्वयं का कार्य करते हैं। एक ही प्रकार की सभी आभासी मशीनें, सभी आवश्यक पैच, सेटिंग्स और सर्विस पैक के साथ, संदर्भ ओएस युक्त एक पूर्व-तैयार "टेम्पलेट" से तैनात की जाती हैं।

एक नया सर्वर बनाने के लिए, आप बस इस टेम्पलेट को कॉपी करते हैं और एक नया, पहले से ही कॉन्फ़िगर और अपडेट की गई वर्चुअल मशीन प्राप्त करते हैं, जिसमें एक व्यक्तिगत सेटिंग्स फ़ाइल होती है, और एक बड़ी "वर्चुअल डिस्क" फ़ाइल होती है जिसमें "अतिथि ओएस" और उसके अनुप्रयोगों की सभी फाइलें होती हैं।



लेकिन एक ही समय में, इस तरह की आभासी मशीनों के एक दर्जन के लिए, आपके पास एक दर्जन लगभग पूरी तरह से समान आभासी डिस्क हैं, जिसमें फ़ोल्डर्स / विंडोज / सिस्टम 32 (या / usr) के साथ, रजिस्ट्री और कॉन्फ़िगरेशन फ़ाइलों में व्यक्तिगत सेटिंग्स के केवल कुछ दसियों किलोबाइट में भिन्नता है।

इस तथ्य के बावजूद कि वे औपचारिक रूप से सामग्री में लगभग समान हैं, "सी: ड्राइव" के साथ प्रत्येक आभासी मशीन भंडारण प्रणाली पर अपने स्वयं के दस गीगाबाइट पर कब्जा कर लेगी। दस आभासी मशीनों से गुणा, यह पहले से ही काफी महत्वपूर्ण आंकड़ा देता है।

VDI (वर्चुअल डेस्कटॉप इन्फ्रास्ट्रक्चर) के मामले में और भी अधिक गंभीर परिस्थितियां संभव हैं, जहां "वर्चुअल डेस्कटॉप" की संख्या सैकड़ों में हो सकती है, और उनमें से सभी, एक नियम के रूप में, एक ही ओएस का उपयोग करते हैं।



वर्चुअल डिस्क फ़ाइलों के डेटा पर डिडुप्लीकेशन का उपयोग करने के अभ्यास से पता चलता है कि अंतरिक्ष की बचत के परिणाम अक्सर मूल रूप से उपयोग किए जाने वाले वॉल्यूम के 75-90% तक पहुंचते हैं, "डिडुप्लीकेशन के बिना"।

यह काफी लुभावना है, बिना अधिक जोखिम और ओवरहेड के, प्रदर्शन का त्याग किए बिना, स्टोरेज 750-900 गीगाबाइट की मात्रा को खाली कर देता है, जो पहले आभासी मशीनों की छवियों द्वारा कब्जा कर लिया गया था।



इस तथ्य के कारण कि कटौती को "उप-फ़ाइल" में किया जाता है, ब्लॉक स्तर, अलग, न केवल समान फ़ाइलों को काट दिया जा सकता है, बशर्ते उनके पास फ़ाइल सिस्टम के समान 4KB ब्लॉक के भीतर समान सामग्री के टुकड़े हों।



डिडुप्लीकेशन को सीधे डिस्क पर डेटा लिखने के समय किया जा सकता है, इसे "ऑनलाइन डिडुप्लीकेशन" कहा जाता है, और इसे "पोस्टप्रोसेस", ऑफ़लाइन द्वारा कार्यान्वित किया जा सकता है।



"ऑनलाइन" कटौती का परित्याग करने के बाद, वह जो डेटा की प्राप्ति पर तुरंत होता है, कुछ हम निश्चित रूप से खो देते हैं।

उदाहरण के लिए, यदि हम दृढ़ता से डुप्लिकेट किए गए डेटा लिखते हैं, तो 1TB कहें, जिसमें से 900GB शून्य हैं, हमें पहले रिकॉर्ड पर 1TB के आकार के साथ एक स्थान आवंटित करना होगा, इसे हमारे "शून्य से 90%" के साथ भरें, और उसके बाद ही, कटौती प्रक्रिया के दौरान, 90% इस स्थान को मुक्त कराया जाएगा।



हालाँकि, "ऑफलाइन" डिडुप्लीकेशन भी हमें कई महत्वपूर्ण लाभ देता है।

1. हम डुप्लिकेट डेटा का पता लगाने के लिए अधिक कुशल और सटीक (पढ़ें: धीमी और "प्रोसेसर गहन") एल्गोरिदम का उपयोग कर सकते हैं। हमें प्रोसेसर से अधिक भार नहीं उठाने और संग्रहण प्रणाली के प्रदर्शन को कम करने के साथ समझौता करने की आवश्यकता नहीं है।
2. हम डेटा की बड़ी मात्रा में विश्लेषण और प्रक्रिया कर सकते हैं, क्योंकि "ऑफ़लाइन" के मामले में, हम विश्लेषण कर सकते हैं और पूरे स्टोरेज स्पेस के लिए डुप्लीकेशन का उपयोग कर सकते हैं, न कि केवल डेटा के वर्तमान, सीधे रिकॉर्ड किए गए हिस्से को।
3. अंत में, हम समर्पण तब कर सकते हैं जब यह हमारे लिए सुविधाजनक हो।

इस प्रकार, यह आश्चर्यजनक नहीं है कि नेटएप स्टोरेज सिस्टम ने उपयोग के लिए "ऑफ़लाइन" विधि को चुना, क्योंकि इसने उन्हें सिस्टम के वास्तविक डिस्क प्रदर्शन पर न्यूनतम प्रभाव के साथ कटौती करने की अनुमति दी।

जहाँ तक मुझे पता है, आज NetApp डुप्लीकेशन का उपयोग करने वाले स्टोरेज सिस्टम का एकमात्र निर्माता है, जो तथाकथित प्राथमिक डेटा के लिए आधिकारिक तौर पर इसके उपयोग की सिफारिश करने से डरता नहीं है, जो कि, बुनियादी, काम करने वाला डेटा है, न कि केवल बैकअप और अभिलेखागार।



नेटपे में "शारीरिक रूप से" व्यवस्थित रूप से डिडुप्लीकेशन तंत्र का उपयोग कैसे किया जाता है?

आप अक्सर सुनते हैं कि NetApp FC और SAS हार्ड ड्राइव 512 बाइट्स के बजाय 520 के "गैर-मानक क्षेत्र आकार" का उपयोग करते हैं। उद्धरण चिह्नों में "गैर-मानक", क्योंकि, विचित्र रूप से पर्याप्त है, यह ध्वनि करेगा, लेकिन यह 520 बाइट सेक्टर (512b डेटा + 8 बी सीआरसी) है जिसे आज के लिए "मानक" माना जाना चाहिए, क्योंकि यह मूल्य "टी 10 समिति" द्वारा अनुमोदित है, जिसमें शामिल संगठन एससीएसआई मानकों का विकास और गोद लेना। काश, बहुत कम भंडारण प्रणालियों ने इस नए मानक का पालन किया (नेटऐप को छोड़कर, मैं केवल ईएमसी क्लैरियोन को जानता हूं, साथ ही साथ हाई-क्लास सिस्टम जैसे कि ईएमसी सिमेट्रिक्स और एचडीएस यूएसपी), और इस सेक्टर प्रारूप का उपयोग करने से काम में बहुत सही और उपयोगी बोनस मिलता है। रिकॉर्ड किए गए सेक्टर की सामग्री को अनट्रैक किए गए RAID स्तर की क्षति से अतिरिक्त सुरक्षा प्रदान करना। ऐसी त्रुटियों की संभावना बहुत कम है, लेकिन फिर भी गैर-शून्य है।

हालाँकि, इस सुरक्षा के अलावा, NetApp अपने डेटा डिडुप्लीकेशन मैकेनिज्म को व्यवस्थित करने के लिए प्रति सेक्टर में ऐसे अतिरिक्त 8 बाइट्स का उपयोग करता है।



(तस्वीर)



WAFL में डेटा ब्लॉक 4096 बाइट्स है। एक डेटा ब्लॉक वह है जिसे कभी-कभी फाइल सिस्टम में "डिस्क क्लस्टर" कहा जाता है, डेटा का एक एकल संबोधित टुकड़ा, इसे "उच्च उपलब्धता" कंप्यूटर क्लस्टर के साथ भ्रमित न करें। यह ब्लॉक, जैसा कि आप देख सकते हैं, प्रत्येक में 512 बाइट्स के 8 सेक्टर शामिल हैं।

जैसा कि मैंने पहले कहा था, डेटा के इन 512 बाइट्स में से प्रत्येक को डिस्क के सिस्टम स्तर पर CRC के 8 बाइट्स दिए गए हैं। कुल मिलाकर, 4KB में WAFL ब्लॉक पर, हमारे पास CRC चेकसम के 64 बाइट्स हैं।

सीआरसी का एक बड़ा प्लस है - यह बहुत तेज और गणना करने में आसान है। हालांकि, एक माइनस है - तथाकथित "हैश टक्कर" संभव है, एक ऐसी स्थिति जहां विभिन्न सामग्रियों के दो ब्लॉकों का एक ही हैश परिणाम होता है। यदि हम केवल हैश की तुलना करने के परिणामों पर ध्यान केंद्रित करते हैं, तो हम विभिन्न सामग्रियों के दो ब्लॉकों के समान (और उनमें से एक को अपरिवर्तनीय रूप से हटा सकते हैं) अच्छी तरह से ले सकते हैं। यह संभावना छोटी है, लेकिन यह मौजूद है, और मुझे यकीन है कि आप नहीं चाहेंगे कि यह आपके डेटा के साथ बिल्कुल हो।

हैश टकराव से कैसे निपटें? समाधान हैश का विस्तार करना और गणना एल्गोरिथ्म को जटिल करना है। हालांकि, यह विकल्प बहुत संसाधन-गहन है, मुख्य रूप से भंडारण प्रणाली के प्रोसेसर के संबंध में। इसीलिए CAS - Content-Addressable Storage System, इसलिए बोलने के लिए, "फर्स्ट-जेनेरेशन डिडुप्लीकेशन", उदाहरण के लिए EMC Centera, लिखने के लिए बहुत धीमा हैं, और केवल थोड़े से बदलाव के साथ दस्तावेजों के संग्रहण के लिए उपयुक्त हैं।

लेकिन ऑनलाइन कटौती के लिए, हमारे पास अक्सर बस एक और विकल्प नहीं होता है।



हालांकि, "ऑफ़लाइन होने" से हमें तुरंत बहुत सी नई सुविधाएँ मिलती हैं, जो डिस्क पर डेटा लिखने की वास्तविक प्रक्रिया से जुड़ी नहीं होती हैं।

बैकग्राउंड में चल रही डिडुप्लीकेशन प्रक्रिया डिस्क वॉल्यूम के सभी ब्लॉक के हैश का आधार बनाती है, और इसे सॉर्ट करने पर, यह "डुप्लीकेट डेटा के संदिग्ध" की एक सूची प्राप्त करता है। फिर, इस सूची को प्राप्त किया, और "संदिग्धों" के सर्कल को काफी कम कर दिया, और आगे के काम की मात्रा, कटौती की प्रक्रिया डिस्क के माध्यम से जाती है, और सभी संभावित डुप्लिकेट पर एक तुच्छ बाइट तुलना ऑपरेशन करती है। और केवल यह सुनिश्चित करने के बाद कि विचार किए गए ब्लॉक की सामग्री पूरी तरह से और बिना शर्त है उनमें से एक फ़ाइल सिस्टम स्तर पर मुक्त हो जाता है, और इनोड पॉइंटर, जो पहले मुक्त किए गए ब्लॉक को इंगित करता है, दूसरे में स्थानांतरित हो जाता है। तंत्र कुछ हद तक UNIX फाइल सिस्टम में लिंक तंत्र की याद दिलाता है, केवल फाइलों पर नहीं, बल्कि सीधे फाइल सिस्टम के डेटा ब्लॉक पर लागू होता है।



"क्या आप इस तरह के तंत्र को एक नियमित फ़ाइल सिस्टम पर उपयोग करने से रोकते हैं?" आप पूछते हैं। यदि आप WAFL डिवाइस के बारे में मेरी पहले प्रकाशित पोस्ट पढ़ते हैं, तो आप आसानी से अपने प्रश्न का उत्तर दे सकते हैं। क्योंकि इन फ़ाइल सिस्टम पर, डेटा ब्लॉक को बाद में, अधिलेखित किया जा सकता है। कल्पना करें कि हमारे पास दो अलग-अलग फाइलें हैं, ए और बी, प्रत्येक में तीन डेटा ब्लॉक (4096Kb प्रत्येक) शामिल हैं, इसलिए यह पता चलता है कि इन तीन ब्लॉकों का मध्य दोनों फाइलों के लिए समान है (अन्य दो अलग हैं)। हम यह पाते हैं, इस तरह के "लिंक" का उपयोग करते हैं, और फ़ाइल बी के मध्य ब्लॉक से लिंक करने के बजाय, हम लिंक को फाइल ए के दूसरे ब्लॉक में सेट करते हैं।











जब तक कुछ प्रोग्राम को इन फ़ाइलों में से किसी के लिए इस दूसरे ब्लॉक को बदलने की आवश्यकता होती है, तब तक सब कुछ ठीक है। एक फ़ाइल की सामग्री को बदलकर, हम दूसरी फ़ाइल की सामग्री को स्वचालित रूप से बदल देते हैं। जो, आम तौर पर बोल रहा था, उसे बदलने की योजना नहीं थी, इसकी अपनी सामग्री है, और यह पूरी तरह से अलग कार्य से संबंधित है। यह बस इतना हुआ कि बीच में यह एक ही फ़ाइल के रूप में एक ही टुकड़ा निकला (उदाहरण के लिए, तुच्छ रूप से, शून्य का एक क्रम) जब तक कि यह फ़ाइल बदल नहीं गई।

और अगर ब्लॉक को बदल दिया जाए तो क्या होगा? कुछ भी अच्छा नहीं। यह पता चला है कि कार्यक्रम, इसे जाने बिना, पूरी तरह से बाहरी फ़ाइल की सामग्री को बदल दिया। अब आइए कल्पना करें कि इन फ़ाइलों में से सौ अलग-अलग जगहों पर हैं, लेकिन अगर उनमें से कुछ को पढ़ा जाए तो क्या होगा?







यह बैकअप के लिए काम कर सकता है, जो आमतौर पर केवल एक बार लिखा जाता है, और अब नहीं बदलता है, लेकिन सक्रिय "प्राथमिक डेटा" के लिए बिल्कुल उपयुक्त नहीं है, जिसे मनमाने ढंग से बदला जा सकता है।



जैसा कि आप WAFL डिवाइस के बारे में लेख से याद करते हैं, इसे इस तरह से व्यवस्थित किया जाता है कि एक बार रिकॉर्ड किया गया ब्लॉक अब तब तक अधिलेखित या परिवर्तित नहीं होता है जब तक कि कोई फ़ाइल मौजूद नहीं होती है, और जबकि सक्रिय फ़ाइल सिस्टम या स्नैपशॉट में से इस ब्लॉक का कम से कम एक लिंक होता है। और यदि फ़ाइल डेटा में परिवर्तन लिखना आवश्यक है, तो जिस स्थान पर रिकॉर्डिंग की गई है, उसे मुक्त ब्लॉकों के पूल से आवंटित किया गया है, तो सक्रिय फ़ाइल सिस्टम का पॉइंटर इस ब्लॉक में ले जाया जाता है (और स्नैपशॉट पॉइंटर्स पिछले ब्लॉकों पर रहते हैं, इसलिए हमारे पास एक ही समय में नई फ़ाइल सामग्री तक पहुंच है। "सक्रिय फ़ाइल सिस्टम", और इसके पुराने कंटेंट में, स्नैपशॉट में, यदि यह किया गया था)।







स्टोरेज डिवाइस की ऐसी योजना एक गारंटी है कि फ़ाइल के अंदर सामग्री में अवांछनीय परिवर्तन की स्थिति नहीं होती है।

एक बार रिकॉर्ड किए गए ब्लॉकों को बदलने की गारंटी नहीं दी जाएगी, और हम उन पर आवश्यक किसी भी ऑपरेशन का प्रदर्शन कर सकते हैं, उनके निरंतर अपरिवर्तनीयता के बारे में सुनिश्चित किया जा रहा है, उदाहरण के लिए, इस "सामग्री" की एक प्रति के साथ ब्लॉक के लिंक के साथ डुप्लिकेट सामग्री के साथ ब्लॉक की जगह।



संभवतः डिडुप्लीकेशन के बारे में सबसे अक्सर पूछा जाने वाला प्रश्न होगा: डिडुप्लीकेशन उसके स्टोरेज सिस्टम के प्रदर्शन को कैसे प्रभावित करता है?



सबसे पहले, हमें यह ध्यान रखना चाहिए कि जैसा कि ऊपर उल्लेख किया गया है, एक प्रक्रिया के रूप में डुप्लीकेशन "ऑफ़लाइन" होता है, डुप्लिकेट डेटा ब्लॉक की खोज, खोज और उन्मूलन एक ऐसी पृष्ठभूमि है, जिसमें पृष्ठभूमि, कम प्राथमिकता, कार्यभार प्रक्रियाओं की तुलना में कम है। इस प्रकार, यहां तक ​​कि रनिंग डिडुप्लीकेशन (जिसे कम से कम लोड के घंटे के लिए सौंपा जा सकता है) के साथ, नियंत्रक के प्रोसेसर संसाधन कार्यभार के अवरोध में शामिल नहीं होते हैं।



दूसरे, यद्यपि डेटा की कटौती की गई मात्रा में कुछ हद तक मेटाडेटा उनके साथ जुड़ा हुआ है, जो सैद्धांतिक रूप से बड़ी मात्रा में इनपुट / आउटपुट के साथ सिस्टम पर भार बढ़ा सकता है, अधिकांश उपयोगकर्ता डिडुप्लिक डेटा के प्रदर्शन को कम करने के प्रभाव को नोटिस नहीं करते हैं। और कुछ मामलों में, पढ़ने की मात्रा में कमी और कैश में बेहतर लोडिंग के कारण (और नेटएपी कैश जानता है और सही तरीके से कटौती डेटा का उपयोग करना जानता है), यहां तक ​​कि प्रदर्शन में वृद्धि भी देखी जा सकती है, उदाहरण के लिए, तथाकथित 'बूट तूफान', कई दसियों और यहां तक ​​कि सैकड़ों वर्चुअल मशीनें, जब अधिकांश डेटा डिस्क से पढ़े जाते हैं, एक ही ओएस फाइलें कई अलग-अलग मशीनों के लिए मेमोरी में लोड होती हैं।



हालांकि, फिर भी, NetApp "उत्पादन से उत्पादन" का फैसला करने से पहले संग्रहित डेटा के लोड, आकार और परीक्षण के परीक्षण की प्रकृति के सबसे खराब संयोजन में 5-10% के भीतर प्रदर्शन में गिरावट की उम्मीद करने के लिए प्रलेखन में "रूढ़िवादी" सिफारिश करता है । प्रवेशकर्ताओं के लिए यह जानना अच्छा होगा कि यदि किसी अवांछित प्रभाव का पता चलता है, तो किसी भी समय डेटा दर्द रहित रूप से "डी-डुप्लिकेटेड" और "वापस लुढ़का" हो सकता है।



फिर भी, मैं दोहराता हूं, व्यावहारिक प्रतिष्ठानों की कई समीक्षाएं प्रदर्शन पर किसी भी ध्यान देने योग्य नकारात्मक प्रभाव की अनुपस्थिति का संकेत देती हैं।

ऐसे कार्यों पर स्थान की बचत करना, जो आसानी से काटे जा सकते हैं, उदाहरण के लिए, वर्चुअल मशीन डिस्क की सामग्री पर, 50% (डिस्क पर पहले से कब्जाए गए वॉल्यूम का आधा भाग) को 75% (पहले से कब्जाए गए वॉल्यूम के तीन चौथाई को मुक्त किया गया है) से अंतरिक्ष की बचत को दर्शाता है।



वैसे, यह कटौती थी, साथ ही अन्य नेटऐप तकनीकों के साथ, जैसे कि RAID-डीपी, जो पहले से ही थिन प्रोविज़निंग द्वारा वर्णित है, और स्नैपशॉट, जो कि संक्षिप्त रूप से डब्ल्यूएएफएल लेख में वर्णित हैं, जिसने नेटएप को उद्योग की अभूतपूर्व 50% अंतरिक्ष बचत को बढ़ावा देने के लिए दो साल पहले घोषणा की थी गारंटी ", जिसके द्वारा NetApp गारंटी देता है कि किसी अन्य निर्माता के स्टोरेज सिस्टम पर संग्रहीत वर्चुअल मशीन डेटा की समान मात्रा, NetApp डिस्क के आधे वॉल्यूम में फिट होगी। और अगर यह वादा पूरा नहीं हुआ है - लापता पहियों को मुफ्त में रखें। हालाँकि, जैसा कि मुझे पता है, किसी ने भी डिस्क के लिए कभी नहीं पूछा।



और अंत में, यह कहने योग्य है कि डेटा डुप्लीकेशन फ़ंक्शन किसी भी नेटएप स्टोरेज सिस्टम पर मुफ्त में उपलब्ध है, और आमतौर पर इसकी सक्रियण का लाइसेंस किसी भी स्टोरेज सिस्टम के साथ डिफ़ॉल्ट रूप से आता है, और यदि आपने अचानक इसके बिना सिस्टम बेच दिया, तो आप इसे अपने विक्रेता से मुफ्त में प्राप्त कर सकते हैं। ।