Data deduplicazione

La deduplicazione dei dati (o deduplica) è la tecnica che individua i dati ripetuti e ne conserva una sola copia, sostituendo le altre con un riferimento. Riduce lo spazio di archiviazione e, nei backup in rete, la quantità di dati da trasferire.

Come funziona la deduplicazione?

I dati vengono divisi in blocchi, di dimensione fissa o variabile, e per ciascuno si calcola un'impronta digitale (hash). Se l'impronta è già presente, il blocco non viene salvato di nuovo. La deduplicazione a livello di file elimina solo i file identici; quella a livello di blocco riconosce anche le parti uguali di file diversi ed è molto più efficace.

Quali tipi di deduplicazione esistono?

La deduplicazione inline avviene prima della scrittura; quella post-process dopo, in un secondo momento. Nei backup si distingue tra deduplicazione alla sorgente, sul sistema protetto, che riduce il traffico di rete, e alla destinazione, sullo storage di backup. Il risparmio è alto con dati simili tra loro, come molte macchine virtuali con lo stesso sistema operativo, e basso con dati già compressi o cifrati.