Deduplicazione dei dati

Definizione di deduplicazione dei dati

La deduplicazione dei dati, detta anche “dedup”, elimina le informazioni duplicate o ridondanti in un set di dati. In breve, il dedup è un processo che garantisce l’esistenza di una sola copia dei dati in un particolare dataset o blocco.

Questo processo migliora la capacità di archiviazione e ottimizza le ridondanze senza compromettere la fedeltà o l’integrità dei dati. I riferimenti o i puntatori alla singola copia salvata sostituiscono le informazioni ridondanti eliminate. Molto spesso, la deduplicazione dei dati viene abbinata alla compressione dei dati per ottenere un risparmio di spazio di archiviazione ancora maggiore.

Esistono due modi per classificare la deduplicazione in base al luogo in cui avviene. Il primo è la deduplicazione lato sorgente, che indica che la deduplicazione avviene presso la sorgente, ovvero dove hanno origine i dati. Il secondo è la deduplicazione lato destinazione, che indica che la deduplicazione avviene sullo storage di destinazione, ovvero dove vengono archiviate le informazioni.

Che cos’è la deduplicazione dei dati?

La deduplicazione dei dati è il processo che consiste nel rimuovere le copie duplicate dei set di dati per ottimizzare le risorse di archiviazione e migliorarne le prestazioni. Eliminando le informazioni ridondanti, il sistema libera spazio di archiviazione e riduce le dimensioni dei set di dati. Queste modifiche riducono i costi di archiviazione e migliorano le prestazioni delle applicazioni che possono eseguire operazioni utilizzando insiemi di dati più piccoli.

La deduplicazione dei dati ha senso solo se applicata alle aree di archiviazione secondarie contenenti i dati di backup. Gli archivi secondari utilizzati per il backup dei dati tendono ad avere tassi di duplicazione più elevati, il che rende necessaria la deduplicazione. D’altra parte, l’archiviazione primaria utilizzata negli ambienti di produzione privilegia le prestazioni rispetto ad altri fattori e potrebbe quindi scegliere di non ricorrere alla deduplicazione.

Quando si implementa la deduplicazione, è importante tenere presente che alcuni database relazionali, come Oracle e Microsoft SQL, non traggono vantaggio dalla deduplicazione. Tali database conservano spesso una chiave univoca per ogni record, impedendo ai motori di deduplicazione di riconoscere i record duplicati come tali.

Prendiamo in esame un esempio comune.

L’amministratore delegato dell’azienda invia un’e-mail a tutti i 100 dipendenti con in allegato un organigramma aggiornato. Tutti i 100 dipendenti ricevono lo stesso file e lo salvano sul proprio desktop per poterlo consultare in seguito. Quando, più tardi quella notte, viene eseguito il backup, vengono salvate tutte le 100 copie di quel file, ma grazie alla deduplicazione viene salvato un solo file effettivo, con 99 riferimenti o puntatori all’originale.

In questo esempio abbiamo osservato un rapporto di deduplicazione di 100 a 1. Se abbinata alla compressione dei dati, solo le istanze salvate dei dati vengono compresse, consentendo di aumentare ulteriormente la capacità di archiviazione grazie a una codifica efficiente dei dati.

Che cos’è il processo di deduplicazione dei dati e come funziona?

La deduplicazione consiste nell’analizzare i dati per identificare i blocchi univoci prima di memorizzarli. Quando vengono individuati duplicati di un singolo blocco di dati, i pattern ridondanti vengono eliminati e sostituiti con riferimenti, o puntatori, ai dati univoci già salvati. L’agente che esegue la deduplicazione assegna un numero identificativo univoco a ciascun blocco di dati memorizzato.

Quando, durante la verifica dei numeri identificativi univoci, vengono rilevati dati duplicati, le informazioni ridondanti appena individuate vengono rimosse. Nell’ambito del processo di deduplicazione, i blocchi o i segmenti di dati vengono confrontati mediante la scansione dei numeri identificativi univoci assegnati ai dati archiviati. Quando viene individuato un numero identificativo duplicato, il nuovo segmento di dati con quel numero identificativo duplicato viene considerato una copia ridondante e cancellato. L’agente di deduplicazione presume che numeri univoci duplicati indichino la presenza di un blocco di dati ridondante.

La deduplicazione dei dati può essere eseguita sia in linea, mentre i dati sono in transito, sia “post-elaborazione”, dopo che le informazioni sono già state scritte sui dispositivi di archiviazione.

La deduplicazione dei dati viene eseguita in background e segue le politiche di ottimizzazione prestabilite per identificare i file che richiedono un intervento. L’agente di deduplicazione suddivide quindi i file di destinazione in blocchi di dati variabili, identifica quelli univoci e li archivia assegnando loro numeri identificativi univoci. Nell’ambito del processo di deduplicazione, i blocchi di dati duplicati vengono rimossi e sostituiti con riferimenti identici ai dati già salvati. Successivamente, l’agente di deduplicazione ricostituisce il flusso di file originale con i file appena ottimizzati.

Come già sottolineato nell’esempio dell’e-mail, non è raro (con determinati tipi di dati) che i rapporti di deduplicazione raggiungano valori pari a 90:1, il che aumenta i vantaggi della deduplicazione. È possibile ottenere un’ulteriore efficienza nello spazio di archiviazione abbinando la deduplicazione alla compressione dei dati, che riduce ulteriormente le dimensioni dei dati archiviati e il loro ingombro di archiviazione.

La deduplicazione dei dati è un concetto semplice che contribuisce in modo significativo alla riduzione delle risorse di archiviazione e dei relativi costi. Se abbinata alla compressione dei dati, i risparmi aumentano e le prestazioni dei dispositivi di archiviazione e delle applicazioni migliorano.

Perché la deduplicazione dei dati è importante?

La crescita esponenziale e incontrollata dei dati, unita alla riduzione delle finestre di backup, agli SLA relativi alla conservazione dei dati e ai requisiti normativi, mette a dura prova le risorse IT e la crescita aziendale. La tecnologia di deduplicazione dei dati riduce i requisiti di capacità dei dischi fisici, garantendo al contempo il rispetto dei requisiti di conservazione dei dati.

La quantità di dati generati ogni giorno è sbalorditiva e tutti questi dati devono essere ottimizzati per un migliore utilizzo della capacità di archiviazione e protetti contro la perdita. In media, nel 2020, ogni persona sulla Terra ha generato 1,7 MB di dati al secondo.¹ Entro il 2025, si stima che ogni giorno verranno generati 463 exabyte di dati.²

Purtroppo, la maggior parte dei dati archiviati è costituita da duplicati che aumentano i costi di archiviazione dei clienti e riducono le prestazioni e il grado di utilizzo dei sistemi cloud. Ad esempio, la condivisione di file da parte degli utenti genera numerose copie duplicate dello stesso file. Negli ambienti virtualizzati, i sistemi operativi guest possono risultare quasi identici su diverse macchine virtuali (VM). Anche le istantanee di backup possono presentare lievi differenze da un giorno all’altro. La deduplicazione elimina queste inefficienze dai sistemi di archiviazione.

Secondo le stime di Microsoft, le librerie di virtualizzazione possono consentire un risparmio di spazio tipico fino al 50%, mentre le librerie di virtualizzazione potrebbero arrivare a un risparmio di spazio fino al 95%.³ Il risparmio varia a seconda dei set di dati.

Vantaggi della deduplicazione dei dati

Le applicazioni e i dati che generano sono i motori dell’analisi aziendale e il fattore determinante per una crescita di successo. La gestione della crescita dei dati e i vantaggi della deduplicazione non si limitano ai sistemi di archiviazione, ma si estendono all’intera infrastruttura IT e alle prestazioni delle applicazioni. L’ingombro di archiviazione ridotto ottenuto grazie alla deduplicazione e alla compressione abbassa i costi di archiviazione, riduce la pressione sulla rete e i vincoli sulla larghezza di banda. Migliora inoltre le prestazioni delle applicazioni sugli endpoint, contribuendo ad aumentare la produttività dei lavoratori remoti.

Le soluzioni di deduplicazione dei dati offrono notevoli vantaggi aziendali che vanno oltre gli ambiti direttamente correlati ai dispositivi di archiviazione:

• Costi inferiori. Una capacità di archiviazione ridotta si traduce in spese inferiori che si ripercuotono sull’intero settore IT. Meno infrastruttura da gestire significa meno risorse amministrative e di gestione, nonché costi complessivi inferiori da parte dei fornitori di servizi cloud per il trasferimento dei dati e il traffico di rete. I risparmi relativi all’archiviazione in loco includono le spese in conto capitale (Capex) per i dispositivi di archiviazione e lo spazio che occupano, oltre ai sistemi di raffreddamento. I risparmi includono anche le spese operative (Opex) per la gestione dell’archiviazione, il raffreddamento e altre utenze, compresa l’energia elettrica.
• Conservazione dei dati più a lungo. Grazie alla deduplicazione dei dati, le aziende hanno la possibilità di conservare i set di dati più piccoli per periodi più lunghi e di soddisfare requisiti di conservazione più rigorosi.
• Migliori prestazioni complessive. Poiché i fornitori di servizi cloud basano gran parte dei propri costi sul trasferimento dei dati, è opportuno che i clienti ottimizzino i propri set di dati. Un traffico dati ridotto tra le diverse sedi cloud riduce i costi sostenuti e libera larghezza di banda di rete a vantaggio di un maggior numero di utenti e di una maggiore velocità di erogazione dei servizi. È consigliabile che le aziende deduplichino i propri dati prima di inviarli al cloud. È inoltre prudente deduplicare i dati archiviati nel cloud.

Casi d’uso comuni della deduplicazione dei dati

Le organizzazioni di ogni dimensione hanno bisogno della deduplicazione per questi casi d’uso quotidiani:

• Macchine virtuali. Le macchine virtuali con distribuzioni di applicazioni comportano la duplicazione degli ospiti e dei dati associati. La deduplicazione puòaiutare le macchine virtuali a funzionare in modo più efficiente.
• Endpoint. I client endpoint, inclusi computer fissi e portatili, sono soggetti alla creazione di dati duplicati che richiedono una deduplicazione regolare per garantire prestazioni migliori eoperazioni di backup più efficienti.
• Cloud immagazzinamento. Con il crescente trasferimento dei dati verso il cloud, la deduplicazione offre vantaggi enormi in questo contesto, poiché l’accumulo di dati può risultare più costoso rispetto all’archiviazione in loco, se non viene controllato. Alcuni clienti potrebbero ritenere utile applicare la deduplicazione ai propri dati prima di inviarli al cloud per la conservazione a lungo termine, al fine di ridurre i costi. In generale, la riduzione delle dimensioni del set di dati abbassa i costi e migliora le prestazioni di rete e l’efficienza complessiva.

Commvault offre la deduplicazione dei dati?

Sì! Commvault offre una deduplicazione di livello enterprise all’interno del proprio portafoglio di soluzioni per la protezione dei dati. Grazie alle nostre sofisticate funzionalità di deduplicazione, i clienti possono contare su prestazioni elevate, ottimizzazione dello spazio di archiviazione e risparmi sui costi.Richiedi una demoContattaci oggi stesso per scoprire come potrebbe aiutare la tua organizzazione!

Fonti

1. Domo.com2020. “Data Never Sleeps 6.0.”
2. Raconteur. Infografica “Data in a Day”.
3. Microsoft 2021. “PerchéDeduplicazione dei dati“utile?”
4. WinPure, gennaio 2021. “I vantaggi della deduplicazione dei dati:Migliora il ROI della tua azienda.”