当我们说重删，我们说的是同一个重删吗？

重复数据删除已经不是一个新的话题了，如今各个厂商的存储或备份产品都有这项功能。不过，当我们在说重删时，我们是在说同一个重删吗？关于重删，其实还有很多细微的差别，今天小编就来讲一讲。

所谓重复数据删除，顾名思义，就是要把一些具有重复性的数据删除掉。重删是一个过程，其基本方法是通过算法，把一个文件切割成不同的小块，这些切割后小数据文件切片有很多是相同的，在真正在保存的时候，我们只要保存不同的数据块的一份，这是任何一个重复数据删除算法的根基。

不过，在这根基之上却有很多种重删

首先最简单的是文件级重删，这实际上可以不认为是一个重复数据删除，它只是一个重复数据忽略，因为它只会在文件级别进行扫描，比如文件的特性、文件的修改时间，保证每次只备份同一个文件。如果说这个文件做了一些小的修改，整个文件还是需要备份的，所以它的力度是非常低的。

接下来是块级重删，也就是之前讲的先要通过一个算法，把文件进行切割，切割成一个一个小的块，然后每个块进行比对。比对过后，只有不同的块才会被分走，这样可以保证重复数据会在子文件级进行相应的删除，从而提高每个文件相同的比率。然后被切割的这个文件，我们再附上一组指针表。这个指针图表上列出文件是由哪些小的块组成的，保证我们在还原的时候，通过这个基因图和相应的数据块，可以恢复任何的文件。

那么怎么样可以提高我们的重复数据删除率呢？就是这个块的大小，块切得越小，相应的重复数据就越多。比如我们切一个西瓜，西瓜上有很多西瓜子，把西瓜切得越小块，没有西瓜子的块就会越多。对重删来说这就是算法，而算法主要分两类：

定长重删。数据按照固定长度进行分块，之后进行重删。例入一个文件大小为128M，按照128K来切，切完就是一千份的子文件，然后对这一千份进行对比，把重复数据去掉就是定长重删。

变长重删。数据被划分成不同大小的块进行重删，一般来说变长重删可以获得更好的重删效果，因为对企业来说数据是不断更新的。比如定长重删下数据被切割形成一系列字母组合，由于数据变化插入了一个字母，因此整个数据的顺序就改变了，再按照128K切的话，对于备份软件来说所有行都是一个全新的数据块，所以要重新做备份。而变长重删可以保证其余的数据块不变，只在新增字母的块增加一个大小上限就可以了，因此变长重删效率更高。

按照重删处理的位置，这里也可以分为两类：

源端重删。在备份的时候，在备份端上agent就有重复数据删除的算法和功能，它可以在备份以前进行相应的切割和对比，只把一些新变化的数据传送到备份服务器上，这样可以大大降低备份数据量，在网络传输过程中的数据量也降低，这样可以降低整个备份网络的带宽要求，对企业来说也可以减少日常运维成本。

目标端重删。直接将数据传输到相应的磁带设备、磁带库或者是虚拟带库上，在目标端进行重复数据删除的算法、对比，然后把一些相应新的数据块元素和指针表也保留下来。

还有按照数据的重删执行的时间进行分类：

在线重删。备份的时候先做重复数据删除，在数据存储到硬盘之前，重复数据已经被去除掉了。

后重删。指的是在写到存储设备的同时不进行重删处理，先把原始数据写到硬盘上，随后启动后台进程对这些原始数据进行重删处理。与在线重删相比较，后重删需要更高的硬盘性能，需要更多的硬盘数量，并且在线重删可以大大降低数据的备份量和网络带宽的需求，因此效率更高。

好了，以上就是目前市场上主流的几种重删技术。其实今天小编为什么要讲这个话题呢，是因为听到了一个故事，说是某客户买了一款备份产品，虽然之前知道该产品有重删功能，但下单使用之后才发现重删效率和自己的预期有差异。所以，虽然大家都在说重删，但是具体采用何种重删技术？大家都要心中有数。

本文转自微信公众号：易安信EMC云计算与大数据