Az adatok biztonságos tárolása és szükség esetén előkeresése minden vállalat számára elengedhetetlen, de lassan kezelhetetlenné válik. A megoldás a deduplikáció lehet.
Alig öt év alatt – 2006 és 2011 között – a digitálisan tárolt információ mennyisége a tízszeresére fog nőni – jósolja az IDC. Ezek egy jó része a vállalatoknál keletkezik. A számítógépes formában tárolt adatok már akkora tömeget képviselnek, hogy a hagyományos tárolási és mentési eszközök és folyamatok egyre nehezebben birkóznak meg a terheléssel: sok esetben egyszerűen nincs elegendő idő a mentési feladatok elvégzésére, és mind nehezebben garantálható az adatok biztonságos helyreállítása.
Adat, több tucat példányban
A mentési (backup) környezetek esetén a probléma nagyrészt a hagyományos mentési eljárásokban rejlik. Ezek során ugyanazt az adatot újra és újra elraktározzák. Ha például hetente teljes mentés készül az állományszerverekről, és ezeket a mentéseket öt hétig őrzik, akkor az adatok túlnyomó többsége öt példányban lesz meg. Képzeljük el ugyanezt egy minden éjszaka lementett e-mail-kiszolgálóval: az abban tárolt adatok nem kis hányada 35-ször lesz tárolva! – érzékelteti a probléma nagyságrendjét Várkonyi László, az EMC technológiai tanácsadója. Mindez már csak azért is felesleges, mert a duplikált adatoknak semmilyen üzleti értékük nincs.
Az ideális helyzet az lenne, ha minden adat csak egyetlen példányban lenne meg a biztonsági mentésekben, és az új – napi, heti – mentések során sem kellene mindent újra tárolni, hanem csak az új vagy megváltozott tartalmat. Pontosan ezt kínálja az adatdeduplikáció: ahogy a nevéből következtethetünk, képes a duplikátumok megszüntetésére azáltal, hogy felismeri és eltávolítja a redundáns adatokat egy meghatározott adathalmazból – ad rövid magyarázatot Várkonyi László.
Ez az adathalmaz az igényektől és lehetőségektől függően lehet egyetlen alkalmazás, de kiterjedhet egy szervezet teljes adatvagyonára is. A redundáns adat lehet egy teljes állomány vagy azon belül kisebb szegmensek.
Minél kisebb adategység
Bármi legyen is a helyzet, a deduplikációs folyamat végcélja minden esetben ugyanaz: az egyedi adatot csak egyszer kelljen tárolni, de oly módon, hogy igény esetén a teljes tartalmat eredeti formájában elő lehessen állítani, százszázalékos biztonsággal.
A többszörös tárolás elkerülése régi igény, és már eddig is születtek rá megoldások (lásd keretes írásunkat). Az igazán hatékony módszer azonban csak az lehet, amely az állományokon belül és azokon keresztül is képes megtalálni, illetve kiszűrni a többszörösen meglévő adatokat. Ehhez pedig a teljes állományoknál kisebb adategységekben kell dolgozni – mondja az EMC szakértője.
Az ilyen deduplikáció az állományokon belül is megkeresi a szervezetre jellemző egyedi adatelemeket, és ezeket más állományokban is azonosítja. Így a vállalati fejlécről ezentúl nem kell minden egyes dokumentummal együtt biztonsági másolatot készíteni, vagy a céges jognyilatkozat sem lesz elmentve minden egyes elektronikus levéllel. Az eljárás különféle állománytípusok között is működhet: ugyanazt a grafikont felismeri a bemutatóban és az Excel-táblázatban is.
A duplikált adatelem helyén csak egy utalás lesz, ami az egy példányban tárolt adategységre mutat.
Ismert tartalommal
Többféle elv alapján is elvégezhető a deduplikáció, és számos, akár hardveres, akár szoftveres technológia is rendelkezésre áll. Könnyen lehet, hogy egy szervezetnek nem is csak egyfélére van szüksége: ahhoz, hogy maximálisan kihasználja az eljárásban rejlő összes előnyt, többféle stratégiát kell ötvöznie. Éppen ezért fontos, hogy tisztában legyenek az egyes technológiák alkalmazási lehetőségeivel, előnyeivel, hátrányaival.
Az első különbség az lehet, hogy a deduplikációs megoldás figyelembe veszi-e a tartalmat vagy sem. Előbbi esetben az eszköz ismétlődő mintákat keres az adatfolyamban, és ennek alapján dönti el, hogy mekkora adatszegmensekre érdemes darabolni az eredeti állományokat. Így a maximálisra nő az ismétlődő darabok megtalálásának valószínűsége.
A másik esetben a rendszer „gépiesen” fogadja az adatfolyamot: nincs figyelemmel a tartalomra, csupán a biteket és bájtokat figyeli. Az adatfolyamot egyenlő hosszúságú részekre darabolja, azokból egy algoritmus segítségével „ujjlenyomatot” készít, majd megnézi, hogy a központi indexében van-e már ugyanilyen ujjlenyomat.
Ha van, az újonnan beérkezetett adatrészletet nem tárolja, csak egy mutatót helyez el az index megfelelő helyére.
Itt vagy ott
Abban is lehet különbség, hogy hol történik a deduplikáció: a forrás- vagy a céloldalon – folytatja az ismertetést Várkonyi László. A forrásoldali deduplikáció során az ismétlődések kiszűrése a mentési folyamat kezdetén történik – ez rendszerint az alkalmazás- vagy a backup-szerveren megy végbe –, mielőtt a mentendő adatokat egyáltalán elküldenék, vagyis csak a ténylegesen menteni szükséges adatok kerülnek el a tárolórendszerre. A másik megoldásnál a teljes adatmennyiséget átküldik a hálózaton, majd a tárolórendszernél általában különleges célhardverek végzik el a feldolgozást, a tényleges deduplikációt.
Mindkét megoldásnak megvannak az előnyei és a hátrányai. A forrásoldali megoldás ellen szólhat, hogy gyakran igényli a mentési környezet fejlesztését, új szoftverek bevezetését. Ugyanakkor nagymértékben csökkenti a hálózat terhelését, hiszen jóval kevesebb adatot kell átküldeni. Olyan környezetekben, ahol a sávszélesség erősen korlátozó tényező (távoli irodák), igazából a forrásoldali deduplikáció az egyetlen járható út.
| Korai megoldások |
|---|
|
Bizonyos értelemben két, régebb óta létező megoldás is deduplikációnak tekinthető. Tömörítés. A tömörítés során az állomány mérete csökken. A módszer csak az egyes állományokat veszi figyelembe, azokon belül keres ismétlődő mintázatokat, ezért nem alkalmas például duplikált állományok kiszűrésére. Egypéldányos tárolás (single-instance storage). Ez a módszer a több példányban meglévő, azonos állományok kiszűrésére alkalmas. Az ilyen elven működő tárolórendszerben az állomány csak egyszer van meg, a többi helyen csak az eredeti példányra mutató utalás található. Az eljárás hátránya, hogy nem veszi figyelembe az állományokon belüli és az azok közötti redundanciákat: ha egy dokumentumnak csak a címe változik meg, számára már az is új példányt jelent. |
A céloldali deduplikáció viszont kevésbé terheli meg az adatközpontot (hiszen nem ott történik a feldolgozás), és általában a mentési szoftvert sem kell cserélni. Viszont nem csökken a hálózati terhelés a szerverközpont és a tárolórendszerek között, és a tárolórendszerek tekintetében is kisebb rugalmasságot élvez a felhasználó.
A céloldali deduplikáció tovább osztható abból a szempontból, hogy mikor történik. Történhet azonnal, ahogy az adat megérkezik: a céloldali hardvereszköz fogadja az információt, kiszűri a duplikációkat, és csak a „megtisztított” adatokat írja fel a tárolóeszközre. Mivel így az eszköz adott idő alatt kevesebb adatot tud fogadni a backup-szervertől, a mentés hosszabb időbe fog telni.
Nem áll fenn ez a probléma az ütemezett deduplikáció esetében, amikor a duplikátumok eltávolítása a mentési adatútvonalon kívül történik. Ilyenkor a céloldalon abban a formában tárolják az adatokat, ahogy azok megérkeztek; ebben az átmeneti tárolóban azonnal elérhető a teljes biztonsági tartalék, ha éppen szükség lenne rá. A deduplikációs megoldás ebből az átmeneti tárolóból dolgozik, és akkor teszi végleges helyükre az adatokat, ha végzett. Előnye, hogy nem visz késleltetést a mentési folyamatba; hátránya, hogy valamivel több tárhely kell neki.
Eltérő hatékonyság
A deduplikációs eljárás hatékonysága több tényezőtől is függ. (A hatékonyságot általában egy arányszámmal adják meg: az 1:10 azt jelenti, hogy a deduplikáció után az adatok tizedannyi helyet foglalnak el.) Bizonyos alkalmazási környezetek és adatfajták jobban idomulnak a deduplikációhoz, más esetekben csak kisebb eredményeket lehet elérni – a várható hatékonyságot mindenképpen figyelembe kell venni, mielőtt deduplikációs megoldást választ a cég.
Jobb eredményeket várhatunk el a deduplikáció bevezetésétől, ha a cég sokáig őrzi a mentett adatait: minél tovább tárolják a mentéseket, annál több példányban voltak meg az egyes információk, vagyis annál több felesleges adattól lehet megszabadulni. Hasonlóképpen, minél gyakrabban végzett teljes mentést a vállalat, annál jobban lehet tömöríteni a deduplikációval, és ugyanez igaz akkor is, ha a mentések között kevéssé változtak az adatok.
Bizonyos állományfajták (dokumentumok, bemutatók, e-mailek) sok redundáns adatot tartalmaznak, míg a multimédiás fájlok (hang, fénykép, videó) gyakorlatilag teljesen egyediek; sok video- és fotóformátum ráadásul önmagában is tömörített, mint például a jpg. De nem lehet jól deduplikálni az egyéb tömörített és titkosított állományokat sem.
Üzleti hasznok
A deduplikáció első körben a tárolórendszereket felügyelő informatikusok dolgát könnyíti meg, de nem elhanyagolható üzleti hasznot is hoz – mondja Varsányi László. Ezek között a legfontosabbak:
Alacsonyabb infrastrukturális költségek. Ha megszabadítjuk a biztonsági mentéseket a többszörös tartalomtól, sokkal kisebb kapacitású rendszer is elegendő lehet a szükséges adatok tárolására. Ez az üzemeltetési költségekre is jótékony hatással van.
Hosszabb adatmegőrzési időszak. Mivel a napi mentések terjedelme csökken, ezeket hosszabb ideig lehet őrizni még úgy is, hogy közben csökken a tárigény.
Jobb adatvédelem. Számos szervezet kényszerűségből arra rendezkedett be, hogy teljes mentéseket csak hetente végzett, míg naponta csak inkrementális mentéseket hajtott végre. A deduplikáció révén csökkenő tárigény már lehetővé teszi, hogy ezek a cégek is naponta hajtsanak végre teljes mentéseket.
Jobb teljesítmény. Ha a deduplikáció révén nagymértékben csökken a biztonsági mentésekben tárolt adatok mennyisége, a szervezet komolyan fontolóra veheti, hogy a szalagosak helyett a sokkal nagyobb teljesítményt kínáló merevlemezes tárolókat használjon ilyen célokra.
Kisebb sávszélesség-igény. Ha kevesebb adatot kell menteni, olcsóbbá válik ezek mozgatása nagy távolságokra – lehetőség lesz a mentések távoli replikációjára. Ugyanezt a merevlemez alapú mentéssel kombinálva még a szalagok kezelésével sem kell bajlódni.
Schopp Attila
