Guide de déduplication NetBackup™

À propos de l'échantillonnage et du cache prédictif

MSDP utilise la mémoire disponible configurée dans MaxCacheSize pour mettre en cache les signatures, afin d'assurer une recherche efficace en vue de la déduplication. Un nouveau schéma de données de recherche de cache de signatures introduit par NetBackup version 10.1 réduit l'utilisation de la mémoire. Il divise le cache de mémoire existant en deux composants, le cache d'échantillonnage (cache S) et le cache prédictif (cache P). Le cache S comporte un certain pourcentage des signatures de chaque sauvegarde et sert à rechercher des données semblables à partir des échantillons des sauvegardes précédentes en vue de la déduplication. Le cache P met en cache les signatures qui seront le plus probablement utilisées dans un avenir immédiat pour la recherche en vue de la déduplication.

Au début d'un travail, une petite partie des signatures de la dernière sauvegarde de ce travail est chargée dans le cache P comme point de départ. La recherche de signatures se fait dans le cache P pour trouver des doublons et les recherches sans résultats sont réexécutées à partir des échantillons du cache S pour tenter de trouver des correspondances avec les données de sauvegarde précédentes. Si une correspondance est trouvée, une partie des signatures de sauvegarde correspondantes est chargée dans le cache P en vue de la déduplication.

La méthode de recherche de signatures dans les caches S et P est activée pour les volumes de stockage locaux et cloud déployés dans des clusters MSDP, tels que Flex Scale, AKS et EKS. Cette méthode est également activée pour les volumes exclusivement cloud pour les plates-formes MSDP hors cluster, à savoir NetBackup Appliance, Flex et BYO. Pour les plates-formes prenant en charge les volumes exclusivement cloud, le volume local utilise la méthode initiale de recherche dans le cache. Vous trouverez les paramètres de configuration des caches S et P dans la section Cache du fichier de configuration contentrouter.cfg.

Valeurs par défaut des déploiements ne faisant pas partie d'un cluster :

Valeurs par défaut des déploiements en cluster :

Pour les déploiements dans un cluster MSDP, le volume local et le volume cloud utilisent la même taille pour les caches S et P. Pour le déploiement hors cluster, les caches S et P sont uniquement utilisés pour le volume cloud, tandis que MaxCacheSize reste utilisé pour le volume local. Si le système n'est pas utilisé pour la sauvegarde cloud, les paramètres MaxPredictiveCacheSize et MaxSamplingCacheSize peuvent être définis sur une petite valeur, par exemple, 1 % ou 128 Mio. Le paramètre MaxCacheSize peut être défini sur une valeur élevée, par exemple, 50 ou 60 %. De même, si le système est utilisé uniquement pour les sauvegardes cloud, le paramètre MaxCacheSize peut être défini sur 1 % ou 128 Mio, tandis que MaxPredictiveCacheSize et MaxSamplingCacheSize peuvent être définis sur une valeur plus élevée.

La taille du cache S est déterminée par la capacité du Back end MSDP ou le nombre de signatures à partir des données du Back end. En supposant que la taille moyenne du segment soit de 32 Ko, la taille du cache S est d'environ 100 Mo par To de capacité sur le Back end. La taille du cache P est déterminée par le nombre de travaux simultanés et la localité des données, ou bien par l'ensemble de travail des données entrantes. Avec un ensemble de travail de 250 Mo par flux (environ 5 millions de signatures). Par exemple, 100 flux simultanés nécessitent une mémoire minimale de 25 Go (100*250 Mo). L'ensemble de travail peut être plus grand pour certaines applications comportant des flux multiples et de grands ensembles de données. Dans la mesure où le cache P est utilisé pour la recherche en vue de la déduplication des signatures et que toutes les signatures chargées dans le cache P y restent jusqu'à ce que sa capacité maximale soit atteinte, plus le cache P est grand, plus le potentiel de réussite des recherches est élevé et plus la consommation de la mémoire augmente. Le sous-dimensionnement du cache S ou P réduit les taux de déduplication, tandis que leur surdimensionnement augmente la consommation de mémoire.