Was ist Kapazitätsoptimierung?
Die Kapazitätsoptimierung besteht aus unterschiedlichen und dennoch häufig komplementären Methoden zum Speichern von Daten und zum Reduzieren des Speicherbedarfs beim Erstellen von Sicherungen. Häufig erstellen Unternehmen und einzelne Unternehmen mehrere Sicherungskopien der Arbeit, und die Notwendigkeit, Daten zu speichern, zu indizieren und abzurufen, erfordert eine Optimierung, um den für die Verarbeitung all dieser Daten erforderlichen Hardwareaufwand und den daraus resultierenden Overhead zu reduzieren. Bei Backups kommt es häufig zu Redundanzen und nur geringfügigen Änderungen zwischen den Backups. Angesichts von Redundanzen entwickeln Strategien zur Kapazitätsoptimierung Lösungen, mit denen sich die Speicherkosten und die Größe von Backups gegenüber den Originalen um bis zu 95 Prozent reduzieren lassen. Die Kapazitätsoptimierung wird manchmal als Bandbreitenoptimierung bezeichnet, wenn sie in WAN-Anwendungen (Wide Area Network) verwendet wird, um einen höheren Durchsatz beim Senden und Empfangen von Daten in einem Netzwerk zu ermöglichen.
Die Datenkomprimierung verwendet im Allgemeinen Codiertechniken, um die Größe der gespeicherten oder übertragenen Daten zu verringern. Je nachdem, ob einige Daten während des Vorgangs gelöscht werden, können sie als verlustbehaftet - Datenverlust - oder als verlustfrei eingestuft werden. Das Durchsuchen der Daten auf Redundanzen oder Wiederholungen und das Ersetzen dieser durch referenzierte und indizierte Token ermöglicht eine erhebliche Reduzierung des benötigten Speicherplatzes. Datenunterdrückungs-Codebücher führen Beschleuniger bei der Kommunikation an, um entweder Speicher oder eine Festplatte zu synchronisieren und Komprimierungsprotokolle in ein Speicherrepository zu schreiben, sodass ein TCP-Proxy (Transmission Control Protocol) als Puffer für Pakete oder Sitzungen verwendet werden kann, ohne dass Übertragungsgeschwindigkeiten auftreten reduziert. Eine andere Methode der Datenkomprimierung reduziert die Datenmenge in Echtzeit bei der ersten Sicherung und somit durch weitere Optimierung, was zu einer größeren Einsparung von Platz und Zeit führt.
Durch die Verwendung der herkömmlichen Komprimierungsmethode kann die Größe der gespeicherten Daten im Verhältnis 2: 1 verringert werden. Durch die Kapazitätsoptimierung kann diese Reduzierung auf bis zu 20: 1 erhöht werden. Die Suche nach Redundanzen in Byte-Sequenzen über Vergleichsfenster hinweg und die Verwendung von kryptografischen Hash-Funktionen für eindeutige Sequenzen in Algorithmen zur Deduplizierung ermöglicht die Segmentierung von Datenströmen. Diesen Stream-Segmenten werden dann eindeutige Kennungen zugewiesen und zum Abrufen indiziert. Auf diese Weise werden nur neue Datensätze gespeichert, bevor sie unter Verwendung von Komprimierungsstandardalgorithmen weiter komprimiert werden. Einige Deduplizierungsmethoden sind hardwarebasiert. Durch die Kombination mit herkömmlichen Softwarekomprimierungsalgorithmen lassen sich mit den Funktionen beider Methoden erhebliche Zeit- und Platzeinsparungen erzielen.
Viele Ansätze konzentrieren sich auf die Reduzierung der Kosten und des Speicherplatzes, um die mit der Speicherinfrastruktur verbundenen Kosten zu senken, und ähnliche Überlegungen ergeben sich in WAN-Szenarien. Während der Übertragung muss eine als Transportschicht bekannte Schicht zwischen Anwendungen und zugrunde liegenden Netzwerkstrukturen vorhanden sein, damit Daten effizient und schnell gesendet und empfangen werden können. Die Transportschicht wurde jedoch 1981 erstellt, als TCP zum ersten Mal erstellt und mit 300 Baud ausgeführt wurde Bewertung. Daher verwenden Beschleuniger TCP-Proxys, um Verluste während der Übertragung zu verringern und Bestätigungen vorzunehmen, um die Größe von Paketen mithilfe fortschrittlicher Datenkomprimierungsmethoden zu erhöhen und mehr Daten pro Zeitsegment zu liefern. Um Hindernisse während der Übertragung zu überwinden, arbeiten diese Techniken zusammen, um die Leistung von Anwendungen zu verbessern und den Umfang des Bandbreitenverbrauchs zu verringern.